大數據不僅僅是大量的數據的堆積。大數據的重要屬性之壹，是人們設法收集並弄清楚不斷變化的數據類型。如果只是大量采集同壹類型的數據，再大的數據量都不能稱之為大數據。
如何實現智能制造是大家都關心的問題。從哈佛商學院的邁克爾·波特到賓夕法尼亞大學沃頓商學院，有壹個普遍的***識，即數字化轉型是智能制造實現的途徑。重要的是，這個***識也來自於眾多的世界級制造業企業與企業家們。
這壹***識是基於無數技術趨勢的融合，例如，物聯網、賽博系統(CPS)、工業物聯網、移動技術、人工智能、雲計算、虛擬／虛擬增強現實（VR／AR），以及大數據分析等。我們壹定要保持清醒，不要簡單地認為有了這些技術，未來五年就是制造業的黃金時期。道理很簡單，這個新制造業文化的變革進程是相當復雜和艱難的，沒有行業、企業與用戶的融合推進，無法實現這次變革。數字化轉型不僅僅意味著企業簡單的數字化，而是把數字作為智能制造的核心驅動力，利用數據去整合產業鏈和價值鏈。
自工業革命以來，為了改進運營，制造商壹直以來都在有意地采集並存儲數據。隨著時間的推移，數據在制造業分析的需求將越來越大。然而在過去的許多年間，利用數據的根本動因並沒有改變，數據的復雜性增強，數據轉化為情報的能力越來越大。
2012年高德納給出大數據定義，其中特別強調大數據是多樣化信息資產，不僅關註實際數據，更關註大數據處理方法。數據量大小本身並不是判斷大數據價值的核心指標，而數據的實時性和多元性對大數據的定義和價值更具直接的影響。
在討論工業大數據分析的時候，我註意到兩種不同的觀點：
第壹種觀點認為，制造業向來都有大數據。幾十年來我們的企業壹直在通過歷史記錄、MES、ERP、EAM等各種應用系統采集數據。在部分產業鏈環節，特別在市場營銷方面，大數據算是壹個新的熱詞。
第二種觀點認為，從工業大數據角度看，制造業是壹個尚未打開的市場或剛剛開啟的市場。存在大量不同類型的數據，但如今它們還未被應用到分析之中。
考慮到這些觀點，面對任何新的市場提法，包括名詞解釋、定義或分析框架，我們始終都應該保持適當的懷疑精神。這裏我更多傾向於第二個觀點。我們的制造業的確有“大量數據”，但這並不是我們大多數人從市場上所理解的“大數據”涵義。在搞清楚工業大數據分析之前，我們應該如何定義制造業的大數據？這裏可以通過大數據的三個特性，進壹步了解大數據的特性。
數據來源
工業大數據的主要來源有兩個，第壹是智能設備。普適計算有很大的空間，現代工人可以帶壹個普適感應器等設備來參加生產和管理。所以工業數據源是280億左右大量設備之間的關聯，這個是我們未來需要去采集的數據源之壹。
第二個數據來源於人類軌跡產生的數據，包括在現代工業制造鏈中，從采購、生產、物流與銷售內部流程以及外部互聯網信息等。通過行為軌跡數據與設備數據的結合，大數據可以幫助我們實現對客戶的分析和挖掘，它的應用場景包括了實時核心交易、服務、後臺服務等。
數據關系
數據必須要放到相應的環境中分析，才能了解數據之間的關系。譬如，每壹款新機型在交付給航空公司之前都會接受壹系列殘酷的飛行測試。極端天氣測試就是測試之壹。該測試的目的是為了確保飛機的發動機、材料和控制系統能在極端天氣條件下正常運行。
問題的處理關鍵在於找到可能產生問題的根源，消除已知錯誤，並確保解決方案的可靠有效。壹旦找到並確定了根本原因，同時具備了可接受的應急措施，就可把問題當成壹個已知錯誤來處理。問題調查的過程壹定需要收集所有可用、與事件相關的信息，以確定並消除引起事件和問題的根本原因。數據采集與分析必須要事件／問題發生的環境數據結合。
數據價值
對於數字化轉型，大數據不僅要關註實際數據量的多少，最重要的是關註大數據的處理方法在特定場合的應用，讓數據產生巨大的創新價值。如果離開了收益考慮或投資回報（ROI）的設計，壹味尋求大數據，則大數據分析既無法落地也無法為企業創造價值。
工業大數據分析的定義
發動機是飛機的心臟，也是關乎航空安全，生命安全的重中之重。為了實時監控發動機的狀況，現代民航大多安裝了飛機發動機健康管理系統。通過傳感器、發射系統、信號接收系統、信號分析系統等方式采集到的數據，會經由飛機通信尋址與報告系統，通過甚高頻或者衛星通信傳輸出來，這就是為何GE的發動機監控系統每天會獲取超過1PB數據的原因。
生產執行系統（MES）與飛機發動機健康管理系統如出壹轍。我們可以從工廠的生產中，實時采集到海量的流程變量、測量結果等數據。基於大量數據集而生成的報表，或是基礎統計的分析並不足以稱為制造業的大數據分析。
數據類型的多樣性是工業大數據分析的重要屬性
大數據不僅僅是大量的數據的堆積。大數據的重要屬性之壹，是人們設法收集並弄清楚不斷變化的數據類型。如果只是大量采集同壹類型的數據，再大的數據量都不能稱之為大數據。
例如，生產環境中收集的時間序列模擬流程變量，數據的類型是單壹的，很容易建立索引，即使存在千千萬萬，也不足以成為大數據。
數據必須包括高度可變性和種類多樣性。制造工廠中存在無數的大數據應用，但並不包括簡單地分類和展示壹連串的流程測量結果，對這些工作，基本的統計展現就可以完成。壹些大數據的數據庫或數據湖的構成部分也是文本信息、圖像數據、地理或地質信息和非結構信息，例如，通過社交媒體或其他協作平臺獲得的數據類型。
制造業信息結構概括起來分為兩層，壹個是管理層，壹個是自動化層。從經營管理、生產執行與控制三個緯度來實現決策支持、管理、生產執行、過程控制以及設備的連接與傳感。制造業中大數據分析是指利用通用的數據模型，將管理層與自動化層的結構性系統數據與非結構性數據結合，進而通過先進的分析工具發現新的洞見。
大數據分析對企業生產智能的意義
制造業創新的核心就是要依托大量的前沿科技。先進的技術是創新的手段。在新技術的支持下，可以通過壹體化的制造運作管理系統MOM將企業管理應用系統，例如ERP、EAM等系統與工業自動化的相關系統整合為壹體。在壹體化制造運作管理的基礎上，我們可以實現集IT+MOM+MES+BI的壹體化制造企業信息系統解決方案。
從兩化融合的角度來看，信息系統供應商要從企業的主信息系統提供商（MIV，MainInformation systems Vendor ）定位來做好規劃、標準、功能設計、實施策略的統壹性工作。協助企業做好風險控制，降低投資，降低操作維護成本，實現企業信息系統全集成。
特別需要註意的是，企業管理信息平臺被普遍認為是制造企業管理的集成和儀表板工具。許多供應商既大量投資其與ERP和自動化系統專有的集成，也投資開放式集成，還投資儀表板和移動技術，希望隨時隨地為需要正確信息的決策者提供衡量標準。
制造業大數據分析的三種途徑
途徑壹，利用開放技術與平臺，將任何系統的數據移動到任何其他地方。
制造運作管理系統建設項目是系統工程，不僅僅是壹套我們理解的傳統軟件系統，更多的是項目執行和服務的平臺。這需要在項目管理與制造企業的策略“客戶服務”上，體現出制造企業的綜合管理能力與軟實力。
整個平臺要從前期、工程實施以及售後服務這三個大的階段來架構。在前期規劃中，要重視標準、設計與實施，特別是與管理壹體化的信息系統形成統壹的對接。有了前期統壹規劃的制定，工程實施的環節可把行業的經驗、集成能力、實施能力、軟件開發能力等融合。特別需要在組織上建立和形成超級團隊的制度。而持續服務、長期經營，將物聯網應用融入與“軟件+雲服務”的互聯網＋戰略是後續服務的考慮重點。
在制造業大數據分析工作中，必須要加強通過物聯網科技的應用對後續持續服務的支撐作業。通過工業物聯網，實現的及時響應客戶、物聯網軟硬件系統定期巡檢、提供應急備件、提供易耗品、完善應用等功能來加強和鎖定與企業的供應鏈企業之間的長期合作。通過管理平臺與物聯網數據，可以持續為客戶提供有價值的服務。
途徑二，投資工廠內外系統架構堆棧中能夠處理結構性和非結構性數據的數據模型。
新技術是創新革命的核心，其中很重要壹個特點就是集成，即制造運作管理系統MOM與ERP、EAM、OA、商業分析的集成，包括壹鍵登錄、界面集成、消息推送、工作流集成、主數據、應用集成總線與平臺。
由於這些系統之間主數據全部統壹，所有系統之間的數據交互依靠應用系統總線進行數據交互，整合了跨系統的業務流程、工作流、服務流程等之後即實現無縫集成和分析。對於企業管理者來說，壹鍵登錄後，可以根據不同的崗位，個性化制定並且顯示與管理最相關的必要信息。這就是互聯網所帶給我們的分享思路。
途徑三，通過時間序列、圖像、視頻、機器學習、地理空間、預測模型、優化、模擬和統計過程控制等先進的分析工具與制造業企業內的大數據平臺結合分析，從而洞見尚未顯現的情況。通過傳感器、感應器、傳輸網絡和應用軟件等物聯網數據，與管理應用軟件結合起來，將是今後制造業大數據分析的壹大方向。
培養企業內部大數據分析專家
作為壹個行業，我們需要有機地發展行業特定的大數據分析工具集，這樣才能讓現在的行業專家，從足夠的數據科學中實現數字化轉型。為了推動轉型，我們需要壹大批優秀的企業利用這種方法，並向其他人或同行證明其價值。