Adobo和Econsultancy联合发布的《2020年数字化转型趋势报告》显示，从中国大数据市场发展趋势来看，2023年中国大数据市场将达到224.9亿美元的规模，未来五年GAGR复合增长率为23.5%。2019年的大数据的硬件、软件和服务的占比分别是45.2%、32.2%、22.6%，到2023年基本上会达到各占1/3的理想比例。

大数据时代已然来临，智能制造与工业互联网融合的本质正是数据驱动下的创新生产模式和商业模式，大数据贯穿于产品市场需求获取、产品研发、生产制造、设备运行、市场服务直至报废回收的产品全生命周期过程，甚至包括产品本身的智能化方面。

了解大数据

工业大数据具备双重属性：

一方面是价值属性和产权属性，通过工业大数据的分析，能够提升关键技术在设计、工艺、生产、管理、服务等各个环节的智能化水平，满足用户定制化需求，提高生产效率并降低生产成本，为企业创造可量化的价值；

另一方面，这些数据具有明确的权属关系和资产价值，企业能够决定数据的具体使用方式和边界，数据产权属性明显。

工业大数据的价值属性实质上是基于工业大数据采集、存储、分析等关键技术，来提升或变现工业生产、运维、服务过程中数据实现价值；工业大数据的产权属性则偏重于通过管理机制和管理方法，帮助工业企业明晰数据资产目录与数据资源分布，确定所有权边界，为其价值的深入挖掘提供支撑。

大数据是数据分析的前沿技术，其最核心的价值就是在于对于海量数据进行存储、分析，进而达成综合成本最优的目标。

未来，数据可能成为最大的交易商品，数据量大不是“大数据”，大数据的特点概括为4个“V”：第一，数据体量巨大（Volume）；第二，数据类型繁多（Varity）；第三，处理速度快（Velocity）；第四，价值密度低（Value）。大数据的价值是通过数据共享、交叉复用后获取最大化的数据价值。

大数据管理和数据战略

未来大数据将会如基础设施一样，有数据提供方、管理者、监管者，数据的交叉复用将成为智能制造、工业互联网落地的助力器，同时，大数据也将催生一个新的产业大数据应用及服务产业。

因此，大数据管理平台非常重要，数据分析和应用将发生四种转变：

● 第一，从统计分析向预测分析转变；

● 第二，从单领域、结构化数据向多学科跨领域转变；

● 第三，从被动分析向主动预测转变；

● 第四，从非实时阶段性向实时持续处理转变。

智能制造和工业互联网对应着中国制造业转型和变革的内循环和外循环，可以理解为智能制造重点在于制造过程本身的精益与智能，工业互联网着力于企业全价值链的提升，但有效的结合智能制造和工业互联网的内外循环时需要数据的互联互通，即具有“互操作性”，形成企业数据资产的全价值链管理，这是信息时代大数据管理的核心价值，即源自企业运营回馈企业运营，平台赋能，服务优化，形成数据资产的“数字孪生”。

为有效的实现数据资产的数字孪生，达到“平台即实现、数据即服务”的状态，需要对大数据管理进行变革，要从用户的需求和市场的变化出发，与用户就大数据管理的内容进行有效而充分的沟通，通过与用户的共同互动来定义战略，包括路径、流程、改进目标、相应的管理组织能力和与之适应的落地技术架构。

数据战略制定考虑的核心点：

第一，企业的业务目标是生产盈利，无论在生产过程、运营过程、管理过程对于数据需求必须贴合工艺和实际需要；

第二，企业智能制造的核心目的是提质增效，通过智能制造 来实现“工序牵引、场景驱动、数据核心”，达成制造智能化、生产少人化、管理精益化的效果；

第三，为确保数据管理满足业务目标需求，需要一个更加轻量化、可移植、有弹性、自主可控、自我管理的数据湖实现数据承载和数据治理；

第四，数据资产管理的有效性和可测量性，需要一个云-边-端的基于 SOA 架构的数据平台的技术架构，实现数据资产的有效管理和度量。基于数据引擎的数据平台，结合行业应用和互联网数据思维，形成可赋能、可推广、定制化的应用。

文章来自网络，版权归作者所有，如有侵权请联系删除

“感谢冠卓咨询老师对项目组的全程辅导，通过做项目我们学会了如何用系统科学的方法分析研究问题；开阔了我们的视野并让我们的管理人员明白了团队协作的重要性。”

———北京某公司总经理 苏先生