何为工业大数据？
工业大数据是指在工业领域中，围绕典型智能制造模式，从客户需求到销售、订单、计划、研发、设计、工艺、制造、采购、供应、库存、发货和交付、售后、服务、运维、报废或回收再制造等整个产品全生命周期各个环节所产生的各类数据及相关技术和应用的总称，工业大数据以产品数据为核心，极大延展了传统工业数据范围，同时还包括工业大数据相关技术和应用。
工业大数据具备双重数据，即价值属性和产权属性。一方面，通过工业大数据分析等关键技术能够实现设计、工艺、生产、管理、服务等各个环节智能化水平的提升，满足用户定制化需求，提高生产效率并降低生产成本，为企业创造可量化的价值；另一方面，这些数据具有明确的权属关系和资产价值，企业能够决定数据的具体使用方式和边界，数据产权属性明显。工业大数据的价值属性实质上是基于工业大数据采集、存储、分析等关键技术，对工业生产、运维、服务过程中数据实现价值的提升或变现；工业大数据的产权属性则偏重于通过管理机制和管理方法帮助工业企业明晰数据资产目录与数据资源分布，确定所有权边界，为其价值的深入挖掘提供支撑。
工业大数据背景
在工业生产中，数据是不时生成的。生产机床的速度、能耗、温度和湿度、热发电机组的燃烧和燃烧、汽车的设备数据以及后勤队伍的位置和速度都是生产过程中的数据。
自从工业成为一个独立于社会生产的范畴以来，工业生产的数据收集和使用范围逐渐扩大。由于泰勒是用秒表来计算工人用铲子把煤送到锅炉上的时间，所以它是对生产管理数据的收集和使用，福特汽车的水化生产，汽车生产过程中工业数据的收集和工厂的使用。丰田的精益生产模式将数据的收集和使用扩展到工厂和上下游供应链；核电生产过程的完全自动化将生产过程数据的自动化水平提高到更高的水平。
任何数据的收集和使用都是昂贵的，工业数据也不例外。然而，随着信息技术、电子与数学技术、传感器、物联网等技术的发展，一批智能化、高精度、长时间导航、高性价比、微型传感器应运而生。在移动数据通信的支持下，以物联网为代表的新一代网络技术可以随时随地采集和传输数据。以云计算为代表的新型数据处理基础设施大大降低了工业数据处理的技术门槛和成本支出。以工业领域的SCADA系统为例，每个电网和化工企业在传统模式下都需要建立一套成本超过1000万元的SCADA系统。如果采用云架构模型，成本将降低70%以上。
社会需求的变化是最大的推动力。在商品剩余经济时代，以个性化为代表的消费文化使工业企业的产出最大程度地满足个体需求。从服装定制，车辆匹配，到T恤印花和个性化教育。
有两种方法可以满足个性化需求。以服装定制为例，通过教师的尺、手、眼和经验，确定服装的裁剪和布局。这种模式称为仿真模式，难以保证个性化定制的效率和质量、耗时和成本。另一种方法是数字模式，即通过开发一套数据采集手段。前台客户代表测量并收集用户的数字数据，然后将数据发送回总部。结合原材料数据，将需求分解为生产过程动作。最后，生产出符合定制要求的服装。
当然，工厂也会聘请高级硕士。他们的主要工作不是面对个别客户的客制化需求，而是研究更好的生产流程，控制数据和流程分解。在这种模式下，效率和质量得到保证，效率随着生产线的扩大而线性提高，一批专家组继续研究和提高工艺能力。定制生产成本将大大降低。从发展趋势的角度看，后一种数字模式的个性化生产将是未来的选择。
国家政策是重要影响因素。德国工业已经完成了工业自动化的过程，在自动化的基础上，以工业数据为基础，引入云计算和人工智能技术来提高工业的智能化水平，以满足社会对大规模定制生产的需求。美国拥有强大的云计算、互联网和数据处理能力。在此基础上，提出了一种通过大数据将单个设备、一条生产线和一家工厂的数据连接起来的工业互联网策略。挖掘工业服务业在诊断、预测、售后服务等方面的价值。
与德国和美国相比，中国处于工业自动化和云计算领域的开发阶段，因此建议中国制造2025计划将通过工业化和信息集成的方式集成工业化和信息集成。制定一系列关键项目和推进计划。
工业大数据产业现状
工业是国民经济的基础和支柱，也是一国经济实力和竞争力的重要标志。
近年来，工业大数据作为我国“智能制造”和“工业互联网”的关键技术支撑以及两化融合的重要基础备受关注。党中央、国务院出台了一系列“大数据”“两化融合”“互联网与制造业融合”等综合性政策与指示，其中对工业大数据发展提出了明确的要求，全面指导我国工业大数据技术发展、产业应用及其标准化进程。
从供给侧看，工业大数据供给侧能力持续提升，涌现出一批专精特新企业，成为推动我国工业大数据发展的中坚力量。一是由传统工业制造企业数字化、软件化、平台化发展，出现了一批具有较强数据汇聚能力的衍生型企业，如航天云网、树根互联等；二是软件企业向工业领域渗透，出现的技术型企业，如昆仑智汇、东方国信等企业在工业数据建模、分析处理等领域不断突破核心技术；三是互联网企业积极进入工业领域，如阿里推出“ET工业大脑”等产品和服务，腾讯推出工业互联网“木屋云”平台。
从需求侧看，随着智能制造、工业互联网等国家战略的逐一推进，个性化定制、网络化延伸以及智能化设计、生产、服务等新模式不断出现，对于工业大数据技术、产品、平台的需求不断增大，为工业大数据提供了充足的应用场景。
然而，在我国工业大数据产业发展不断优化提升的同时，仍需要清楚认识到我国工业大数据的仍存在物联数据无法获取、格式不统一，数据产权不清晰、数据壁垒难以打破，全产业链数据应用不足等问题。主要原因在于，第一，在我国国产工业软件、高端物联设备核心技术供给不足，而国外设备读写不开放，数据无法读取或者格式多样，无法直接利用；第二，面对体量大、分布广、结构复杂、类型多样化的工业数据，目前工业行业整体数据资源管理水平不足，难以管理企业内部和外部各类数据，更无法充分分析和利用。第三，缺乏可用、好用、可信的工业大数据平台，难以充分利用工业全产业链上下游的数据，以实现人、机、物等各类工业要素、工业业务流程以及产业链上下游企业间更大范围的实施链接与智能交互，推动工业生产的资源优化、协同制造和服务延伸。
近日，工信部发布《工业大数据发展指导意见(征求意见稿)》，为推进工业大数据发展，逐步激活工业数据资源要素潜力，不断提升数据治理和安全保障能力。工业大数据分析是利用统计学分析技术、机器学习技术、信号处理技术等技术手段，结合业务知识对工业过程中产生的数据进行处理、计算、分析并提取其中有价值的信息、规律的过程。据中商产业研究院发布的《2019年中国工业大数据市场前景研究报告》显示，2016年我国工业大数据市场规模突破150亿元，保持增长，预计2019年市场规模将近500亿元。到2022年，中国工业大数据市场规模或超822亿元；2022年超1900亿元。
工业大数据的实际指导
工业大数据是企业生产经营的重大变革。对于尚未完成工业化和信息化的工业企业来说，数据时代又来了，挑战也很大。
产业大数据建设首先是思维的转变，改变了以往以要素竞争为主的产业生产方式，进入了以数据和创新竞争为主的新的生产时代。其次，正如清华大学王建民教授所说，“大工业数据没有交钥匙工程”，需要领导、管理、员工和相关人员共同参与并履行各自的职责，才能取得成功。
最后，工业数据建设抓住了两块木板作为突破口。一个是最长的板，即找出产品(行业)最具竞争力的地方，继续深入挖掘潜在的数据价值，并围绕这一领域的工业数据建立产品和服务能力；二是最短的板，哪里是影响工业企业发展、成本、市场、供应链或能源消耗的痛点？在数据时代，寻找大数据机会的解决方案。
