最近和一個剛入行的工程師聊天，他正為一個項目頭疼。客戶的需求聽起來特別簡單：“設備上的數據，我們都想要。”

但設備有幾百個參數，真能都要嗎？

這讓我想起我們早期接觸的很多項目。一個強烈的感受是：那些一開始喊著“全部都要”的客戶，往往后來最容易陷入迷茫和停滯。

這不是客戶的問題，而是我們作為服務方，有責任幫他們跨越的第一道認知鴻溝：數據采集，從來不是一場關于“數量”的競賽。

PART 01 一個經典的“開局”

當需求過于“完美”

我們常常遇到這樣“理想”的客戶：

• 目標宏大：“我們要建設智能工廠，數據是基礎，必須全面！”
• 需求模糊：“目前具體看哪些指標還沒完全想好，但先采上來肯定沒錯。”
• 充滿期待：“等數據齊了，我們就能做很多分析了。”

這個時候，如果你真的按“全部采集”去規劃，項目幾乎注定會走向冗雜、昂貴和難以使用。

因為模糊的全面，等于精確的無效。

PART 02 真實故事：從“數據沼澤”到“數據清泉”

企業：華東某知名汽車零部件供應商
痛點：新建產線，希望實現全流程數字化監控。負責人對我們說：“這條線很關鍵，數據是我們未來的眼睛，一定要看得全。”

第一階段：順從的“全面”
我們曾詳細列出了設備上可采集的400多個參數點，包括電流、電壓、溫度、氣壓、閥門開關次數、電機振動值等等。客戶看了很滿意，覺得“專業、周全”。
一期項目就這樣啟動了，目標是“能采盡采”。

第二階段：初現的“尷尬”
三個月后，數據平臺上線了。客戶的興奮感只持續了一周，隨之而來的是三個問題：

• 看板變得極其復雜：幾十個屏幕頁面，操作工和管理層根本不知道重點該看哪里。
• 問題依然難以定位：設備偶爾停機，面對海量數據曲線，工程師要花幾個小時像大海撈針一樣找異常關聯參數。
• 價值質疑：“我們每個月為這些從沒看過、也不知道用處的數據付存儲費和運維費，意義在哪？”

第三階段：艱難的“回溯”

項目陷入了僵局。直到我們推動開了一次“數據價值復盤會”。我們問了一個關鍵問題：
“過去一個月里，為了解決具體的生產問題（比如停機、次品率升高），你們真正主動查詢、分析過哪些參數？”
現場沉默，然后答案集中在不到10個核心參數上。其余大部分數據，從未被使用。

第四階段：重啟的“精準”
我們做了一個大膽建議：項目暫停擴容，先做“數據瘦身”。

• 回歸業務原點：我們一起梳理出產線最關鍵的三個業務目標：提升設備綜合利用率(OEE)、降低關鍵尺寸不良率、預防主軸突發故障。
• 逆向推導數據：針對每個目標，反推需要什么數據來支撐。

1. 要算OEE，只需采集設備運行、待機、故障狀態。
2. 要分析關鍵尺寸不良，只需采集與之強相關的三組模具溫度、注射壓力。
3. 要預警主軸故障，根據歷史維修記錄，只需監測特定位置的振動值和軸承溫度。

重新規劃方案：最終，我們將一期采集點從400多個精簡到35個。二期方案也不再是“增加點數”，而是設定為“當出現新的、明確的分析需求時，再動態增加1-2個關鍵點”。

PART 03 我們的心得：從“接需求”到“理需求”

這個案例之后，我們形成了自己的一套工作方法。當再聽到客戶說“全部都要”時，我們會引導他們進行一場“需求翻譯”：

第一步：不問數據，問目標。

“您希望通過數據采集，最先解決哪一兩個具體的業務痛點？是降低成本、提高效率，還是保障質量？”

第二步：不問全部，問關鍵。

“針對這個目標，您覺得現場老師傅或優秀班組長，最關心哪幾個設備指標？他們憑經驗是怎么判斷問題的？”

第三步：不做一次交付，做持續服務。

我們會提供一份 《同行數據采集基準參考清單》 ，告訴客戶：“同行在解決類似問題時，通常會優先采集這20個參數。我們可以此為起點，小步快跑，快速驗證價值。”

PART 04 寫在最后：好數據是“問”出來的，不是“采”出來的

一個能真正產生價值、持續運行的數據采集項目，起點往往不是一個宏大的命令，而是一系列精準的提問。

作為服務商，我們最大的價值也許不在于連接設備有多快，而在于能否幫助客戶，在數據的海洋里，打下一根堅實的、通往業務價值的錨點。

如果你也正面臨“不知道采什么”的困惑，或者擔心項目變成“數據垃圾場”，歡迎來找我們聊聊。我們可以一起，從理清那“第一個關鍵問題”開始。