商業(yè)數據分析相對來說是輕應用，工業(yè)數據分析是重應用。切忌不要簡單地把商業(yè)數據分析簡單和粗暴地復制和套用在工業(yè)數據分析上。

　　為了保證工業(yè)數據的質量，實現物聯(lián)網技術在工業(yè)數據采集環(huán)節(jié)的應用是較好的選擇和基礎。然而物聯(lián)網在工廠的應用并非一帆風順。在實踐中，很多公司提出這樣的困惑：我已經投入了大量的人力、財力和物力，物聯(lián)網已經建成，也產生了海量的數據，但就是實現不了我想要的功能呢？知道如何分析數據、如何應用數據才是工業(yè)數據價值的核心。

　　特別典型的一個案例是，國內某家大型重工設備企業(yè)，早在十年前就開始推動物聯(lián)網建設，在試點的600余臺設備上安裝了傳感器，所有傳感器采集的信息通過網絡遠程傳回總部數據中心。但這些數據傳回來之后并不知道該如何使用和挖掘，只能放在總部占用各類資源，造成了更大的經濟負擔。近年來，該企業(yè)再從數據應用的功能設計倒推發(fā)現，實際上大部分采集的數據都是無用的，最后僅僅保留了5%的測點信號傳輸；而這5%的數據不僅能夠滿足設備改進與優(yōu)化的需要，甚至還能夠實現向產業(yè)鏈上游提供需求預測的信息服務。

　　也就是說，有了物聯(lián)網并不意味著一定能夠產生有價值的數據。搭建物聯(lián)網時，不能只是強調數據獲取的途徑和量級。
關鍵是要從兩個維度對其進行價值挖掘：
一、明確訴求，以結果為導向，即明確建立物聯(lián)網的目的和要實現的功能是什么。
二、從數據端出發(fā)，利用數據本身的統(tǒng)計特性挖掘關聯(lián)特征，由此發(fā)掘業(yè)務領域外的新價值。

還要指出的是：
　　物聯(lián)網還應該與務聯(lián)網 (服務互聯(lián)網，Service Network)、智能數據分析相配合，三者缺一不可，物聯(lián)網的核心是智能傳感和通訊網絡，智能分析的核心是數據模型和智能算法工具，務聯(lián)網的核心是業(yè)務運營網絡與客戶體驗。只有將三者有效地結合起來，才能最大化地發(fā)揮工業(yè)物聯(lián)網的效能，才是真正實現智能制造。

然而有了數據并不一定能產生價值
這要從三個層面來解讀。
首先是獲取的數據是否能夠被利用。
　　一要看數據的利用程度。比如盡管很多運營型企業(yè)會存儲大量的設備使用數據，但只有當設備出現問題時才會查看當前的數據是否出現了異常、并且只處理當前的問題，因此大量的使用數據實際是被浪費的。如果能通過一個統(tǒng)一的平臺分析、預測數據的關聯(lián)，可能就會避免不必要的問題或浪費；
　　另一方面還要看數據的可用程度。即有可能我們采集到的數據90%以上都是無用的數據，而技術人員卻需要為此花去大量的時間，這也對感知數據的采集與存儲提出了新的要求。
　　其次，即便有了可利用的數據，也必須能夠轉化為有用的信息
　　這種信息的轉化，類似于人的記憶過程，人類的大腦通過篩選、存儲、關聯(lián)、融合、索引、調用等形式將數據變?yōu)閷θ擞杏玫男畔ⅲ@是人類思維與行為的基礎。因此，能夠按照信息分析的頻度和重點重新進行自適應的、動態(tài)的“數據——信息”轉換，并解決海量信息的持續(xù)存儲、多層挖掘、層次化聚類調用，進而達到從數據到信息的智能篩選、存儲、融合、關聯(lián)、調用，這樣才是有效的信息提取過程。
第三是如何能夠從信息當中產生價值
　　過去，我們認為單一信息源產生單一價值，如今的工業(yè)4.0時代核心需要解決的是，在實時的動態(tài)過程中，多源數據的多維度關聯(lián)、評估及預測，實現多問題、多環(huán)節(jié)乃至全產業(yè)鏈的協(xié)同優(yōu)化。由此才能解決針對用戶按需求的規(guī)?；c定制化矛盾，進而創(chuàng)造更多的應用價值。