大数据技术在新工业革命中将扮演着重要的角色。制造业大数据应用覆盖工业的研发设计、生产制造、供应链管理、市场营销和售后服务等产品生命周期的各个环节。在研发设计环节，可满足工程组织的设计协同要求，评估和改进当前操作工艺流程，从而提供更好的设计工具，缩短产品交付周期。在生产制造环节，可综合大量的机器、生产线、运营等数据的高级分析实现制造过程优化。在供应链管理环节，制造业大数据主要用于实现供应链资源的高效配置和精确匹配。在市场营销环节，可利用大数据挖掘用户需求和市场趋势，找到机会产品，进行生产指导和后期市场营销分析。同时大数据也是推进传统制造业转型升级的重要工具。因此在新工业革命的世界竞争中，制造业大数据必将是各国信息技术企业竞争的焦点。要迎接新工业革命的挑战，必须发展制造业大数据。
制造业大数据的特点：
从制造业大数据的特点来看，它符合大数据定义中的4V特点，数据规模大（Volume）、处理速度快（Velocity）、数据多样化（Variety）、数据价值密度低（Value）.
从规模来看，工业数据的主体，是由机器设备所产生的数据量远
超过其它行业以人为主要产生的数据量。以风力发电机为例，终端正常状态下每秒会产生一个数据包，这个数据包包含500个左右的测点数据。如果全部数据需要处理与存储，那么1000台风机发电机产生
的测点数据每秒可高达50万个。而无论是大型的风电场运营企业还是风电设备制造商，其需要监控的风机都会达到数千甚至上万的规模。而且与金融、电信等传统服务业可以区分忙时与闲时不同，大多数工业设备的运转都具有长时间连续的特点。数据通常需要长时间或者永久保留，总的规模应该是TB或者PB级。1千千个G等于1个TB，1000个TB约等于一个PB级。
从处理速度来看，由于源数据的持续高吞吐量，大数据处理平台
必须能够高速的对数据进行实时解包、协议解析、格式转换等基本处理。而在越来越多的智能化应用中，需要能够进行实时的数据分析并完成相应操作。特别是在控制系统中，针对安全生产的实时故障检测要求从数据收集到完成数据分析能够实现秒级甚至毫秒级的事前预警或事后报警停机，以避免事故的发生或对设备本身造成更大的连锁损害。
从数据多样性来看，工业数据不仅包括机器设备产生的时序、时
空、高伟矩阵等数据，同时还有ERP等信息化管理系统产生的关系型数据，设计研发环节的产品图纸、工艺文档、加工代码等非结构化数据，以及来自外部互联网的半结构化（如JSON XML等）与非结构化数据（如文本等），它们构成了一个典型的多样化数据体系。
从数据价值来看，由于大量的工业设备与智能产品绝大部分时间
工作于正常的工况条件下，因而在制造大数据分析的典型场景中，以生产运营优化为目的的应用只是需要使用聚合后的数据，而以故障分析为目标的应用针对的数据仅为少量非正常的工况，因此相对传统企
业信息化数据而言，工业数据的价值密度相对较低。
Predix是一个云操作系统，负责将各种工业资产设备和供应商相互连接并接入云端，实现工业数据管理与工业数据分析，并提供资产性能管理（APM）和运营优化服务。SAP开发了面向物联网应用和实时数据处理的HANA大数据平台，并利用其在传统企业信息化ERP系统上的优势，推动HANA与信息化系统的集成。PTC择收购了物联网云平台公司Axeda,在此基础上打造智能互联网产品M2M云平台，并在此之上针对制造业提供了相应的智能化解决方案。 大数据驱动制造业产品创新 361度做鞋获取大数据
针对LBS（基于位置的服务）的应用推出更新的室内外导航方案，用于可穿戴智能硬件产品。百度LBS应用结合了MTK的算法，可以快速实现更准确的室内定位。 福特大数据造汽车
传统的汽车行业数据来源结构单一、应用不深入，已经无法满足企业的数据需求。而互联网、移动互联技术的快速普及，使车辆在行驶过程中上传各种相关数据从而形成海量数据源。经过大数据统计分析，这些数据源可以为我们提供准确丰富的参考数据和指导意见。例如：它能够正确指导汽车制造商对消费趋势的判断，在产品阶段就制定更符合当下定位群体的外观配置性能，以减少那些不必要的部分，来控制成本。
大数据实现智能制造
现代化工业制造生产线安装有数以千计的小型传感器，来探测温度、压力、热能、震动和噪声。因为每隔几秒就收集一次数据，所以利用这些数据可以实现很多形式的分析，包括设备诊断、用电量分析、能耗分析、质量事故分析（包括违反生产规定、零部件故障）等 在产品质量控制方面，如在生产过程中使用这些大数据，就能分析整个生产流程，了解每个环节是如何执行的。一旦有某个流程偏离了标准工艺，系统就会产生一个报警信号，从而快速的发现错误。错误发现的及时，问题解决也就更容易，从而控制产品的质量。
工业大数据案例
