『壹』 工業大數據如何改變製造業

工業大數據如何改變製造業
工業大數據是互聯網、大數據和工業產業結合的產物，是中國製造2025、工業互聯網、工業4.0等國家戰略在企業的落腳點。對於製造業而言，了解行業大數據產生的背景，歸納行業大數據的分類和特點，從數據流推動本身價值創造的視角看待、重造工業價值流程，將具有很強的現實意義。
工業大數據如何改變製造業1、精度更高高成功率的製造是製造商的核心競爭力，在大數據出現之前，最好的方法是投資更好的設備，或對員工進行更好的培訓，但都無法太大的減少失敗率帶來的額外損失。然而，使用大數據，製造商可以使用計算機程序來優化流程，並更加巧妙地分析錯誤，從而防止這些錯誤產生。2、產量更高大多數製造商購買原材料並製造成品，他們銷售價格高過製造成本。在該系統中，製造商可以獲得更高的收益(每個成品使用的原材料越少)，企業的經營就更有利可圖。新的大數據應用程序使製造商能夠更好地了解其整體產量，並有機會改進其運營方法，生產產品獲得更多的利潤。3、更好的預測製造商可以根據各種情況預先判斷需要生產多少產品，淡季的時候減少生產量，以及在倉庫中的庫存或出貨量。大數據有助於製造商更好地掌握這種供需關系的變化，因此可以在最有價值的生產條件下進行生產。4、預測和判斷蹤供應商的產品優劣製造商也可以使用大數據跟蹤供應商的優劣。例如，如果供應商提供劣質產品比例較高，通過大數據計算證明這些事情，就可以確定選擇新的供應商是否更加具有成本效益。5、更高的可追溯性大數據還使製造商的流程更加透明和可追溯。製造商的原材料在生產過程中以及生產階段有多少損失?給定批次產量多少，目前存儲在哪裡?運送需要多長時間，一旦需要運送，產品在哪裡?大數據可幫製造商跟蹤生產和交付的所有這些階段，並提供對可能效率低的領域的洞察和分析。6、高級自定義工作大數據顯示，通過在以往的努力中獲取數據並創造更好地利用原材料的方法，有可能創建高級定製工作。它也可以幫助製造商採取逆向工程，為熟悉的問題提出新的解決方案。7、投資回報率和運營效率大數據使製造商能夠更深入地了解其運營的真正效率，以及升級時產生的投資回報率(ROI)，例如新設備或新的廣告策略。這對製造商意味著什麼?更高的盈利能力傳統製造業受到原材料成本和生產限制等因素的限制，而大數據的降臨，讓每個生產環節得更多的收益，極大的較少了成本，企業主能夠利用這些機會，賺取更多的收入。更大的競爭壓力隨著製造商採用大數據戰略，競爭對手感受到採取類似甚至更好的方法的壓力。越來越多的競爭迫使越來越多的傳統製造商升級內部系統，因此未來的技術發展將會越來越活躍。對新角色的需求精益的數據應用程序對外部人員或不熟悉數據分析的人員來說具有極大的挑戰性。新技術令人印象深刻，但他們要求有足夠知識和經驗的人來實施和管理它們。因此，製造商需要專業的人或者公司來協助完成這些變化。目前來看，越來越多的傳統製造業也隨著大數據的普及在不斷的進行產業升級，在競爭激烈的新時代，大數據給製造業帶來的改變是否會引領新的工業革命呢?這些相信各位看官都已經有了自己的答案

『貳』 製造企業如何借力工業大數據

製造企業如何借力工業大數據
工業大數據和原來的信息化有何區別？
簡單來說，1990年代以前，大部分企業都在做企業內部信息化，這被稱為第一次浪潮。1990年代以後，互聯網開始席捲全球，企業相繼進行互聯網化。而隨著信息化與工業化的深度融合，工業大數據悄然興起，這也將成為下一個提升製造業生產力的技術前沿。在清華大學工業大數據研究中心主任王建民看來，工業大數據即第三次工業變革，它以智能互聯的產品為核心載體，而不單純只是通過互聯網增值。
王建民認為，在製造業的利潤越來越低的情況下，工業大數據可以幫助中國企業提高產品在使用維護階段的利潤。最重要的是，利用數據進行跨界運營，能夠為企業帶來新的生存空間。
利用大數據搶占價值高地
為什麼工業大數據對當下的中國企業來說，有著如此深遠的意義？
事實上，在王建民看來，一個復雜裝備的生命周期分三個階段，即：開發製造階段（Beginning of Life，簡稱BOL）、使用維護階段（Middle of Life，簡稱MOL）、回收利用階段（即End of Life，簡稱EOL）。
原來，製造企業將重心放在開發製造階段，企業的核心目標就是將裝備設計製造出來。而產品售賣給消費者後，就和企業沒有關系或者變得無關緊要了。所以生命周期的第二、三階段，常常被企業忽略。但裝備的價值真正體現在用戶的使用體驗上，而不在於製造，盡管製造由質量決定。但消費者在使用階段的流暢程度，才能反映出產品的最終功效。
加工製造環節的確能夠產生很多利潤，但在當前環境下，生產製造的利潤越來越薄，使企業越來越難以為繼。而中國是一個製造大國，更是一個使用大國，製造業的興衰事關重大。王建民認為，只有利用大數據搶占價值高地，實現產品智能化，才能實現從「中國製造」到「中國創造」的轉變，從「生產型製造」到「服務型製造」轉變，這也是「中國製造2025」戰略的應有之義。
跨界運營是工業互聯網轉型的核心
和之前很多技術一樣，工業大數據並非橫空出世，而是一脈相承。但又有新的變化，這種新的變化，在王建民看來，其核心在於連接，將原來孤立的機器連接起來，將人和機器連接起來，將不同的企業、行業連接起來。
事實上，這種連接已經產生了巨大的價值，有很多企業已經開始實踐了。
例如：將人和產品聯系起來，可以實現產品創新。日本科研人員設計出一種新型汽車座椅，根據駕駛者的體重、壓力值等數據識別主人，以判斷駕駛者是否為主人，從而決定是否啟動。
又例如：將兩個不同領域連接起來，可以實現銷售模式的創新。歐洲人可以做到今天賣明天的風電，怎麼賣？他們根據一系列數據，對明天的風力精準地進行測算，從而實現當天交易。這是風電裝備在整個大氣環境下進行的跨界運營的絕佳案例。
還有一個例子，《哈佛商業評論》曾經發表過一篇文章叫《智慧的互聯產品》。美國人認為未來的工業產品應該分為五個階段，到第四個階段的時候，裝備、產品會進入到一個產品的系統階段，機器和機器之間可以對話和合作。比如在農業領域，播種器械、收獲器械會聯合起來到一個農場去作業。而終極階段是：農業機器的集群和天氣的數據，會和種子的數據、灌溉系統的數據聯合起來，通過全方位的連接來解決農業生產中的綠色節能問題。
王建民說，通過跨界運營來創新是工業互聯網轉型的核心。在使用階段做一個簡單的維修、更換配件，不管是預防性維修還是主動維修，都還處於工業互聯網的初級階段。只有通過數據進行跨界運營，才抓住了整個裝備製造業在服務階段轉型升級的核心。
工業大數據應避免的三個誤區
聽上去很美好的工業大數據，如何實踐呢？王建民梳理了三大誤區，以供企業參考：
一、維修＝運行
在工業領域，維修和運行基本不會分開。但是在工業大數據里，二者是分開的。維修指的是，當產品性能下降的時候，通過更換零件或者其他手段，恢復其產品性能。而運行是指如何使用機器，使它產生價值。
二、產業大數據等同於消費大數據
工業大數據最核心的問題在於分析結果的可靠性。在消費大數據上，如果產品的廣告推薦能達到20‰的可靠性，就是搜索引擎的最好水平。但這一數據在工業領域，顯然遠遠不夠。因為在工業領域，往往是失之毫釐，差之千里。工業的應用場景對數據准確率的要求達到99.9%，甚至更高，否則就會造成嚴重的經濟損失乃至安全事故的發生。所以，王建民建議，從人員結構上來講，工業大數據需要數據和產業的人才一起來做。
三、採集的數據越多越好
對於企業而言，機器採集的數據有時候是一個災難，不是企業採集的所有數據都是有用的。不產生價值的數據就是垃圾信息，對於企業而言就是負擔。企業在收集數據之前，首要任務是給數據畫像，弄明白自己到底需要什麼樣的數據。
王建民認為，無論如何，大數據仍然要圍繞裝備增值服務的業務邏輯，在達到這個目的的過程中，讓數據發揮作用，而非簡單地只看到數據，而忽略了根本的邏輯。

『叄』 智慧工業園區大數據解決方案

君 思科技智慧園區八大平台以及應用亮點：
1、園區大數據平台
2、園區管理回平台答
3、園區運營平台
4、園區服務平台
5、園區協同平台
6、園區移動管理平台
7、園區智能平台
8、園區物聯網平台

平台應用亮點：
1、全周期：貫穿項目的規劃、拆遷、建設、營銷、運營、交付、管理和客戶服務的全過程，滿足流程化管理要求。
2、全場景：涵蓋項目各種業態的運營管理過程，滿足多組織協同的場景應用，滿足數字化管理要求。
3、全物聯：打通園區管理過程中的各種設施設備數據對接的渠道，支持萬物互聯，滿足可視化管理要求。
4、全渠道：提供管理端、客戶端、商家端的全渠道統一應用，實現便捷高效辦公，滿足智能化管理要求。

『肆』 工業大數據是什麼

我這個工業大數據的話意思就是在工業生產的過程當中有一些數據能夠說明工廠的進行性給孝義的這些東西就叫做工業大數據這種工業大數據跟其他的數據相互比較起來的話就能看出這個工廠他的這個效益究竟在哪裡所以說這個東

『伍』 如何建設工業大數據可視化系統

1. 深圳市兒童醫院成功部署IBM集成平台與商業智能分析系統
IBM利用其行業領先的大數據與分析技術，支持深圳市兒童醫院搭建信息集成平台，整合原有分散在多系統中的海量數據，實現各部門的信息共享;同時通過商業智能分析對集成數據進行深入挖掘，為醫院各部門人員的科學決策提供全面的輔助，提升醫院的服務水平和管理能力。
2. Informatica幫助紫金農商銀行深挖數據價值
紫金農商銀行ODS數據倉庫項目建設使用Informatica產品完成數據的載入、清洗、轉換工作顯得尤為簡單，圖形化、流程化設計使維護人員能夠快速、順暢的操作，即使數據源結構發生變化，也不會像以前必須修改大量的程序代碼，只需要在PowerCenter中配置一下即可。
3. 華為大數據一體機服務於北大重點實驗室
經過大量的前期調查，比較和分析准備工作，北大重點實驗室選擇了華為基於高性能伺服器RH5885 V2的HANA數據處理平台。HANA提供的對大量實時業務數據進行快速查詢和分析以及實時數據計算等功能，在很大程度上得益於華為RH5885 V2伺服器的高可靠、高性能和高可用性的支撐。
4. IBM攜手漢端科技為飛鶴乳業打造全產業鏈可追溯體系
IBM、漢端科技與中國飛鶴乳業聯合宣布，通過利用IBM業界領先的全面大數據與分析能力，和漢端科技在商業智能領域豐富的行業經驗，飛鶴乳業實現了產品的可追溯與食品安全的數字化管理，完成了系統數字化、透明化、服務化的升級。
5. 浪潮大數據平台大大提升了濟南的警務工作能力
浪潮在幫助濟南公安局在搭建雲數據中心的基礎上構建了大數據平台，以開展行為軌跡分析、社會關系分析、生物特徵識別、音視頻識別、銀行電信詐騙行為分析、輿情分析等多種大數據研判手段的應用，為指揮決策、各警種情報分析、研判提供支持，做到圍繞治安焦點能夠快速精確定位、及時全面掌握信息、科學指揮調度警力和社會安保力量迅速解決問題。
6. 英特爾攜杭州誠道科技構建智能交通
面對大數據挑戰，杭州市和杭州誠道科技有限公司緊密合作，部署了基於英特爾大數據解決方案的誠道重點車輛動態監管系統，通過集中的數據中心將全市卡口、電子警察、視頻監控、流量檢測設備、信號機、誘導設備等有效地連接起來，從交通案件偵破能力、交通警察對機動車輛的監管能力到利用關聯車輛的數據分析能力，都得到了極大提升。
7. 步步高集團借Oracle Exadata 大大提高了IT投資回報率
步步高集團採用 Oracle Exadata資料庫雲伺服器搭建信息化平台，憑借Oracle Exadata資料庫雲伺服器的高擴展性、安全性和冗餘性，步步高集團得以在該基礎架構上運行一系列Oracle零售行業以及Oracle的應用軟體。此外，基於Oracle Exadata的步步高IT新架構比傳統架構擁有更好的性價比，最大限度地增加了IT的投資回報率。
8. 華為Anti-DDoS助阿里巴巴檢測DDoS變革
阿里巴巴現網多個數據中心出口都部署了華為的Anti-DDoS解決方案，平均每天防護的DDoS攻擊次數超過100次，每年達數萬次，峰值防護的DDoS攻擊流量超過100Gbps。如今，DDoS攻擊在阿里巴巴安全工程師眼裡已經習以為常，由華為Anti-DDoS方案自動調度進行清洗防護即可。「雙11」期間，華為Anti-DDoS方案一如既往地成功防護了多輪DDoS攻擊事件，有力保障了阿里巴巴網路交易的順暢平穩。
9. 華為大數據方案在福建移動的應用
為進一步提升外呼成功率，從2014年初開始，福建移動聯合華為公司開展基於大數據的精準營銷工作，採用大數據分析的方法選擇外呼目標價值用戶。基於大數據分析方法和傳統外呼方法分別提供20萬目標客戶清單，在前台無感知下進行對比驗證，確保對比效果不受人為因素影響，經過外呼驗證，基於大數據分析方法較傳統方法外呼成功率提升50%以上，有效支撐了福建移動4G用戶發展戰略。
10. 北京市人民政府「12345」便民電話中心選擇Oracle Exadata 實現便攜服務
為了進一步提升部門的調度能力、辦理水平和群眾滿意度，北京市人民政府「12345」便民電話中心選擇Oracle Exadata資料庫雲伺服器，升級成為北京市非緊急救助服務綜合受理調度平台，通過Oracle Exadata Database Machine支撐起新平台的資料庫訪問需求。升級後的平台能夠整合全市的便民呼叫服務，支撐來自群眾的各類訴求、求助、批評和建議，並可為公眾提供方便、快捷的公共信息服務，真正成為全市的輿情中心、信息匯集中心和城市名片。

11. 民生銀行借IBM BigInsights應對金融業的大數據挑戰
IBM BigInsights大數據解決方案和企業級NoSQL資料庫SequoiaDB合作，為民生銀行搭建低成本、高性能、高可靠且水平擴張的數據平台，幫助民生銀行通過大數據分析應對金融業的大數據挑戰，完善交易流水查詢分析系統,產業鏈金融管理系統，以及私人銀行產品貨架管理系統。
12. 中信銀行信用卡實施EMC Greenplum 數據倉庫解決方案
中信銀行信用卡中心選擇實施EMC Greenplum 數據倉庫解決方案。Greenplum 數據倉庫解決方案為中信銀行信用卡中心提供了統一的客戶視圖，藉助客戶統一視圖，中信銀行信用卡中心可以更清楚地了解其客戶價值體系，從而能夠為客戶提供更有針對性和相關性的營銷活動。基於數據倉庫，中信銀行信用卡中心現在可以從交易、服務、風險、權益等多個層面分析數據。通過提供全面的客戶數據，營銷團隊可以對客戶按照低、中、高價值來進行分類，根據銀行整體經營策略積極地提供相應的個性化服務。
13. 惠普助力雅昌集團掘金大數據
成立於1993年的雅昌集團首創「傳統印刷+IT技術+文化藝術」的商業模式，形成環環相扣的文化產業鏈，為藝術市場提供全面、綜合的一站式服務。基於企業內容數據管理體系，惠普為雅昌搭建了從數據採集、處理、管理到應用的全過程處理流程，使雅昌可以快速利用所需數據，縮短新品上線時間，快速響應市場變化。
14. 德國足球隊採用SAP大數據方案迎戰世界盃
德國足協和SAP公司通過聯合創新引入SAP Match Insights解決方案，該方案基於SAP HANA平台運行處理海量數據，可以為球員和教練提供一個簡明的用戶界面，幫助雙方開展互動性更強的對話，分析球隊訓練、備戰和比賽情況，從而提升球員和球隊的成績。
15. 1號店借Oracle Exadata改善終端客戶體驗
1號店採用Oracle Exadata資料庫雲伺服器成功優化統一整合的數據平台，滿足了不斷增長的業務處理需求，並進一步改善了終端客戶體驗。經過Oracle Exadata整合後的新平台採用混合負載互備架構，將平均處理性能提升7倍，既可以支持目前規劃業務量的業務處理，還能夠隨著業務量的增長進行在線升級、擴容，滿足處理能力和數據量的增長需求。軟、硬體集成設計的Oracle Exadata 協助解決了1號店的I/O瓶頸問題，實現了比傳統架構更高的性能和可擴展性。同時，基於Exadata的1號店IT新架構比傳統架構擁有更好的性價比，最大限度地發揮了IT投資回報率。
16. 大數據在青島銀行：提升銀行交易性能、簡化運營和管理
利用IBM大數據專家PureData，青島銀行能夠高效集成業務數據，簡化運維。PureData for Transactions作為青島銀行重要業務處理系統，能夠在一個系統中整合超過幾十個資料庫，同時提供良好的性能、可用性和可擴展性支持實現廣泛的業務目標，例如地域擴張，突發的業務交易高峰，新櫃面、流程銀行等大規模的業務上線等。
17. Informatica方案幫助南京兒童醫院實現信息互通共享
南京市兒童醫院目前已建成包括HIS、LIS、PACS、電子病歷EMR、醫生工作站、移動護理、病案、財務管理、庫房管理和手術麻醉等幾十個應用系統，這些異構系統間數據調用分散，不能集中統一標准化管理。通過採用Informatica ETL工具構建數據倉庫系統，並基於數據倉庫建設醫院數據調用公共資源中心庫，南京市兒童醫院實現了實時的數據交互和信息共享，干凈、標準的數據為跨應用系統數據關聯分析打下扎實基礎。
18. 東吳大學採用達索系統EXALEAD啟動大數據應用暨產學合作
台灣東吳大學採用達索系統EXALEAD大數據智能應用開發解決方案，全方位地整合校務信息，積極開發校務經營發展的各項應用。此外還將啟動三方產學合作計劃，協助建立校內大數據相關課程、人才培訓和實習機制，使學生自入學就開始不斷提升其未來職場所需的關鍵競爭力，學用合一，實現學校、學生、企業三贏。
19. 網路大腦PK人腦 大數據押高考作文題
為了幫助考生更好地備考，網路高考作文預測通過對過去八年高考作文題及作文範文、海量年度搜索風雲熱詞、歷年新聞熱點等原始數據與實時更新的「活數據」進行深度挖掘分析，以「概率主題模型」模擬人腦思考，反向推導出作文主題及關聯詞彙，為考生預測出2014年高考作文的六大命題方向。

20. IBM助力同仁醫院構築強大的分析體系
同仁醫院通過與IBM合作，同仁醫院建立起了強大的分析能力和體系，包括對臨床、運營、科研、考核等信息的分析，實現智慧的醫院管理與考核;同時也能看到醫療設備的平均故障間隔周期，從而降低了設備的故障率、平均維修時間。這一切都讓工作效率穩步提升，也緩解了病人看病難的問題，提高了患者就醫滿意度。
21. 微軟助上海市浦東新區衛生局更加智能化
作為上海市公共衛生的主導部門，浦東新區衛生局在微軟SQL Server 2012的幫助之下，積極利用大數據，推動衛生醫療信息化走上新的高度：公共衛生部門可通過覆蓋區域的居民健康檔案和電子病歷資料庫，快速檢測傳染病，進行全面的疫情監測，並通過集成疾病監測和響應程序，快速進行響應。與此同時，得益於非結構化數據的分析能力的日益加強，大數據分析技術也使得臨床決策支持系統更智能。
22. 湖南電信通過分析掌握電信市場動向、針對性定製營銷計劃
利用IBM大數據專家PureData，湖南電信實現了通過分析掌握市場整體經營情況、快速制定市場策略以及加強客戶經理營銷維系的高效執行。PureData for Analytics作為湖南電信本地數據集市建設工程重要組成部分，高效整合了湖南電信旗下各本地網數據，為進一步分析創造先機。
23. 攜程借SQL Server增強了數據採集和掌控
作為國內領先的綜合性旅行服務公司，攜程計算機技術有限公司曾面臨分支機構、服務城市和員工數量的增長所帶來的運營數據分散和數據集成難的 IT 問題。藉助微軟SQL Server 2012 商業智能解決方案，攜程增強了其對所有下屬分支機構的數據採集和掌控，大大減少了計劃性停機時間以及非計劃性停機的時間，靈活的部署選項也可以根據攜程的需要實現從伺服器到雲的擴展。
24. 上海公共研發平台部署Oracle Exadata應對擴展需求
上海公共研發平台部署Oracle Exadata資料庫雲伺服器，以應對其系統和應用的擴展需求。Oracle Exadata融合了一系列同類最佳的預配置的伺服器、網路、存儲和軟體，能為數據倉庫和在線事務處理應用程序提供超強性能。上海公共研發平台運行Oracle Exadata期間相對穩定，CPU佔用率控制在5%以內，極大改善了用戶應用體驗。同時，Exadata平台的可擴展性極好的滿足了上海公共研發平台的系統需求，目前整個公共研發平台的20多個應用系統已經全部遷移到Exadata上，應用部署量增長1倍，且運行十分穩定。
25. 360手機衛士10KB解決iPhone騷擾
360手機衛士通過對海量數據的運算和精準匹配下發，將一組大小僅為10KB的數據即1000個騷擾號碼同步到用戶手機上，打造個性化的騷擾號碼資料庫，此外，每天更新的騷擾號碼庫數據，會依據標記趨勢調整騷擾號碼庫中各類數據比例，即每一位360手機衛士用戶手機中的1000個騷擾號碼都是動態的，隨地域、身份以及騷擾趨勢的變化而變化。
26. 神州數碼助張家港市更「智慧」
在張家港實踐的城市案例中，市民登錄這款「神州數碼」研發的市民公共信息服務平台後，市民只要憑借自己的身份證和密碼，即可通過該系統平台進行240餘項「在線預審」服務、130餘項「網上辦事」服務等，還可通過手機及時查看辦事狀態。相比於以前來說，市民辦事的時間最少可以節省一半以上。

27. IBM助中網組委會構建安全和敏捷的內聯網
IBM專門為中網設計了具有實時大數據分析功能的MatchTracker(賽事追蹤系統)，可以為球迷提供數據呈現、計分等功能。 MatchTracker基於IBM SlamTracker分析技術，使球迷能夠利用歷史和實時性數據，洞悉比分之後的態勢和策略。此外，IBM還為中網組委會構建了安全和敏捷的內聯網。
28. Cortana基於微軟Bing大數據預測世界盃
微軟為Cortana增加了世界盃預測的功能，基於微軟Bing大數據，並綜合考慮世界盃各支球隊的過往比賽結果、比賽時間、天氣情況、主場優勢以及其他因素，使用大量的博彩市場公開數據、民意調查、社交媒體以及其它在線數據，利用大數據分析來判斷每場比賽的結果。
29. 中科曙光助同濟大學科研領域再創新高
為了滿足爆炸式增長的用戶和數據量，同濟大學攜手中科曙光，在全面整合雲計算平台和現有資產的基礎上，採用 DS800-F20存儲系統、Gridview集群管理系統，以及Hadoop分布式計算平台構建出了業內領先的大數據柔性處理平台，使得同濟大學在信息學科及其交叉學科研究領域邁上一個新台階。
30. 華為助農行完成海量數據分布式處理的需求
華為向農行提供了良好的計算平台，基於華為RH2288 V2伺服器的分布式並行計算集群進行測試，以及還提供了快速響應客戶需求的研發能力，以及業界最快捷的售後服務。農行的測試結果表明，華為解決方案完全滿足農行對海量數據進行分布式處理的要求。

『陸』 如何利用工業大數據推動製造業轉型

什麼是工業大數據？
工業大數據，很難從內涵角度來作出一個定義，因為它涉及到很多各種各樣的數據。但從外延角度來看，比較容易。
大體上是3+3，第一個「3」是指3個層面——企業，企業上面的供應鏈、產業鏈和生態鏈，以及在這上面的行業管理和宏觀經濟。第二個「3」是指每個企業都有的3個過程——生產，使用，以及發展中的經營效益，所以，「3+3」基本上把工業大數據的脈絡圈起來了。
從企業的角度看，工業大數據是在一個企業的設計、創新、生產、經營和管理決策過程產生、使用和轉型升級過程需要的信息之和。所以最小的圈是企業，一個企業從開始到生產線到設計、到工藝過程、到人，一直到管理、決策、市場、服務，像這樣的環節都在使用。
從供應鏈、產業鏈和生態鏈的角度來看，工業大數據是供應鏈、產業鏈和生態鏈產生、使用和需求的各類信息之和。這三個鏈之間很難一刀斷開，因此，我也是從一個概念來看。所以，製造業也好、工業企業也好，整個過程是一個鏈環周。這個鏈不僅是一個企業，更重要的是政府機構、研究機構，需要把控和研究如何追求製造業前兩環的優化。所以我們看到了超越一個企業的生存、使用和發展需求的新工業數據。
從行業管理和宏觀調控的角度來看，工業大數據是工業行業管理和宏觀調控產生、使用和需求的各類信息之和。每一個行業的管理都需要工業大數據，在工業行業又生存了很多企業，做好工業數據管理需要這樣一個鏈條，所以「3+3」構成了工業大數據的外延，每一個環節，使用的和需求的中間是交集，這樣才對工業大數據的發展提供了基礎。
小結
首先，3+3加起來的組合就是工業大數據;
第二，產生、使用和進一步發展的需求的工業大數據是不同的，是交集;
第三，進一步發展需求的大數據最大;
最後一句話最重要，工業大數據，工業是主體。
為什麼要發展工業大數據？
同樣是三個層面，從三個由小到大的層面，加上一個需求，來看一下工業大數據的作用和意義。
首先，從最小的層面——企業來看，工業大數據為企業全過程設計、創新、生產、經營、管理、決策服務，為企業的發展戰略和目標的實現服務。
第二個層面，工業大數據服務於供應鏈的優化、產業鏈的完善、生態鏈的形成和優化。從供應鏈、產業鏈、生態鏈來看，不管是CSM的生產圈，還是一個特定產品製造過程的供應鏈，或是一個完整生產過程的分析，工業大數據都是為了它的形成和優化。
第三個層面，工業大數據要滿足行業和宏觀決策調控的實際需求，提高行業和宏觀經濟管理決策質量、能力。政府的行業管理對於供應鏈、產業鏈、生態鏈、商業鏈、價值鏈有著非常重要的作用，但是政府的宏觀調控超越了這樣的鏈環本身，我們要對經濟發展面臨的重大問題作出回應，甚至回答製造業如何來應對這樣的問題。所以從這個行業來看重要的是行業發展戰略，而到宏觀調控的時候，不但要從行業的發展戰略，還要從整個經濟發展去看這些問題怎麼解決?這就需要信息。
第四，從工業轉型升級的需求看，工業大數據是為了一個個企業、行業、裝備、工藝、生產線、供應鏈的轉型升級服務。先進製造業、工業4.0、智能製造，以兩化融合和智能製造為重點的中國製造2025，都是工業轉型升級模式的未來方向。原來我們的3.0工業，是以裝備和生產線為核心的自動化，而4.0的智能化是把這兩個過程自動化和數據自動化結合在一起。
小結：
工業大數據的研究和實踐要服務於加快製造業轉型升級、提升工業競爭力;
這個目標要落實到企業創新、設計、生產、經營、管理、決策的每一個具體環節;
這個目標要落實到供應鏈全局優化、產業鏈和生態鏈的形成和優化的每一個具體環節;
這個目標要落實到工業行業管理和宏觀經濟調控決策的每一個實際需求。
工業大數據怎麼推動製造業轉型升級？
在回答怎麼辦之前，首先要知道存在著哪些主要問題：
1、在數據生成環節，主要存在跑冒滴漏和非標準的問題;
2、在數據利用環節，主要存在數據不足、質量不高、各個環節協同存在制度、核算、標准等大量障礙;
3、在發展需求環節，主要存在缺乏預見性、缺乏有效的模型和工具、缺乏制度和標准規范等問題。
要想建設好、應用好大數據，首先要解決這三個問題：
首先是建設，什麼是建設?我記得三年前說過，把大數據作探礦、采礦、煉礦、用礦，實際上探礦和采礦就是建設好信息，可以從三個緯度四個方面來建設好信息。三個緯度首先是發現，然後才可以按照應用需求結合起來。第二要有制度，要有標准，要實現系統之間的互操作。同時我們還要發現、收集、組織，來提升系統性、完整性、及時性、准確性。這是建設好、運用好。
利用好有三個方面或者三個層次和若干個關鍵環節。由於時間關系就不再展開討論了。
最後，要特別注重取得實效、最佳實踐和理論研究。
1、要特別注重實效。因為今天的大數據，每一個環節的形成都有它的實效，這件事情從開始到做完以後，效果究竟是什麼?有很多企業家，當你用大數據對你企業各個環節進行改善提升的時候，你首先第一條要把提高效率放在首位，這是關鍵，而且對於製造業來說，要永遠把利潤率放在最重要的位置。當然，工業大數據不能直接用錢來算，有的環節是企業老闆在管理上、服務上提效，但是這個效果必須是可測量的，不管是定性的還是定量的。
2、要特別注重最佳實踐。i5數控機床，從開始研發到今天位列智能數控機床試點領先的行列，花了十年的時間。為什麼前面幾年沒有成功?就是因為數據缺失。缺什麼數據?高端數控機床為什麼長期被國外控制?數控機床的技術為什麼那麼長時間沒有克服?因為不管是材料的發展，還是裝備的發展，都沒有數據，沒有實踐過程中的數據，它是發展不起來的。接下來是模型怎麼建，也需要數據來支撐，但是原來由於高端數控機床都由國外來控制，我們沒有數據。另外，它在這個過程裡面還倡導商業模式，這個機床是按服務鑰匙收費。所以它又變成了今天最新最熱門的製造行業分享。這顯然是一個最佳實踐，這裡面工業數據是極其重要的。
3、要注重理論的研究，注重方法、制度創新的研究。在這個過程中，需要對製造業發展的趨勢、特徵，工業大數據的內涵外延，工業大數據建設和利用的系統方法，工業大數據質量保證、協同發展、制度創新等等一系列問題進行研究。