随着物联网、云计算、大数据等新一代信息技术逐渐向工业领域融合渗透，一场以数据为核心驱动的智能制造变革正在加快到来，工业大数据日益成为各国政府和产业界关注的焦点。一方面，工业大数据结合先进传感、新型工业网络和核心工业软件，能够形成从单台机器、生产线、车间到企业的数据优化闭环，驱动生产制造和运营管理的智能化发展，从而进一步降低制造成本;另一方面，工业大数据结合公共互联网络、网络协同平台，能够促进企业与企业、企业与用户、企业与产品之间的深度交互，驱动生产组织和产品服务的智能化发展以及个性化定制等目标的实现。
 

工业大数据的内涵与特征

工业大数据泛指工业领域数字化、自动化、信息化应用过程中产生的数据，它基于先进大数据技术，贯穿于工业的设计、工艺、生产、管理、服务等各个环节，使工业系统具备描述、诊断、预测、决策、控制等智能化功能的模式和结果。

工业大数据从来源上主要分为信息管理系统数据、机器设备数据和外部数据。总体上，工业大数据实时性要求高、数据多元且数据量较大，数据格式结构化和非结构化并存，更强调不同数据之间物理关联，分析结果具有实时性且对精确度要求较高，与传统工业数据和互联网大数据存在差异。

工业大数据是大数据技术逐步成熟、工业应用需求不断激发共同作用的结果，基于工业大数据的创新是未来制造业和新一代信息技术融合发展下不可避免的趋势。一是随着传感器技术的进步和成本下降，工业数据采集更广泛、更灵活和更精准，更加满足严苛工业应用。二是工业数据平台的产生，使得原本隔离的控制层工业自动化数据和IT层数据逐步打通，数据得以高效整合。三是云计算、边缘计算的发展促进企业内部计算能力和计算资源的提升，可以承担更加复杂的计算需求。四是大数据先进分析技术不断与工业应用场景相结合，可以解决工业实际问题并带来效益的显著提升。因此，大数据在工业领域中的应用已经成为必然。

高度重视工业大数据应用价值

工业大数据应用覆盖工业的研发设计、生产制造、供应链管理、市场营销和售出服务等产品生命周期的各个环节。在研发设计环节，可满足工程组织的设计协同要求、评估和改进当前操作工艺流程，提供更好的设计工具、减少产品交付周期。在生产制造环节，可综合大量的机器、生产线、运营等数据的高级分析实现制造过程优化。在供应链环节，工业大数据主要用于实现供应链资源的高效配置和精确匹配。在市场营销环节，可利用大数据挖掘用户需求和市场趋势，找到机会产品，进行生产指导和后期市场营销分析。

然而，目前我国工业大数据应用正处于发展孕育期，需不断引导企业需求，帮助企业形成对数据客观、科学的认识。一是帮助企业优化数据源，尤其是对于机器设备、生产线等实时生产数据采集数量、类型、精度以及频率方面，积极弥补与国外先进水平存在的差距。二是推进企业间和企业内部部门间信息交互、共享和集成，充分发挥数据融合应用价值。三是推进工业大数据应用成熟模式和灯塔式项目建设，形成行业应用推广模式。

牢牢把握工业大数据变革机遇

作为新兴技术领域，工业大数据的产业格局尚处于集聚与形成阶段，但以GE、西门子、SAP等为首的IT、自动化、制造领域的领先企业正立足于已有优势领域，抓住技术升级和产业变革契机，在工业大数据发展初期意图通过优化重组优势要素，将产业链各环节的单点优势扩大为产业生态的综合优势。

因此，我国企业应牢牢把握工业大数据发展的变革机遇，一方面依托强大的市场内需和产业规模优势，借助创新要素的不断积累，整合竞争要素打造产业整体优势;另一方面注重商业模式创新，特别是类似于德国为中小企业提供工业大数据服务平台、GE的设备管理服务盈利模式，是按节省成本的一定比例收取等多元化商业模式。

发展工业大数据的对策建议
 

当前，工业大数据正处于发展孕育期，可以预见，门类丰富的工业生产、制造领域的智能化应用以及高端技术的领先发展将引发我国工业大数据规模的快速加倍增长，为数据价值的挖掘提供充足的样本空间和试验机会。我国政府应把握机遇，注重顶层设计，通过应用逐步推动产业化和关键技术的突破，在支持制造业转型升级的同时，积极培育工业大数据相关的战略新兴产业和应用创新模式。

首先，摸清我国工业大数据应用现状，通过试点示范推进企业进行工业大数据应用创新。对我国工业大数据所在的制造业主要门类的数据源、数据量、数据模型、存储架构、数据开放等方面展开调研，梳理我国工业大数据应用场景和需求。要结合智能制造、互联网与工业融合试点示范，选择基础较好的制造企业开展工业大数据的集成应用创新实践，打造可复制推广样板，加速大数据技术与行业深度融合。

其次，把握新兴增长点，特别是针对各类工业数据平台的技术和产业化突破形成整体战略布局。针对工业数据集成平台、分析平台等已经形成可观市场规模，产业格局发生变动且尚未稳定的领域，鼓励我国领先企业全面掌握核心技术、全面推动产业链升级、加紧抢占市场优势。立足产业未来发展，搭建工业大数据创新中心，将制造企业、ICT企业、相关研究机构以及标准化组织共同纳入到创新中心，加强关键数据技术和软件的研发和产业化力量，通过创新中心连接国内产学研用相关单位试验点，对关键技术、标准等进行研发、试验验证和应用推广工作。此外，还要支持工业大数据公共服务平台发展，为中小型制造企业提供便捷的工业大数据分析工具。

再次，推进工业大数据标准化工作，健全安全体制机制，完善外部环境。标准和安全是事关互联网与制造业统合创新发展的重要保障，亟须建立统一的、贯穿产业全生命周期的数据标准和安全防护管理技术体系，形成适用于智能制造新业态的标准和安全环境。要立足我国相关大数据标准化联盟，尽早组织力量开展行业性工业大数据标准研究，吸纳行业典型应用场景，制定工业大数据的开放、技术、应用、安全、评价等系列标准。此外，应考虑将工业大数据安全纳入信息安全范畴，完善相关法律法规，建立国内工业大数据应用安全风险评估模型，建立应对数据泄露等安全风险的相关预案。