工業大數據的主要來源有兩個，第一類數據來源與智能設備。普適計算有很大的空間，現代工人可以帶一個普適感應器等設備來參加生產和管理。所以工業數據源是280億左右大量設備之間的關聯，這個是我們未來需要去采納的數據源之一。

第二個數據來源于人類軌跡產生的數據，包括在現代工業制造鏈中，從采購，生產，物流與銷售市場的內部流程以及外部互聯網訊息等，都是此類大數據的戰場。通過行為軌跡數據與設備數據的結合，大數據可以幫助我們實現客戶的分析和挖掘，它的應用場景包括了實時核心，交易，服務，后臺服務等。

數據必須要放到相應的環境中一起分析，這樣才能了解數據之間的關系，可以分析出問題的根本原因（root cause）。譬如，每一款新機型在交付給航空公司之前都會接受一系列殘酷的飛行測試。極端天氣測試就是多項嚴酷的測試之一。該測試的目的是為了確保飛機的發動機、材料和控制系統能在極端天氣條件下正常運行。

問題的處理關鍵在于找到產生問題的根源，而以知錯誤的消除，關鍵在于解決方案的可靠有效。一旦找到并確定了根本原因，同時產生了可接受的應急措施，就可把問題當成一個已知錯誤來處理。問題調查的過程一定需要收集所有可用，與事件相關的信息來確定并消除引起事件和問題的根本原因。數據采集與分析必須要事件／問題發生的環境數據結合。

對于數字化轉型的其他方面而言，大數據不僅要關注實際數據量的多少，而最重要的是關注在大數據的處理方法在特定的場合的應用，讓數據產生巨大的創新價值。如果離開了收益考慮或投資回報的設計，一味尋求大數據既無法落地也無法為企業創造價值。

生產執行系統（MES）與飛機發動機健康管理系統如出一轍。我們可以從工廠的生產中，實時采集到海量的流程，變量，測量結果等數據。這些數據來源的原因都是因為在制造環境中，設備或資產連接后所產生的現象。然而基于大量數據集而生成的報表，或是基礎統計的分析并不足以稱之為制造業的大數據分析。

所以如果制造業大數據分析不僅僅意味著數據的量，作為一個行業，我們應該如何定義制造業的大數據分析？“大數據不僅僅是大量的數據”這句話里面包含了多重涵義。

當代大數據處理技術的價值在于技術進步，同時也是因為技術進步，使大數據成為商業中有價值的核心驅動因素。作為智能制造的三駕馬車之一，工業大數據分析已經被多數的制造企業所認知并接受。許多制造業企業認為自己在生產運營方面也累積了大量的數據，是時候可以用到大數據了。

大數據不僅僅是大量的數據的堆積。大數據的重要屬性之一，便是，人們設法收集，并弄清楚，不斷變化的數據類型。如果只是大量采集同一類型的數據的話，再大的數據量都不能稱之為大數據。

數據必須包括高度可變性和種類多樣性。制造工廠中存在無數的大數據應用，但并不包括簡單地分類和展示一連串的流程測量結果，這些工作基本的統計展現就可以完成。一些大數據數據庫或數據湖的構成部分數據類型也是文本信息、圖像數據、地理或地質信息和非結構信息，例如，通過社交媒體或其他協作平臺獲得的數據類型。

制造業信息結構概括起來分為兩層，一個是管理層，一個是自動化層。從經營管理，生產執行與控制三個緯度來實現決策支持、管理、生產執行、過程控制以及設備的連接與傳感。制造業中大數據分析是指利用通用的數據模型，將管理層與自動化層的結構性系統數據與非結構性數據結合，進而通過先進的分析工具發現新的洞見。

制造業的創新的核心就是要依托大量的前沿科技。先進的技術是創新的手段。在新技術的支持下，可以通過一體化的制造運作管理系統MOM將企業管理應用系統，例如ERP，MES等系統與工業自動化的相關系統整合為一體。

從兩化融合的角度來看，信息系統供應商要從企業的主信息系統提供商定位來做好規劃、標準、功能設計、實施策略的統一性工作。協助企業做好風險控制，降低投資，降低操作維護成本，實現企業信息系統全集成。