以數據為關鍵要素驅動工業轉型升級，不僅成為宏觀層面的行業共識，也正在微觀層面為企業帶來實際收益。然而，工業大數據的發展，還面臨數據資源不豐富、數據管理滯后、孤島普遍存在以及應用深度不足等四大挑戰。為此，需要在企業層面夯實數據基礎，抓住技術創新機遇，在行業層面建立數據互操作與流通的標準與規則。
一、以數據為關鍵要素驅動工業轉型升級
2017年12月，習近平總書記在中央政治局第二次集體學習時強調，要深入實施工業互聯網創新發展戰略，系統推進工業互聯網基礎設施和數據資源管理體系建設，發揮數據的基礎資源作用和創新引擎作用，加快形成以創新為主要引領和支撐的數字經濟。在2019年兩會上，李克強總理在《政府工作報告》中提出，要打造工業互聯網平臺，拓展“智能+”，為制造業轉型升級賦能。
宏觀上，大力發展工業互聯網，用數據智能助推工業轉型升級相結合，已經成為全國上下的高度共識。
微觀上，大數據技術的應用也開始為諸多企業帶來實際收益。工業互聯網產業聯盟2019年2月發布的《工業互聯網平臺白皮書》顯示，數據在工業研發設計、工藝優化、設備維護、質量控制、節能減排等方面的作用日益凸顯。
中國石化對4600個批次的石腦油原料進行分析建模，優化工藝操作參數，使汽油收率提高0.22%，辛烷值提高0.90。中化能源對泵機群、壓縮機、蒸汽輪機等裝備進行健康管理，實現了設備故障的診斷、預測性報警及分析，設備維護成本每年減少15%。
航天電器建立多種因素與質量關鍵KPI的關聯關系模型，對設備、工藝、檢測等數據進行關因分析，不良品率降低56%。山鋼集團對跨工序能效數據進行動態尋優，年化能源降本8000多萬元，能耗成本降低11.4%。
酒鋼集團經過大數據分析實現能耗的智能化管理，單座高爐每年降低成本2400萬元，減少碳排放2萬噸，冶煉效率提升10%。
這樣的星星之火還有很多。可以說，隨著這幾年工業互聯網的不斷深入發展，工業領域的數據分析應用取得了令人可喜的進步。
然而，也應該看到，成功案例仍然只是星星之火。由點及面形成燎原之勢，任重道遠。
理論上，工業領域的數據應該是非常豐富的，麥肯錫2009年的報告顯示，美國的離散制造業是所有行業中數據儲量最大的。但實際上，有價值的數據非常稀缺，原因是在工業領域，有分析利用價值的機器數據往往需要包含故障情形下的“壞”樣本。但很多工業系統的數據可靠性較高，觀測到故障并且已經標記的有效樣本更是難能可貴。還有一些工業場景，只有在極短的時間內采集測量數據（如每秒上百萬個測點），才能捕獲機器設備的細微狀況，這就要求時序數據庫和流處理平臺等專用的新一代數據存儲軟件提供支撐。
很多工業企業面臨“數到用時方恨少”的尷尬。根據中國信息通信研究院和工業互聯網產業聯盟2018年年底對國內74家工業企業的調研，我國工業企業的數據資源存量普遍不大，66%的企業數據總量都在20TB以下，還不到一個省級電信運營商日增數據量的1/10。數據資源不豐富，與我國工業互聯網發展還處于起步階段有關。企業數字化、網絡化程度普遍較低，數據資源的積累尚需時日。而目前工業系統協議“七國八制”現象非常突出，很多軟件系統的接口不開放，也增加了數據采集的技術難度。
挑戰2：工業數據資產管理滯后
計算機科學家警鐘長鳴：警惕“垃圾進，垃圾出（Garbage in，Garbage out）”。數據質量問題是長期困擾數據分析工作的難題。權威數據專家估計，VPS租用，每年低質量的數據會給企業帶來10%~20%的損失。工業領域很多時候追求確定性的分析結果，對數據分析的可靠性要求高，因而對數據質量的要求也就更高了。美國一直重視數據質量，在1990年還專門頒布了數據質量法案（Data Quality Act），2016年美國《聯邦大數據研發戰略計劃》也專門把確保數據質量與提升數據分析可信性作為七大戰略之一。
用數據，更要“養”數據。從信息化程度較高的金融、電信、互聯網等行業經驗來看，如果不開展專門的數據治理，就難以確保數據質量。而調查顯示，我國工業企業只有不到1/3的企業開展了數據治理，51%的企業仍在使用文檔或更原始的方式進行數據管理。工業企業應該把數據視為與機器設備同等重要甚至更寶貴的資產，加強數據資產管理。好消息是，已經有越來越多的工業企業從主數據或元數據切入，著手開展數據資產管理。而且，隨著機器學習技術的發展，智能化的數據資產管理工具也越來越完善，工業數據資產的管理，可以更多依賴人工智能高效完成。但相比信息化程度較高的金融、電信、互聯網等行業，工業數據的管理，還有很多欠賬要補。
挑戰3：工業數據孤島普遍存在
