導論
洞察未見的需求
工業4.0（Industry 4.0）被德國政府和工業界定義為製造業未來遠景。德國認為，18世紀引入機械製造設備的工業是1.0時代，20世紀初的電氣化與自動化是2.0時代，20世紀70年代開始的資訊化是3.0 時代，現在正在進入「工業4.0」時代，即實體物理世界和虛擬網路世界融合的時代。其中，所謂虛擬網路—實體物理系統作為新一代工業革命的核心技術。美國在1965年就提出的Cybernetics 是虛擬網路－實體物理系統（Cyber- Physical Systems，CPS）技術的前身，現在被工業界廣泛知曉的CPS 是美國國家科學基金會（NSF）在2006 年正式提出的，是美國國家科學基金會的重點資助研究方向。德國工業4.0 與美國CPS，究其核心要義，是傳統製造業利用物聯網（Internet of Things，IoT）和大數據分析（Big Data Analytics）的智慧化轉型。
然而，我們在談到工業轉型帶來的變革時，往往容易看到其代表性的技術特徵，而忽視促使其轉型的最原始的驅動力，也就是對於新價值創造的永恆追求。如果說前三次工業革命分別從機械化、規模化、標準化和自動化等方向大幅度地提高了生產力，工業4.0 與前面三次最大的區別在於：不再以製造端的生產力需求為起點，而是將用戶端價值作為整個產業鏈的出發點，改變以往的工業價值鏈從生產端向消費端、上游向下游推動的模式，從用戶端的價值需求出發，提供客製化的產品和服務，並以此作為整個產業鏈的共同目標，使整個產業鏈的各個環節實現協同優化，本質是工業視角的轉變。工業4.0 的概念有三個支撐點：一是製造本身的價值化， 不僅僅是做好一個產品，還要把產品生產過程做到浪費最少、實現製造過程與設計和客戶需求相配合；二是製造過程中根據加工產品和狀況的改變自動進行調整，在原有自動化的基礎上實現「自動察覺」（Self-Aware，對自身狀態變化的意識）的能力；三是在整個製造過程中達到零故障、零憂慮、零意外、零汙染，這就是製造系統的最高境界。
在現在的製造中，存在許多無法被定量、無法被決策者掌握的不確定因素，這些不確定因素既存在於製造過程中，也存在於製造過程之外的使用過程中。前三次工業革命主要解決的都是可見的問題，例如避免產品缺陷、避免加工失效、提升設備效率和可靠性、避免設備故障和安全問題等。這些問題在工業生產中由於可見可測量，往往比較容易避免和解決。未見的問題通常表現為設備的性能下降、健康衰退、零組件磨損、運行風險升高等。這些因素由於其很難透過測量被定量化，往往是工業生產中不可控的風險，大部分可見的問題都是這些未見的因素累積到一定程度所造成的。因此，工業4.0 的關注點和競爭點是對這些未見因素的避免和透明化。聚焦需求缺口，創造產品價值
工業4.0 的另一個特點就是製造過程和製造價值向使用過程的延續，不僅僅關注將一個產品製造出來，還應該關心如何去使用好這個產品，實現產品價值的最大化。產品的創新和創值不再僅僅是以滿足使用者可見的需求為導向，而是利用使用者的使用資料去創建使用情景模擬，從情景模擬中找到用戶需求的缺口（GAP），這些空缺我們稱之為「未見的需求」，因為即便是用戶自己都很難意識到。例如，買汽車的人大多都會提出省油的需求，於是所有汽車製造商就努力改變車型和發動機讓車子更加省油。但是很少去關注用戶的駕駛習慣對於油耗的影響，因為駕駛習慣對於用戶而言也是未見的，因此不會有用戶去要求汽車提供駕駛行為管理的功能。所以工業4.0 時代的市場競爭也會從以往滿足客戶可見的需求向尋找用戶需求的缺口轉變。以往我們將產品賣給客戶之後就幾乎到達了生產價值鏈的終點，工業4.0 時代將價值鏈進一步延伸到雲端，以產品作為服務的載體，以使用資料作為服務的媒介，在使用過程中不斷挖掘用戶需求的缺口，並利用資料採擷所產生的資訊服務為使用者創造價值。
我們不妨以汽車為例做一個大膽的預測，在未來工業4.0 時代，人們去4S 店選車不再僅僅選擇車型、顏色和內飾等客製化特徵，使用者可以在一輛布滿感測器的車內進行試駕，當用戶坐上駕駛座椅時，感測器自動記錄整個座椅上的壓力分布，一款符合用戶的身形和坐姿習慣的座椅就自動設計完成了；在用戶開車過程中，汽車內部的感測器自動記錄使用者的駕駛動作，進而預測用戶的駕駛習慣，一個兼顧駕駛操作感和舒適性的動力系統和控制系統被自動匹配完成。在用戶駕駛汽車的過程中，汽車能夠自動識別用戶駕駛習慣的改變，提醒用戶駕駛習慣的變化對於能源消耗和剩餘里程的影響。在上下班高峰期，汽車能夠透過巨量的交通資料預測出未來一段時間內可能通過道路的擁堵情況，並為使用者推薦最佳行駛路徑。在駕駛過程中汽車還可以記錄路面的平整情況，這些資料在系統內分享，提醒後面的駕駛者減速駛過一段坑窪的路面，隨後這些資料被發送給市政管理部門，第二天再經過相同路段時發現坑窪的路面已經被修補好了。用戶回家之後，可以透過手機或是網頁查看一天的駕駛紀錄，不同駕駛模式下的能源消耗一目了然，可以與社區內的其他用戶比一比誰更加節能環保，同時系統還提供了相應的駕駛習慣改善建議。查看汽車的健康狀態報告，各個關鍵零組件的健康衰退和故障風險一目了然，與之相匹配的維護保養建議也被自動提供，網上預約後就可以到4S 店進行維護，如果只是簡單的更換，還提供影片及文字講解的詳細步驟說明，使用者發現雖然去4S 店的次數和保養維修的費用明顯減少了，汽車的故障卻也幾乎降到了零。 這個例子離我們並不遙遠，也許未來5 年甚至更短的時間內就會成為現實。未來工業界賣給使用者的不再是產品，而是價值能力；對於駕駛者而言，汽車是一個產品，但是更重要的是汽車帶給我的行動力、時尚感、經濟性、舒適性和安全性等一系列能力。這些能力所對應的服務也不再像以往那樣給用戶有限的選擇，而是根據使用者的使用情況和需求提供客製化的最佳匹配，因為每一個使用者的使用資料都是客製化的，這使用戶不再是統計結果中的一個樣本，而是一個豐富的、高度個性化的個體。
再舉一個與我們日常生活息息相關的例子。我們大部分人都有去超市買鞋墊和去製衣店量身訂做西裝的經驗。過去我們買鞋墊只會問要買多大碼，同一個尺碼每個人得到的鞋墊都是相同的。但是我們每一個人腳的形狀、體重、站姿、走路習慣、搭配的鞋子都是不同的， 因此不可能有一款鞋墊能夠同時滿足每一個人的需求。在美國爽健（Dr.Scholl） 公司，在賣給用戶鞋墊之前先讓用戶站在一個連接感測器的踏板上，系統就會記錄使用者站立時足底的壓力分布，隨即客戶就可以獲得一個客製化的鞋墊。這其實也只是個開端，還有更多的價值空間可以挖掘。比如足部壓力資料的採集只考慮到了站立時的情況，但是走路和跑步時的壓力分布同樣十分重要，同時還要考慮與不同鞋子的搭配，例如運動鞋、高跟鞋、皮鞋等。這些資料還可以賣給製作鞋子的公司， 在買完鞋墊之後向用戶推薦一款適合搭配的鞋子。最後，這些資料如果與醫學研究相結合，還可以提醒用戶站立姿勢和跑步習慣可能造成的足部和膝蓋損傷的風險，給用戶提供改善習慣的建議。
對於製衣公司而言也是一樣，在給用戶進行量體的時候都是按照固定的姿勢，而沒有考慮使用者在動態情況下的舒適程度。如果我是一名教師，那麼會經常抬手在黑板上寫字，手臂的運動幅度就會很大，手肘和腋下部分就需要加大彈性。因此，未來的量體應該是動態的，給使用者穿上特製的衣服之後按照喜好隨意活動， 衣服上的感測器會自動記錄幾個關鍵位置的應力情況， 根據這些資料為使用者製作更加合身的衣服。這些在過去看來都是天方夜譚的事情，隨著智慧感測和3D 視覺技術的成熟，已經變得觸手可及，這就是科技進步帶動商業與服務模式創新的良性循環。
從這兩個例子我們不難看出，資料依然是為使用者提供客製化產品最重要的媒介，無論是發現用戶價值的缺口、發現和管理未見的問題、實現無憂的生產環境（Worry-Free Productivity）以及為用戶提供客製化的產品和服務，都離不開對資料的分析挖掘。工業4.0 時代中的製造將透過資料把終端客戶與製造系統相連接，這些資料將自動決定生產系統各個環節的決策，實現生產上下游環環相扣的整合，人的工作難度將被大大降低，在這種模式下工廠的組織架構將趨於扁平，生產資源的利用效率也更加優化。
洞察未見的需求
工業4.0（Industry 4.0）被德國政府和工業界定義為製造業未來遠景。德國認為，18世紀引入機械製造設備的工業是1.0時代，20世紀初的電氣化與自動化是2.0時代，20世紀70年代開始的資訊化是3.0 時代，現在正在進入「工業4.0」時代，即實體物理世界和虛擬網路世界融合的時代。其中，所謂虛擬網路—實體物理系統作為新一代工業革命的核心技術。美國在1965年就提出的Cybernetics 是虛擬網路－實體物理系統（Cyber- Physical Systems，CPS）技術的前身，現在被工業界廣泛知曉的CPS 是美國國家科學基金會（NSF）在2006 年正式提出的，是美國國家科學基金會的重點資助研究方向。德國工業4.0 與美國CPS，究其核心要義，是傳統製造業利用物聯網（Internet of Things，IoT）和大數據分析（Big Data Analytics）的智慧化轉型。
然而，我們在談到工業轉型帶來的變革時，往往容易看到其代表性的技術特徵，而忽視促使其轉型的最原始的驅動力，也就是對於新價值創造的永恆追求。如果說前三次工業革命分別從機械化、規模化、標準化和自動化等方向大幅度地提高了生產力，工業4.0 與前面三次最大的區別在於：不再以製造端的生產力需求為起點，而是將用戶端價值作為整個產業鏈的出發點，改變以往的工業價值鏈從生產端向消費端、上游向下游推動的模式，從用戶端的價值需求出發，提供客製化的產品和服務，並以此作為整個產業鏈的共同目標，使整個產業鏈的各個環節實現協同優化，本質是工業視角的轉變。工業4.0 的概念有三個支撐點：一是製造本身的價值化， 不僅僅是做好一個產品，還要把產品生產過程做到浪費最少、實現製造過程與設計和客戶需求相配合；二是製造過程中根據加工產品和狀況的改變自動進行調整，在原有自動化的基礎上實現「自動察覺」（Self-Aware，對自身狀態變化的意識）的能力；三是在整個製造過程中達到零故障、零憂慮、零意外、零汙染，這就是製造系統的最高境界。
在現在的製造中，存在許多無法被定量、無法被決策者掌握的不確定因素，這些不確定因素既存在於製造過程中，也存在於製造過程之外的使用過程中。前三次工業革命主要解決的都是可見的問題，例如避免產品缺陷、避免加工失效、提升設備效率和可靠性、避免設備故障和安全問題等。這些問題在工業生產中由於可見可測量，往往比較容易避免和解決。未見的問題通常表現為設備的性能下降、健康衰退、零組件磨損、運行風險升高等。這些因素由於其很難透過測量被定量化，往往是工業生產中不可控的風險，大部分可見的問題都是這些未見的因素累積到一定程度所造成的。因此，工業4.0 的關注點和競爭點是對這些未見因素的避免和透明化。聚焦需求缺口，創造產品價值
工業4.0 的另一個特點就是製造過程和製造價值向使用過程的延續，不僅僅關注將一個產品製造出來，還應該關心如何去使用好這個產品，實現產品價值的最大化。產品的創新和創值不再僅僅是以滿足使用者可見的需求為導向，而是利用使用者的使用資料去創建使用情景模擬，從情景模擬中找到用戶需求的缺口（GAP），這些空缺我們稱之為「未見的需求」，因為即便是用戶自己都很難意識到。例如，買汽車的人大多都會提出省油的需求，於是所有汽車製造商就努力改變車型和發動機讓車子更加省油。但是很少去關注用戶的駕駛習慣對於油耗的影響，因為駕駛習慣對於用戶而言也是未見的，因此不會有用戶去要求汽車提供駕駛行為管理的功能。所以工業4.0 時代的市場競爭也會從以往滿足客戶可見的需求向尋找用戶需求的缺口轉變。以往我們將產品賣給客戶之後就幾乎到達了生產價值鏈的終點，工業4.0 時代將價值鏈進一步延伸到雲端，以產品作為服務的載體，以使用資料作為服務的媒介，在使用過程中不斷挖掘用戶需求的缺口，並利用資料採擷所產生的資訊服務為使用者創造價值。
我們不妨以汽車為例做一個大膽的預測，在未來工業4.0 時代，人們去4S 店選車不再僅僅選擇車型、顏色和內飾等客製化特徵，使用者可以在一輛布滿感測器的車內進行試駕，當用戶坐上駕駛座椅時，感測器自動記錄整個座椅上的壓力分布，一款符合用戶的身形和坐姿習慣的座椅就自動設計完成了；在用戶開車過程中，汽車內部的感測器自動記錄使用者的駕駛動作，進而預測用戶的駕駛習慣，一個兼顧駕駛操作感和舒適性的動力系統和控制系統被自動匹配完成。在用戶駕駛汽車的過程中，汽車能夠自動識別用戶駕駛習慣的改變，提醒用戶駕駛習慣的變化對於能源消耗和剩餘里程的影響。在上下班高峰期，汽車能夠透過巨量的交通資料預測出未來一段時間內可能通過道路的擁堵情況，並為使用者推薦最佳行駛路徑。在駕駛過程中汽車還可以記錄路面的平整情況，這些資料在系統內分享，提醒後面的駕駛者減速駛過一段坑窪的路面，隨後這些資料被發送給市政管理部門，第二天再經過相同路段時發現坑窪的路面已經被修補好了。用戶回家之後，可以透過手機或是網頁查看一天的駕駛紀錄，不同駕駛模式下的能源消耗一目了然，可以與社區內的其他用戶比一比誰更加節能環保，同時系統還提供了相應的駕駛習慣改善建議。查看汽車的健康狀態報告，各個關鍵零組件的健康衰退和故障風險一目了然，與之相匹配的維護保養建議也被自動提供，網上預約後就可以到4S 店進行維護，如果只是簡單的更換，還提供影片及文字講解的詳細步驟說明，使用者發現雖然去4S 店的次數和保養維修的費用明顯減少了，汽車的故障卻也幾乎降到了零。 這個例子離我們並不遙遠，也許未來5 年甚至更短的時間內就會成為現實。未來工業界賣給使用者的不再是產品，而是價值能力；對於駕駛者而言，汽車是一個產品，但是更重要的是汽車帶給我的行動力、時尚感、經濟性、舒適性和安全性等一系列能力。這些能力所對應的服務也不再像以往那樣給用戶有限的選擇，而是根據使用者的使用情況和需求提供客製化的最佳匹配，因為每一個使用者的使用資料都是客製化的，這使用戶不再是統計結果中的一個樣本，而是一個豐富的、高度個性化的個體。
再舉一個與我們日常生活息息相關的例子。我們大部分人都有去超市買鞋墊和去製衣店量身訂做西裝的經驗。過去我們買鞋墊只會問要買多大碼，同一個尺碼每個人得到的鞋墊都是相同的。但是我們每一個人腳的形狀、體重、站姿、走路習慣、搭配的鞋子都是不同的， 因此不可能有一款鞋墊能夠同時滿足每一個人的需求。在美國爽健（Dr.Scholl） 公司，在賣給用戶鞋墊之前先讓用戶站在一個連接感測器的踏板上，系統就會記錄使用者站立時足底的壓力分布，隨即客戶就可以獲得一個客製化的鞋墊。這其實也只是個開端，還有更多的價值空間可以挖掘。比如足部壓力資料的採集只考慮到了站立時的情況，但是走路和跑步時的壓力分布同樣十分重要，同時還要考慮與不同鞋子的搭配，例如運動鞋、高跟鞋、皮鞋等。這些資料還可以賣給製作鞋子的公司， 在買完鞋墊之後向用戶推薦一款適合搭配的鞋子。最後，這些資料如果與醫學研究相結合，還可以提醒用戶站立姿勢和跑步習慣可能造成的足部和膝蓋損傷的風險，給用戶提供改善習慣的建議。
對於製衣公司而言也是一樣，在給用戶進行量體的時候都是按照固定的姿勢，而沒有考慮使用者在動態情況下的舒適程度。如果我是一名教師，那麼會經常抬手在黑板上寫字，手臂的運動幅度就會很大，手肘和腋下部分就需要加大彈性。因此，未來的量體應該是動態的，給使用者穿上特製的衣服之後按照喜好隨意活動， 衣服上的感測器會自動記錄幾個關鍵位置的應力情況， 根據這些資料為使用者製作更加合身的衣服。這些在過去看來都是天方夜譚的事情，隨著智慧感測和3D 視覺技術的成熟，已經變得觸手可及，這就是科技進步帶動商業與服務模式創新的良性循環。
從這兩個例子我們不難看出，資料依然是為使用者提供客製化產品最重要的媒介，無論是發現用戶價值的缺口、發現和管理未見的問題、實現無憂的生產環境（Worry-Free Productivity）以及為用戶提供客製化的產品和服務，都離不開對資料的分析挖掘。工業4.0 時代中的製造將透過資料把終端客戶與製造系統相連接，這些資料將自動決定生產系統各個環節的決策，實現生產上下游環環相扣的整合，人的工作難度將被大大降低，在這種模式下工廠的組織架構將趨於扁平，生產資源的利用效率也更加優化。
