制造業是一個國家綜合國力最重要的表現，在國民經濟中占有重要份額，也是決定民眾生活質量的重要條件。在經歷了21世紀初的互聯網泡沫和2008年全球經濟危機之后，世界各國，尤其是發達國家都意識到，制造業是推動科技創新、經濟增長和社會穩定的重要力量，成為各國發展和轉型的機遇以及形成新競爭力的戰場。

　　美國人之所以認為未來智能工業的發展必然從生產制造端轉變到消費端，并且提出“工業互聯網”的理念與“國家制造業創新網絡計劃”，是因為互聯網與商業模式創新是美國的強項。德國在制造業的核心優勢是裝備制造業以及生產線自動化，通過配置和自控的優化系統使得工業生產全自動化，所以德國工業4.0的實踐關注銷售、服務能力的提升。雖然角度不同，無不圍繞著制造業這個核心展開。

　　中國的制造業在改革開放30多年來取得了舉世矚目的成就，連續幾年成為“世界制造力競爭指數”最強的國家，中國已然成為世界制造業的新中心。2015年中，國務院印發《中國制造2025》，部署全面推進實施制造強國戰略。配套“互聯網+”和“供給側改革”等多項措施，“智能制造”被定位為中國制造的主攻方向。

　　如何實現智能制造? 從哈佛商學院到賓夕法尼亞大學沃頓商學院，有一個普遍的共識，即數字化轉型是智能制造實現的途徑。更為重要的是，這一共識同樣來自眾多的世界級制造業企業家們。

　　這一共識是基于無數技術趨勢的融合。例如物聯網、信息物理系統技術(CPS)、工業物聯網、移動技術、人工智能、云計算、虛擬／增強現實（VR／AR）、大數據分析等。我們一定要保持頭腦清醒，不要簡單認為有了這些技術，未來五年就是制造業的黃金時期，因為新制造業文化的變革進程是相當復雜、緩慢和艱難的，沒有行業與企業與用戶的融合推進，這次變革無法實現。數字化轉型不僅僅意味著企業簡單的數字化，而是把數字作為智能制造的核心驅動力，需要利用數據去整合產業鏈和價值鏈。

　　在過去的3到5年中，上面列出的技術一直都是熱門商業話題，單獨使用時，其中每一項都能使商業中的一些程序或活動實現數字化。而如果將這些技術融合起來利用，就有可能實現數字化轉型。

　　數據基本就是兩類，一類是人類軌跡產生的數據，另一類是機器自動產生的數據。這兩類數據構成了我們今天的大數據多結構化數據源。自工業革命以來，為了改進運營，制造商一直以來都在有意采集并存儲數據。隨著時間的推移，數據在制造業分析的需求將越來越大。然而在過去的250年間，利用數據的根本動因并沒有改變，但數據的復雜性增強，將數據轉化為情報的能力將有越來越大的需求。

　　對于數字化轉型的其他方面而言，2012年高德納給出的大數據定義里面，特別強調大數據是多樣化信息資產，大數據不僅要關注實際數據量的多少，而且最重要的是關注大數據的處理方法，讓數據產生巨大的創新價值。數據量大還是量小本身并不是判斷大數據價值的核心指標，而數據的實時性和多元性應該對大數據的定義和價值更具直接的影響。

　　如果不投資大數據及大數據分析，從中獲得信息，智能制造所追求的卓越運營將功虧一簣。如果通過利用大數據、預測性分析及云技術衡量產品性能只為了解客戶需求，這意味著你正在失去數字化轉型最大的價值。在工業大數據的領域里，我們除了要繼續關心“人為數據或與人相關的數據”，更多的要關注“機器數據或工業數據”與人的行為數據的融合。

　　數據本身不會為你帶來價值，數據的技術也不會讓我們的制造業更先進，數據必須轉成信息后才會對產業產生價值。智能工廠通過與環境系統的無縫交互，設備能夠有自我意識和自學能力，在未來可以實現更高程度的智能控制和優化控制。目前自學設備還遠未達到工業實施階段。

　　制造業企業有著大量的數據，從內部而言，積累了大量的內源數據，包括運維、管理、流程、質量等。而在互聯網時代，外源數據更多，包括供應商、競爭對手、客戶反饋等等。事實上，制造業企業不缺數據，問題在于數據質量低下，采集手段不科學。造成的現象是數據豐富但信息貧乏。目前表現出兩大問題：第一是數據的有效利用率很低；第二是缺乏分析能力，需要大量的工具。

　　由此可見，推動智能制造的并不是大數據本身，而是大數據的分析技術。工業大數據給了我們一個看世界的新角度。通過360度全景的數字視角，可能給我們帶來新的優勢，這就是它成為創新驅動核心動力的來源。

　　在智能制造的工業大數據中，數據類型多樣性是大數據的重要屬性。大量的數據不是大數據，單一的數據類型也不足以構成大數據。人們一直設法收集并弄清楚不斷變化的數據類型。在制造業中，大數據分析需要利用通用的數據模型，將庫存記錄、交易記錄和財務交易記錄等結構性商業系統數據與預警、流程參數和質量事件、社交媒體或其他協作平臺獲得的文本信息、圖像數據、地理或地質信息等非結構性操作系統數據以及供應商、公共網絡數據結合起來，進而通過先進的分析工具發現新的洞見。