当前，大数据已沦为业界普遍认为的工业升级的关键技术要素。在＂中国生产2025＂的技术路线图中，工业大数据是作为最重要突破点来规划的，而在未来的十年，以数据为核心建构的智能化体系不会沦为承托智能生产和工业互联网的核心动力。工业大数据的重要性众所周知，但不谋而合显然，大数据是手段而不是目的，人工智能也是如此。如果意味着因为工业互联网的概念很热，企业就要去盲目亲吻工业互联网和工业大数据、人工智能技术，实质上是一个十分错误的观点。
工业从数据到大数据在新一代信息技术经常出现之前，工业企业早已长时间运转了上百年，我们应当明晰地认识到信息技术手段的重新加入更加像催化剂的起到。首先必须具体必须超过怎样的业务目标，可以使得今天早已不存在的生产工艺、工业产品、管理方法显得更佳。只不过大数据承托制造业的业务变革最显然的目标就是提质增效，在自动化与信息化基础之上，构建智能化的生产体系。
在智能生产的基础上，然后才是打造出平台，建构产业生态，与产业链展开更加有效地的协同，构建工业互联网的乘法式发展。工业大数据的三个典型应用于方向，也是我们构建工业互联网的目标，还包括智能装备、服务型生产和跨界融合。第一个层次是设备级的，就是提升单台设备的可靠性、辨识设备故障、优化设备运营等；第二个层次更好是针对产线、车间、工厂，提升运作效率，还包括能耗优化、供应链管理、质量管理等；第三个层次是踏出了工厂边界的产业跨界，构建产业网络。
工业大数据并不是凭空而来，传统工业信息化仍然在展开，我们早已有大量的数据来自于研发末端、生产生产过程、服务环节，工业信息化过程仍然在产生大量的数据，工业从数据到大数据，只不过更好要考虑到的是与自动化域数据的变换，这是数据的两化融合。而在工业互联网时代，我们还必须划入更加多来自产业链上下游以及跨界的数据。工业大数据如何沦为智能生产和工业互联网的核心动力工业大数据有哪些特点？我们总结为＂多模态、高通量、强劲关联＂的特性。我们在工业领域总结了大约有130多种不同类型的数据，数据模态多样，结构关系简单。
高通量是指数据持续大大地产生，收集频率低，通量大。强劲关联是指工业场景下的数据有十分强劲的机理承托，有所不同学科之间的数据是在机理层面的关联，而不是数据字段上的关联。而对工业大数据的分析应用于，也不是将深度自学、增强自学的方法放在这里就可以有结果。
我们必须得知研究对象的机理模型与定量领域科学知识，而这在当前基础上行进很艰难。我们期望找到数据在输出、输入之间的统计资料关系，对机理和模型不确认、不明晰的部分加以补充，这是工业大数据应用于的基础。业务引导，数据推展产业发展智能生产在大大取得数据的驱动，从智能生产到工业互联网平台，核心都是利用数据和模型，优化生产资源的配备效率。
工业互联网并不等同于智能生产，区别在于数据的跨界和业务的边界上否有所突破。当下，太多人过分推崇平台能力，而确实的工业互联网谈的是生态，资源优化从叙述、临床向预测、决策不断深入，从单机设备、生产线、产业链再行到产业生态大大拓宽。我们的生态如何来建构业务体系，如何跨界，才是工业互联网顺利与否的关键。
而要求工业互联网发展方向的，一定是业务驱动。我们从一开始就赞成拎着一把锤子，满世界去找钉子，现在很多大数据、人工智能公司就不存在这个问题。我们必须了解到一个工业领域，建一把可信的锤子，恰好可以去敲有市场需求的钉子，业务驱动和问题驱动才是产业发展的本质，而不是技术驱动。
将业务、数据理确切，评估数据，确实构建业务落地，要点就是三个要素的协同——人、场景、算法。
本文来源：4001百老汇官网-www.spoondrift504.com