對于企業而言，了解工業大數據產生的背景，歸納工業企業大數據的分類和特點，從數據流推動工業價值創造的視角看待、重造工業價值流程，將具有很強的現實意義。在后分享幾個在工業領域數據驅動價值創造的案例，希望起到拋磚引玉的作用。
一、工業大數據產生的背景
在工業生產中，無時不刻都在產生數據。生產機床的轉速、能耗，食品加工的溫濕度，火力發電機組的燃燒和燃煤消耗，汽車的裝備數據，物流車隊的位置和速度等，都是在生產過程中的數據。

自從工業從社會生產中獨立成為一個門類以來，工業生產的數據采集、使用范圍就逐步加大。從泰勒拿著秒表計算工人的用鐵鍬送煤到鍋爐的時間開始，是對制造管理數據的采集和使用；福特汽車的流水化生產，是對汽車生產過程的工業數據的采集和工廠內使用；豐田的精益生產模式，將數據的采集和使用擴大到工廠和上下游供應鏈；核電站發電過程中全程自動化將生產過程數據的自動化水平提高到更高程度。
任何數據的采集和使用都是有成本的，工業數據也不例外。但隨著信息、電子和數學技術的發展，傳感器、物聯網等技術的發展，一批智能化、高精度、長續航、高性價比、微型傳感器面世，以物聯網為代表的新一代網絡技術在移動數據通信的支持下，能做到任何時間、任何地點采集、傳送數據。以云計算為代表的新型數據處理基礎架構，大幅降低工業數據處理的技術門檻和成本支出。以工業領域的SCADA系統為例，傳統模式下每個電網、化工企業都需要建立一套SCADA系統，成本在千萬以上，如果采用云架構模式，成本將可以降低7成以上。
社會需求變革是大拉動力。在商品過剩經濟時代，以個性化為代表的消費文化，使得工業企業的產出物，要大限度匹配個性需求。從服裝定制，車輛選配，到T恤的印花和個性化教育。
要響應個性化需求，有兩種方式，以服裝定制為例，就是靠老師傅用尺子量，眼見手摸，憑借經驗，確定服裝的裁剪和版型，這種我們可以稱之為模擬方式，效率和質量難以保證，耗時長，個性化定制的成本高；還有一種是數字方式，就是通過制訂一套數據采集手段，由前臺的客戶代表測量采集用戶身形數據，然后將數據傳回總部，將結合生產原材料數據，將需求分解為一項一項的生產工藝動作，后也生產出達到定制化要求服裝。
當然了，工廠也會聘請資深的老師傅，他們的主要工作不是面對一個個客戶的定制化需求，而是去研究更好的生產工藝，對數據和工藝分解進行把控。這種模式下，效率和質量得到保證，效率隨著生產線的擴容線性提升，有一批專家隊伍不斷研究提升工藝能力，定制化生產的成本將得以顯著攤薄。從發展趨勢看，后者這種數字模式的個性化生產將是未來選擇。
國策方針是重要影響力。完成了工業自動化過程的德國工業界，在自動化基礎上，以工業數據為基礎，引入云計算和人工智能技術，提升工業的智能化水平，以滿足大批量個性化定制的社會生產需求；美國擁有強大的云計算、互聯網及數據處理能力，基于此，提出工業互聯網戰略，將單個設備、單條生產線、單個工廠的數據聯網，通過大數據處理后，在診斷、預測、后服務等方面挖掘工業服務的價值。
中國相對于德國、美國而言，在工業自動化、在云計算等領域都處于發展期，因此提出中國制造2025計劃，通過工業化和信息化融合發展的方式，將工業化和信息化整體規劃，并制定一系列的重點工程和推進計劃。