節(jié)能減排作為我國(guó)當(dāng)前重點(diǎn)發(fā)展產(chǎn)業(yè)，發(fā)展好壞事關(guān)我國(guó)當(dāng)前“調(diào)結(jié)構(gòu)，穩(wěn)增長(zhǎng)”大局。其中通過(guò)產(chǎn)業(yè)升級(jí)，引進(jìn)新技術(shù)，改造鋼鐵、冶金、化工等重污染行業(yè)的業(yè)務(wù)流程，做到重點(diǎn)突破，更是整個(gè)節(jié)能減排行業(yè)的重中之重。針對(duì)當(dāng)前工業(yè)領(lǐng)域節(jié)能減排面臨的實(shí)際問(wèn)題，結(jié)合當(dāng)前流行的“大數(shù)據(jù)”技術(shù)是一條可行之路。
工業(yè)領(lǐng)域節(jié)能減排面臨的問(wèn)題
當(dāng)前工業(yè)領(lǐng)域的節(jié)能減排工作雖然取得一定的成效，但同時(shí)在工程實(shí)施中面臨著多種實(shí)際問(wèn)題。具體有基礎(chǔ)數(shù)據(jù)不準(zhǔn)、信息化程度不高、科學(xué)決策能力不完善等問(wèn)題:
基礎(chǔ)數(shù)據(jù)不準(zhǔn)
“基礎(chǔ)不牢，地動(dòng)山搖。當(dāng)前，節(jié)能減排產(chǎn)業(yè)中突出存在的問(wèn)題就是，作為基礎(chǔ)的能源消費(fèi)數(shù)據(jù)精確度不夠，顆粒度太粗。實(shí)際工作中，有關(guān)統(tǒng)計(jì)部門(mén)往往給出的是以省、市、縣為單位的能源消費(fèi)數(shù)據(jù)，或者是以實(shí)體為單位的能源消費(fèi)數(shù)據(jù)。甚至有些基礎(chǔ)數(shù)據(jù)都是估算的，缺乏準(zhǔn)確性和精確性。歸根至底，能源消費(fèi)行為是建立在企業(yè)、家庭、個(gè)人等實(shí)體行為之上的。只有掌握一線(xiàn)數(shù)據(jù)，提高數(shù)據(jù)的精確度和準(zhǔn)確度才是做好節(jié)能減排工作的基礎(chǔ)。
信息化程度不高
以美國(guó)、日本等為代表的歐美節(jié)能環(huán)保先進(jìn)國(guó)家，通過(guò)產(chǎn)業(yè)升級(jí)，將以大數(shù)據(jù)技術(shù)為代表的一系列信息化技術(shù)融入節(jié)能環(huán)保產(chǎn)業(yè)全過(guò)程，取得令世人矚目的成就。例如，德國(guó)TUV NORD作為第三方認(rèn)證機(jī)構(gòu)在微軟新總部，蒂森克虜伯電悌總部項(xiàng)目實(shí)施中，引入大數(shù)據(jù)能源管理，在建筑的設(shè)計(jì)規(guī)劃階段、施工階段、運(yùn)營(yíng)階段等多個(gè)階段通過(guò)數(shù)據(jù)化的能源管理系統(tǒng)，實(shí)現(xiàn)建筑的低碳、綠色、智能。相比較，我國(guó)節(jié)能環(huán)保產(chǎn)業(yè)有關(guān)設(shè)施設(shè)備信息化水平較低，缺乏突破性代表應(yīng)用。整體上，當(dāng)前我國(guó)節(jié)能環(huán)保工程水平粗放有余，精細(xì)不足，信息化手段發(fā)揮的空間巨大。
科學(xué)決策能力不完善
西方?jīng)Q策理論學(xué)派的代表人物赫伯特?西蒙指出：“管理就是決策，決策是管理的核心。其對(duì)企業(yè)決策者的能力要求是快速判斷、快速反應(yīng)、快速?zèng)Q策、快速行動(dòng)及快速修正。決策能力是企業(yè)家為維持企業(yè)生存必須具備的、最起碼素質(zhì)?？茖W(xué)決策是企業(yè)家知識(shí)素質(zhì)的綜合體現(xiàn)，也是他們的主要工作。決策水平的高低對(duì)企業(yè)的成敗影響十分巨大，據(jù)美國(guó)蘭德公司估計(jì)，世界上破產(chǎn)倒閉的大企業(yè)，85%是因企業(yè)家決策失誤所造成的。2004年，聯(lián)想集團(tuán)收購(gòu)美國(guó)IBM個(gè)人電腦和筆記本電腦業(yè)務(wù)，是聯(lián)想集團(tuán)問(wèn)計(jì)于高盛和麥肯錫后全盤(pán)考慮做出的決策。借助于沙盤(pán)推演和詳盡的數(shù)據(jù)分析，事實(shí)證明，該決策獲得了巨大的成功。相比之下，節(jié)能環(huán)保產(chǎn)業(yè)缺乏類(lèi)似于聯(lián)想集團(tuán)收購(gòu)IBM電腦個(gè)人業(yè)務(wù)這種在關(guān)鍵拐點(diǎn)做出成功決策的案例。
大數(shù)據(jù)技術(shù)概述
信息和網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，智能手機(jī)、物聯(lián)網(wǎng)等多種智能終端的全面應(yīng)用，各行各業(yè)內(nèi)的行業(yè)數(shù)據(jù)呈指數(shù)上升態(tài)勢(shì)。針對(duì)此現(xiàn)狀，Google公司在網(wǎng)絡(luò)捜索應(yīng)用中通過(guò)創(chuàng)新Map/Reduce、GFS、Bigtable三大云時(shí)代計(jì)算范式在工程實(shí)踐中取得空前的成功。同時(shí)以Yahoo、Amazon為代表的工業(yè)界開(kāi)發(fā)的Hadoop、 HDFS、Hbase等一系列開(kāi)源技術(shù)產(chǎn)品，為“大數(shù)據(jù)”的收集和處理提供了技術(shù)保障。簡(jiǎn)而言之，在大數(shù)據(jù)時(shí)代，人類(lèi)第一次有了精細(xì)的觀測(cè)手段可以詳盡觀察并處理海量數(shù)據(jù)。通過(guò)深層次挖掘海量數(shù)據(jù)，可描述物理世界中的各種實(shí)體、實(shí)體之間的關(guān)聯(lián)，乃至描述整個(gè)社會(huì)形態(tài)。
