工业大数据深度解读

随着物联网、云计算、人工智能等新兴技术不断向工业领域渗透，工业大数据对制造业转型升级的引领作用不断加强，一大批新产品、新服务、新业态落地，并保持了良好发展势头。

2018年，全球工业大数据市场规模保持快速增长。随着社会老龄化趋势日益明显，劳动力不足及劳动成本提高等问题愈发严重，全球各制造业大国在工业制造领域纷纷提出转型升级战略，有效地促进了各国工业升级，有力地推动了工业向智能化、数字化转型。随着物联网、云计算、人工智能等新兴技术不断向工业领域渗透，工业大数据对制造业转型升级的引领作用不断加强，一大批新产品、新服务、新业态落地，并保持了良好发展势头。通过应用大数据技术，工业企业内部实现了工业资源的中心化、统一化管理，企业的运营效率持续提升。与此同时，工业企业的数据计算能力和数据资源总量也得到了大幅提升，场景化应用得到了快速发展。

一、利好政策促进我国工业大数据发展

（一）工业企业上云行动计划使得工业大数据受到持续关注

为了深入贯彻《国务院关于深化“互联网+先进制造业”发展工业互联网的指导意见》，工业和信息化部发布了《工业互联网发展行动计划（2018-2020年）》，这对于推动工业企业利用云计算加快数字化、网络化智能转型，推进大数据、互联网等与实体经济深度融合具有重大指导意义。

《工业互联网发展行动计划（2018-2020年）》明确提出“到2020年底，初步建成工业互联网基础设施和产业体系”的行动总目标，包括初步建成适用于工业互联网高可靠、广覆盖、大带宽、可定制的企业外网络基础设施并具备互联网协议第六版（IPv6）支持能力;形成重点行业企业内网络改造的典型模式;以及初步构建工业互联网平台体系、标识解析体系、安全保障体系等。

（二）国家政策推动工业大数据的应用发展

为推动工业大数据的发展，我国正在深化工业云、大数据等技术在工业领域的集成应用，探索建立工业大数据实验中心，建设工业大数据应用示范工程。

国家在工业大数据的需求端和供给端均出台了相应的政策、规划，加快了信息化技术和工业的深度融合，加速催生新技术、新产品和新模式。

二、新兴技术为工业大数据市场注入活力

随着大数据、云计算等新兴技术不断向工业领域渗透，以数字化为驱动的工业大数据推进了制造业发展向智能化新模式转变。

在现有大数据、移动互联技术之上，人工智能、超性能计算、区块链、物联网等前沿技术注入工业大数据，提升数据库的分布式存储计算能力及计算平台整体资源使用率等，让企业内部实现工业资源的中心化、统一化的智能管理，提升工业生产要素利用效果和运营效率，切实实现工业企业智能化转型。

总体上，云计算、人工智能等新型技术进一步拓宽了工业大数据在整个产业链中的高速发展。

在信息技术高速发展的今天，工业信息化过程从研发制造到服务环节产生大量数据，工业数据模态多样、结构关联复杂，工业大数据融合了传统大数据、自动化数据、产业链上下游及跨界数据，工业大数据相较于其他领域的大数据应用更需要和其他新一代信息技术进行融合创新。

随着大数据、云计算、物联网、边缘计算、人工智能等领域的技术突破与发展，工业大数据与这些新技术领域的联系更加紧密，物联网、边缘计算技术的发展将极大提高数据的获取能力，提升数据平台层的数据质量;云计算与人工智能技术深入地融入数据分析体系，提升数据平台层多维度数据价值。

新兴技术的融合创新不断地涌现并持续深入，使工业大数据的数据获取量更大，存储管理更便捷，分析产出更智能，实现最大化的商业价值。

三、工业大数据龙头企业与行业用户强强合作形成创新协同新格局

在國家大力推动大数据产业发展的今天，工业大数据领域的龙头企业积极探索外延合作，加强与联盟企业和行业用户的联系沟通。

东方国信与IBM签署合作升级大数据基础建设开拓TOB领域，新华信用与美林数据开展战略合作，共同推进大数据及人工智能技术在信用科技领域的应用，工业大数据产业应用联盟成立促进产业领域相关主体之间的交流合作和工业企业转型升级。

工业大数据龙头企业与行业用户间的强强合作促进了产业链协同创新发展，为工业大数据产业应用夯实基础，合作整合了双方的优势资源，抢占了工业大数据发展的行业制高点，也进一步推动了工业大数据的商业化进程。

四、工业经济稳步提升，企业转型升级拉动工业大数据需求上涨

中国工业新旧动能加速转换，中高端工业制造业快速增长，企业效益持续改善，工业发展质量提高，工业经济稳步增长。在这样的大环境背景下，新兴产业快速发展，传统工业企业改造提升的需求持续增长。

工业大数据依托于大数据与互联网等手段，在数据基础层进行海量数据采集，平台层完成数据挖掘处理等功能，广泛应用于工业制造型企业的多个场景模式中，企业生产效率大幅提升，运营成本大幅降低。

工业企业用户正从传统运营生产管理模式的形式向智能制造模式转变，一方面满足智能化生产与管理需求，另一方面深度探索数据价值。

五、工业大数据未来研判

（一）工业大数据将成为智能制造与工业互联网发展的核心

未来工业数据将呈现从消费数据、工业大数据到精准数据流的转变，构建从采集、分析、转化、反馈等环节的精准数据流闭环将成为智能制造和工业互联网发展的核心。

以“大数据+工业互联网”为基础，结合云计算、大数据、物联网、人工智能等技术应用于产品设计研发、供应链优化、设备故障诊断等多个场景，引领工业生产方式的变革，拉动工业经济的创新发展。

（二）工业App将成为工业大数据企业发展的重要载体

工业App是面向工业产品全生命周期的场景，把工业产品及相关技术过程中的知识、最佳实践及技术诀窍封装成应用软件，能够有效地促进知识的显性化、公有化、组织化、系统化，极大地方便知识的应用和复用。

作为工业互联网体系的应用层，工业App是工业企业应用数据最简单的方式，受工业企业青睐。

同时，国家出台多项政策引领工业App发展，也将助推工业App成为工业大数据企业的重要业务发展方向。

（三）故障预测与健康管理（PHM）将成为提升设备利用率的破局点

故障预测与健康管理（PHM）即从对设备的故障和失效的被动维护，到定期检修、主动预防，再到事先预测和综合规划管理。其核心是利用先进传感器的集成，借助各种算法和智能模型来预测、监控和管理系统的健康状态。

利用PHM可以洞察被检测产品的实时状态，自动化协同直接推送给所有需要知道信息的特定用户，最大化实现信息的对称性;根据设备表象信息，深挖深层原因，评估和预测被监测产品未来的健康状态;将预测信息传递给客户来做决策，并对运维任务的优先级进行排序。

（四）构建数据闭环将成为制造企业创新业务模式的重要驱动力

精准营销在精准定位的基础上，依托大数据等手段， 建立个性化的顾客沟通服务体系，提升企业产品渗透率。精准营销不同于大众营销，通过技术手段寻找精确的目标客户群实现高效营销服务，可以节约大量的人力成本，节省推广成本。

同样，精准营销的相关数据可以作用于个性化定制场景中，目标直击服务受众，按照目标客户的特殊要求进行个性化产品开发，从产品设计开始到完整营销环节的精准化，增强数据流动和实用性，形成数据闭环，实现基于数据驱动的工业个性化定制新模式。

（五）内生培养数据思维工程师将成为工业企业数字化人才团队建设的主要手段

在数字化大环境下，工业大数据的使用者既需要掌握大数据相关知识，又需要深刻理解各种典型工业应用场景，更高层次的应用还涉及产品、用户需求、企业管理决策、商业模式等方面，工业大数据产业对跨界复合型人才的能力需求不断增强。

鉴于工业领域市场的进入壁垒较高，工业大数据复合型人才的培养更倾向于工业企业内部培养的模式。

目前，工业企业也都意识到数据思维的复合型人才的重要性，越来越多的工业大数据企业也参与到工业企业数据知识培训中，帮助工业企业培育一批对数据有深度理解的人，让工业企业从数据角度考虑问题，为工业大数据在企业中的铺开奠定一定基础，便于工业大数据应用发展。

六、赛迪顾问建议

（一）对厂商

1、注重工业大数据核心技术自主研发设计

工业大数据相关技术作为供应商核心竞争力之一，为各厂商的产品提供强力支撑。新一代信息技术与工业行业发展趋势相结合，可使得工业大数据供应商推出既满足市场需求，又有一定领先性的产品和服务，推动工业大数据加快自主研发，打破工业软件对国外的高度依赖，驱动企业主营业务盈利能力的提升。

因此，建议国内厂商密切关注全球前沿技术，进一步加深对大数据、边缘计算、人工智能等技术的研究，集中资源支持自主产品和解决方案的研发管理能力，推动关键采集传感、数据分析产品的创新研发，提高产品性能和稳定性，力争高效研发投产，提升服务效率。

2、通过联盟合作打造工业大数据体系

工业大数据生态体系的建立依托产业链基础层、平台层、应用层三层的紧密结合，在工业大数据市场中，只有拓宽产业链的深度和广度，才有机会在未来的市场中占据关键地位。

因此，工业大数据供应商应通过投资、产学研合作等方式推动联盟发展，构筑开放的工业大数据生态体系，形成工业大数据产业的立体布局，推动数据赋能工业，促进行业效益高速发展。

（二）对用户

1.打造工业大数据公共平台共享资源和服务

在政府端建设各地方联动、全国与区域协同的国家级工业数据资源池，促进工业大数据資源的共享、开放、流动，推动工业资源优化集成与高效配置，助力大数据技术与工业制造类企业应用端深度融合。另外，研究制定完备、系统、权威的总体评价指标模型，标准化指导工业制造类企业在智能化转型中的实施方案，强化提升工业数据管理方面的能力。

2.明确企业自身发展目标选择场景化应用平台

目前，由于国内工业大数据自主产品服务还不能实现全产业链覆盖，提供工业互联网平台服务的国内外厂商数量较多，工业企业信息化水平差距较大，因此，对工业企业用户在选择产业升级转型路径上有如下建议。

第一，要掌握企业自身情况并准确了解企业需求和目标。

第二，了解工业大数据供应商的优势市场及所提供的产品的特点。

第三，选择更加落地并具有实践意义的场景化产品和服务。

企业应加深对工业大数据产业的了解，再适时地完成企业信息化、数字化、智能化等阶段的转型，在数字化或智能化转型阶段，建议企业选择场景化较强的工业大数据产品或服务。