美國原本這樣定義資產：第一種資產是流動資產，比如資金;第二種資產是固定資產，比如設備、廠房。40多年前，美國經濟學家W. 舒爾茨和加里·貝克爾提出，除了資金和設備之外，人才也是一種資產，于是有了人力資本理論。現在，美國硅谷的人說，第四種資產是數據，也就是大數據資源。

　　2014年，馬云在北京參加活動時表示，如今的阿里巴巴從本質上來講已經成為一家數據公司，淘寶的目的不是為了賣貨，而是獲得所有零售業和制造業的數據。同樣，百度、騰訊等互聯網巨頭都已將大數據升級為公司戰略，大數據正在從理論走向實踐，從專業領域走向全民應用的階段。

　　互聯網誕生時有個段子，叫“在網上，沒人知道你是一條狗”，而在大數據時代，通過數據的分析，我們不但能知道你是一條狗，而且知道公母、你愛吃什么、什么時候睡。今天，這個社會已經充滿了數據，未來，所有的工廠都會變成數據工廠，所有的企業都會變成數據企業。

　　從一般意義上講，普遍認可大數據具有“4V”的特征，即Volume—容量，從TB級別，躍升到PB級別;Velocity—速度，根據IDC的“數字宇宙”的報告，預計到2020年，全球數據使用量將達到35.2ZB，在如此海量的數據面前，處理數據的效率就是企業的生命; Variety—多樣性，相對于以往便于存儲的以文本為主的結構化數據，非結構化數據越來越多，包括網絡日志、音頻、視頻、圖片、地理位置信息等，這些多類型的數據對數據的處理能力提出了更高要求;Veracity—真實性，即避免數據收集和提煉過程中發生的數據質量污染所導致的“虛假”信息。

　　然而，雖然大數據的分析技術最早興起于互聯網中的社會和媒體大數據，但僅僅依靠傳統的算法工具，已經無法承載工業大數據的分析要求。因為工業大數據具有更強的專業性、關聯性、流程性、時序性和解析性等特點，這些特點都是傳統的互聯網大數據處理手段所無法滿足的。這就好比一個很聰明的年輕人如果沒有成體系的思維和邏輯思維方式的培養，很難完成一項復雜度很高的工作，而很多專業領域的技術人員，由于接受了大量與其工作相關的思維流程訓練，具備了清晰的條理思考能力及完善的執行流程，往往更能勝任復雜度較高的工作。因此，工業大數據還應加上兩個“V”：Visibility—可見性，即通過大數據分析使以往不可見的重要因素和信息變得可見;Value—價值，價值密度的高低與數據總量的大小成反比。以視頻為例，一部1個小時的視頻，在連續不間斷的監控中，有用數據可能僅有一兩秒。如何通過強大的機器算法更迅速地完成數據的價值“提純”成為目前大數據背景下亟待解決的難題。

　　工業大數據是以工業4.0數據分析和特色收集為基礎，對設備、裝備的質量和生產效率，以及產業鏈進行更有效的優化管理，并為未來的制造系統搭建無憂的環境。它通過工業傳感器、無線射頻識別、條形碼、工業自動控制系統、企業資源計劃、計算機輔助設計等技術來擴充工業數據量。工業4.0的基礎特征在于互聯與高度融合，互聯包括設備與設備、設備與人、人與人、服務與服務的萬物互聯(IOE)趨勢，高度融合包括縱向、橫向的“二維”戰略，它們的目標都是使設備數據、活動數據、環境數據、服務數據、公司數據、市場數據和上下游產業數據鏈等能夠在統一平臺環境中流通，這些數據將原本孤立的系統相互連接，使設備之間可以通行交流，也使生產過程變得透明。此外，由于企業的核心開始從“單點對多點”的數據中心模式轉變成以用戶為核心的平臺式服務模式，從而形成了基于社區、以用戶為核心的服務生態系統。

　　從應用端來看，工業大數據的價值有以下幾點：第一，它能夠以較低的成本滿足用戶的定制化需求;第二，工業大數據分析使得制造過程的信息透明化，從而提高了效率，提升了質量，降低了成本和資源的消耗，實現了更有效的管理;第三，工業大數據能夠提供設備全生命周期的信息管理和服務，使設備的使用更加高效、節能、持久，并減少了運維環節中的浪費，提高了設備的可用率;第四，它實現了全產業鏈的信息整合，讓整個生產系統協同優化，使其變得更加動態靈活，進一步提高了生產效率。

圖片來源：找項目網