项目名称：大数点

主营业务：一个工业物联网大数据引擎，专注于物联网大数据技术及其系统的研发和应用服务

上轮融资情况：2016年10月获数千万元Pre-A轮融资，由盛景网联领投，创新谷追梦者基金跟投

下轮融资意向：正在筹备A轮融资

项目关键词：工业大数据，工业物联网总线，实时分布式数据仓库，云服务模式，代理商模式

近年来，中国制造业普遍面临较大的生存压力，人口红利不再、生产成本高、产能过剩、生产效率和质量低下等问题亟需解决。随着“工业4.0”、“中国制造2025”等概念的提出，制造企业也意识到了产业变革的重要性，一方面是从产品的质量与创新入手，另一方面是从生产线的管理入手。

以后者来看，从采购到库存、生产到物流等各个环节，制造企业需要关注库存情况、成本消耗情况、每一环的质量问题等。而在工业场景中，机器大数据便是管理生产线的突破口。为了让管理过程更直观可控，大数点作为一个工业物联网大数据服务提供商，针对不同行业给出了解决方案。

　从新兴行业入手规划产品线

事实上，管理机器大数据不是一件很容易的事。相比于用户数据，机器大数据更加海量、复杂，多条生产线中长期积累的数据只有被及时处理分析，才能发挥出价值。以前人工管理各产线的方式，不仅效率低下而且效果差，库存、物料、物流等无法最优利用，因此制造企业需要有一个强大的分布式计算平台，同步反馈生产线情况。

那么，需要通过数据分析来提高生产效率、降低成本的企业，主要是哪一类呢？大数点创始人兼CEO犹杰表示：“我们认为是一些流程化、自动化成本比较高、规模比较大的制造企业。”大数点选择从一些新兴行业入手，比如锂电池行业、新能源行业等。

以锂电池行业为例，除了国家会对其加大扶持力度，汽车行业、电网储能、3C行业等相关领域的发展也带动了锂电池行业的发展。需求的大量提升使得锂电池制造企业不得不扩产能，对成本与质量的把控也变得更加严格，因此有必要进行数据监控与数据分析。

大数点为一家锂电池制造企业构建了智能制造执行平台解决方案，在制作车间和流水线上每个作业点产生的关键数据，都通过IoT DataHub（工业物联网总线）即时发送到大数点云平台。这些数据或通过应用API即时显示在用户终端界面上，或被即时分析并触发警报、产生相关控制与决策。据大数点提供的数据显示，该制造企业使用大数点云平台后，原料/制品库存降低了90%，生产损耗减少了68%，物料提前期缩短了61%，物流损失减少了58%，人均综合效率提升了33%，产品品质改善了10%。

这里涉及到大数点的第一条产品线IoT DataHub， 数据实时传输到平台上，在数据存储前后均会对其进行分析。具体来讲，在存储前，过滤无用的数据或补齐缺失的数据，存储后根据业务流程做出相应的分析与处理。犹杰表示，“原本需要几秒进行数据处理，但现在能控制在毫秒级。”

此外，IoT DataHub还会针对设备做数据分析预测，比如设备在生产过程中的某个零件即将损坏，以前需要等设备停机报警才派人检修，导致生产暂停，但是现在可以实时了解每个零件的状态，并且能预测在多久内将会发生损坏。“这样可以避免设备损坏所引发的停产或次品太多的情况，从而降低企业的成本损耗。”

对于以上情况，IoT DataHub已经实现了可视化分析，用户可以随时随地查看图表。从节约人力成本的角度来看，企业不用再聘请质量文员，再加上IoT DataHub所反映的指标比人工统计的颗粒度更细，便于分析决策，提高了厂区工作人员的协作效率。

而平台上的数据均存储在实时分布式数据仓库中，也就是大数点的第二条产品线DSD Database。犹杰介绍道，“DSD Database的第一个任务是存储，第二个任务是提供一个可视化界面，让客户通过建模来分析数据。”存储就不必多言，那么这里的可视化与IoT DataHub有什么不同呢？

不难理解，制造生产中的数据需要基于某种模型才能进行分析并应用于决策，由于各行各业的应用场景不同，对应的模型也就不同。而DSD Database能够让行业专家基于大数点平台，通过可视化操作，建立与相应业务流程匹配的数据模型。犹杰表示，每个行业的生产流程都大相径庭，大数点不可能建立所有的模型。于是，一方面是大数点为行业专家提供存储与快速计算的基础技术能力，另一方面大数点也能借此完善自己的模型库。所以，IoT DataHub的可视化偏向于实时应用，而DSD Database的可视化则用于建模研究。

纵向做深标杆客户，横向发展代理商

正因为大数点团队的服务无法覆盖到所有行业，大数点除了选择以新兴行业为切入点，对规模化运作也开始了初步的探索。“我们通过与代理商合作来拓展不同行业，”犹杰表示，大数点只专注于少数行业，代理商用大数点的技术来给不同行业提供服务，大数点从中抽取40%的利润。

在合作方面，大数点还与齐鲁工业大学联合建立了工业大数据实验室，由于该院校与山东省的轻工业企业合作关系较为密切，熟悉这些企业的生产工艺与流程，研究生们可以基于大数点平台建模，这样一来，不仅大数点可以协助高校培养研究生，而且高校也能为大数点提供相应的模型、帮助大数点与相关企业建立联系。

可以看到，大数点的产品技术是相对标准化的，而针对不同行业的数据模型是定制化的。对大数点而言，目前选择的合作方式，更利于自身的快速发展。大数点当下的重点便是在选择的行业中做好标杆客户，目标客户是年销售额能达到50亿元以上的大型制造企业，并且已经深度服务了5家种子客户，主要集中在珠三角区域，“未来也会往长三角、西南地区发展客户。”大数点的收费板块包括平台基础费用与模型定制化费用，客单价在100万元到300万元，犹杰表示2017年期望收入达到4000万。

从国内市场来看，昆仑数据早于大数点着手做机器大数据管理与分析这件事，目前正处于B轮，客户及合作伙伴主要分布在能源、环保、农业、高端制造、科学探索等领域。美国的两家类似的创业公司Uptake、C3 IoT估值也已经达到了10亿美元以上。其中C3 IoT成立于2009年，有了一定的积累，并且美国制造业自动化程度较高、分工协作明确，更易于跨行业发展客户。

而国内制造企业情况相对复杂，昆仑数据与大数点均采用了发展合作伙伴的方式。至少短期来看，这个市场是不会出现一家独大的情况的，没有一个玩家的能力已经达到了可以服务所有行业的程度。虽然大数点起步稍晚一些，但是团队的经验背景与投资方的认可还是体现了大数点的竞争能力。

犹杰曾任爱立信系统工程师、百视通系统架构师，十分熟悉分布式计算领域，拥有做物联网大型项目经验。联合创始人兼CTO Matthias Hub曾任IBM系统工程师，是原IBM德国研发中心 Bluemix物联网团队核心成员，技术能力出色。另一位联合创始人、首席科学家Ivan Uemlianin曾在英国石油BP负责管理油气田设备监控，在工业领域有丰富的研究与实践经验。大数点的创始团队很好地结合了传统制造企业与新兴IT行业的基因，工业大数据领域的确需要跨界人才的组合，既要懂传统工业领域的设备管理，也要懂新兴数据技术。

大数点已于2016年10月获的数千万元Pre-A轮融资，由盛景网联领投，创新谷追梦者基金跟投，已经开始准备新一轮融资。犹杰告诉笔者，智能制造有很多环节，其中最核心的模块就是数据的实时处理与分析系统，希望大数点能成为中国智能制造的“大脑”。

（来源：拓扑社）