工业大数据这个词其实并不是标准词汇，更类似于工业+大数据的组合概念。在工信部下发的《智能制造综合标准化体系建设指南》提到“工业大数据是工业领域完成相关信息化（包括企业内部的数据采集和集成，产业链横向的数据采集和集成，以及客户/用户和互联网上的大量外部数据）所产生的海量数据的基础上，经过深入分析和挖掘，为制造企业提供看待价值网络的全新视角，从而为制造业创造更大价值。”

这几年大数据的火爆是互联网行业引燃的，但制造行业与互联网行业的业务模式决定了数据特点及利用模式的巨大差异。工业大数据更关注数据本身，例如数据属性的准确定义，数据与数据之间的联系等。

工业大数据的除了具备4V特性外，还在微观层面体现在产品全属性，在宏观层面体现在产品全生命周期，在社会层面体现在上下游数据交换，在技术层面体现在基于物联网的虚拟物理数据融合。

工业大数据的价值和意义不言而喻，但面对种类繁多、尺度不一、模态多样的数据，如何进行有效管理和利用是对企业很大的考验。从数据管理角度，我们将数据分为公共类数据、管理类数据、产品类数据和实时类数据。

Ø  公共类数据：主要指企业内静态不变且跨业务部门共享的数据，如客户、供应商、产品、物料等数据，也就是主数据。目前由于MBD的概念兴起，如电子元气件、标准件等三维模型也作为制造企业主数据进行管理。

Ø  企业管理类数据：主要指企业运营过程中的，财务、人力、物资等管理数据，传统的商务智能和数据仓库的应用领域就集中在企业管理领域。这里的数据以结构化数据为主。

Ø  产品工程类数据：主要指在设计、工艺、制造等环节生成的各类BOM，包括BOM结构、物料属性信息、相关图文档信息等。以 非结构化数据为主。

Ø  物联实时类数据：产品制造过程中，在制品、生产线、人员等制造资源的状态数据；产品服役过程中，外部环境、操作使用和产品运营数据等。以实时数据和音视频监控数据为主。

按照企业信息化建设阶段，一般分为单点建设、集成应用、集中管控等三个阶段。正如在数据集成应用阶段，SOA和物联网技术风起云涌，在数据集中管控阶段Hadoop和机器学习等技术正在兴起。各企业的大数据应用在数据集成和数据集中阶段，所以制造企业一方面通过建设应用系统集成平台，利用SOA技术实现异构业务系统间、异种智能设备间的主数据和BOM数据的管理；另一方面通过建设大数据环境，利用Hadoop、Spark等工具实现海量数据的采集、存储、管理和利用。

如下图所示，构建集中的数据管理和应用环境，实现分布在企业各处的数据采集和集成。