如何构建智能生产是大家都关心的问题。从哈佛商学院的迈克尔·波特到宾夕法尼亚大学沃顿商学院，有一个广泛的共识，即数字化转型是智能生产构建的途径。最重要的是，这个共识也来自于众多的世界级制造业企业与企业家们。

　　这一共识是基于无数技术趋势的融合，例如，物联网、赛博系统(CPS)、工业物联网、移动技术、人工智能、云计算、虚拟世界／虚拟世界增强现实（VR／AR），以及大数据分析等。我们一定要维持精神状态，不要非常简单地指出有了这些技术，未来五年就是制造业的黄金时期。

道理很非常简单，这个新的制造业文化的变革进程是非常简单和艰苦的，没行业、企业与用户的融合前进，无法构建这次变革。数字化转型某种程度意味著企业非常简单的数字化，而是把数字作为智能生产的核心驱动力，利用数据去统合产业链和价值链。

　　自工业革命以来，为了改良运营，制造商仍然以来都在无意地收集并存储数据。随着时间的流逝，数据在制造业分析的市场需求将更加大。然而在过去的许多年间，利用数据的显然动因并没转变，数据的复杂性强化，数据转化成为情报的能力更加大。　　2012年低德纳得出大数据定义，其中特别强调大数据是多样化信息资产，不仅注目实际数据，更加注目大数据处理方法。

数据量大小本身并不是辨别大数据价值的核心指标，而数据的实时性和多元性对大数据的定义和价值极具必要的影响。　　在辩论工业大数据分析的时候，我注意到两种有所不同的观点：　　第一种观点指出，制造业一向都有大数据。几十年来我们的企业仍然在通过历史记录、MES、ERP、EAM等各种应用于系统收集数据。

在部分产业链环节，尤其在市场营销方面，大数据却是一个新的热词。　　第二种观点指出，从工业大数据看作，制造业是一个仍未关上的市场或刚打开的市场。

不存在大量有所不同类型的数据，但如今它们还并未被应用于到分析之中。　　考虑到这些观点，面临任何新的市场拒斥，还包括名词解释、定义或分析框架，我们一直都应当维持必要的猜测精神。这里我更加多偏向于第二个观点。

我们的制造业的确有“大量数据”，但这并不是我们大多数人从市场上所解读的“大数据”涵义。在搞清楚工业大数据分析之前，我们应当如何定义制造业的大数据？这里可以通过大数据的三个特性，更进一步理解大数据的特性。　　数据来源　　工业大数据的主要来源有两个，第一是智能设备。

普适计算出来有相当大的空间，现代工人可以带上一个普适感应器等设备来参与生产和管理。所以工业数据源是280亿左右大量设备之间的关联，这个是我们未来必须去收集的数据源之一。　　第二个数据源于人类轨迹产生的数据，还包括在现代工业生产链中，从订购、生产、物流与销售内部流程以及外部互联网信息等。通过不道德轨迹数据与设备数据的融合，大数据可以协助我们构建对客户的分析和挖出，它的应用于场景还包括了动态核心交易、服务、后台服务等。

本文来源：必博官方网站-www.fairy-heart.com