商業(yè)數(shù)據(jù)分析相對(duì)來說是輕應(yīng)用，工業(yè)數(shù)據(jù)分析是重應(yīng)用。切忌不要簡單地把商業(yè)數(shù)據(jù)分析簡單和粗暴地復(fù)制和套用在工業(yè)數(shù)據(jù)分析上。

　　為了保證工業(yè)數(shù)據(jù)的質(zhì)量，實(shí)現(xiàn)物聯(lián)網(wǎng)技術(shù)在工業(yè)數(shù)據(jù)采集環(huán)節(jié)的應(yīng)用是較好的選擇和基礎(chǔ)。然而物聯(lián)網(wǎng)在工廠的應(yīng)用并非一帆風(fēng)順。在實(shí)踐中，很多公司提出這樣的困惑：我已經(jīng)投入了大量的人力、財(cái)力和物力，物聯(lián)網(wǎng)已經(jīng)建成，也產(chǎn)生了海量的數(shù)據(jù)，但就是實(shí)現(xiàn)不了我想要的功能呢？知道如何分析數(shù)據(jù)、如何應(yīng)用數(shù)據(jù)才是工業(yè)數(shù)據(jù)價(jià)值的核心。

　　特別典型的一個(gè)案例是，國內(nèi)某家大型重工設(shè)備企業(yè)，早在十年前就開始推動(dòng)物聯(lián)網(wǎng)建設(shè)，在試點(diǎn)的600余臺(tái)設(shè)備上安裝了傳感器，所有傳感器采集的信息通過網(wǎng)絡(luò)遠(yuǎn)程傳回總部數(shù)據(jù)中心。但這些數(shù)據(jù)傳回來之后并不知道該如何使用和挖掘，只能放在總部占用各類資源，造成了更大的經(jīng)濟(jì)負(fù)擔(dān)。近年來，該企業(yè)再從數(shù)據(jù)應(yīng)用的功能設(shè)計(jì)倒推發(fā)現(xiàn)，實(shí)際上大部分采集的數(shù)據(jù)都是無用的，最后僅僅保留了5%的測點(diǎn)信號(hào)傳輸；而這5%的數(shù)據(jù)不僅能夠滿足設(shè)備改進(jìn)與優(yōu)化的需要，甚至還能夠?qū)崿F(xiàn)向產(chǎn)業(yè)鏈上游提供需求預(yù)測的信息服務(wù)。

　　也就是說，有了物聯(lián)網(wǎng)并不意味著一定能夠產(chǎn)生有價(jià)值的數(shù)據(jù)。搭建物聯(lián)網(wǎng)時(shí)，不能只是強(qiáng)調(diào)數(shù)據(jù)獲取的途徑和量級(jí)。
關(guān)鍵是要從兩個(gè)維度對(duì)其進(jìn)行價(jià)值挖掘：
一、明確訴求，以結(jié)果為導(dǎo)向，即明確建立物聯(lián)網(wǎng)的目的和要實(shí)現(xiàn)的功能是什么。
二、從數(shù)據(jù)端出發(fā)，利用數(shù)據(jù)本身的統(tǒng)計(jì)特性挖掘關(guān)聯(lián)特征，由此發(fā)掘業(yè)務(wù)領(lǐng)域外的新價(jià)值。

還要指出的是：
　　物聯(lián)網(wǎng)還應(yīng)該與務(wù)聯(lián)網(wǎng) (服務(wù)互聯(lián)網(wǎng)，Service Network)、智能數(shù)據(jù)分析相配合，三者缺一不可，物聯(lián)網(wǎng)的核心是智能傳感和通訊網(wǎng)絡(luò)，智能分析的核心是數(shù)據(jù)模型和智能算法工具，務(wù)聯(lián)網(wǎng)的核心是業(yè)務(wù)運(yùn)營網(wǎng)絡(luò)與客戶體驗(yàn)。只有將三者有效地結(jié)合起來，才能最大化地發(fā)揮工業(yè)物聯(lián)網(wǎng)的效能，才是真正實(shí)現(xiàn)智能制造。

然而有了數(shù)據(jù)并不一定能產(chǎn)生價(jià)值
這要從三個(gè)層面來解讀。
首先是獲取的數(shù)據(jù)是否能夠被利用。
　　一要看數(shù)據(jù)的利用程度。比如盡管很多運(yùn)營型企業(yè)會(huì)存儲(chǔ)大量的設(shè)備使用數(shù)據(jù)，但只有當(dāng)設(shè)備出現(xiàn)問題時(shí)才會(huì)查看當(dāng)前的數(shù)據(jù)是否出現(xiàn)了異常、并且只處理當(dāng)前的問題，因此大量的使用數(shù)據(jù)實(shí)際是被浪費(fèi)的。如果能通過一個(gè)統(tǒng)一的平臺(tái)分析、預(yù)測數(shù)據(jù)的關(guān)聯(lián)，可能就會(huì)避免不必要的問題或浪費(fèi)；
　　另一方面還要看數(shù)據(jù)的可用程度。即有可能我們采集到的數(shù)據(jù)90%以上都是無用的數(shù)據(jù)，而技術(shù)人員卻需要為此花去大量的時(shí)間，這也對(duì)感知數(shù)據(jù)的采集與存儲(chǔ)提出了新的要求。
　　其次，即便有了可利用的數(shù)據(jù)，也必須能夠轉(zhuǎn)化為有用的信息
　　這種信息的轉(zhuǎn)化，類似于人的記憶過程，人類的大腦通過篩選、存儲(chǔ)、關(guān)聯(lián)、融合、索引、調(diào)用等形式將數(shù)據(jù)變?yōu)閷?duì)人有用的信息，這是人類思維與行為的基礎(chǔ)。因此，能夠按照信息分析的頻度和重點(diǎn)重新進(jìn)行自適應(yīng)的、動(dòng)態(tài)的“數(shù)據(jù)——信息”轉(zhuǎn)換，并解決海量信息的持續(xù)存儲(chǔ)、多層挖掘、層次化聚類調(diào)用，進(jìn)而達(dá)到從數(shù)據(jù)到信息的智能篩選、存儲(chǔ)、融合、關(guān)聯(lián)、調(diào)用，這樣才是有效的信息提取過程。
第三是如何能夠從信息當(dāng)中產(chǎn)生價(jià)值
　　過去，我們認(rèn)為單一信息源產(chǎn)生單一價(jià)值，如今的工業(yè)4.0時(shí)代核心需要解決的是，在實(shí)時(shí)的動(dòng)態(tài)過程中，多源數(shù)據(jù)的多維度關(guān)聯(lián)、評(píng)估及預(yù)測，實(shí)現(xiàn)多問題、多環(huán)節(jié)乃至全產(chǎn)業(yè)鏈的協(xié)同優(yōu)化。由此才能解決針對(duì)用戶按需求的規(guī)?；c定制化矛盾，進(jìn)而創(chuàng)造更多的應(yīng)用價(jià)值。