如果在全国有很多工厂，产量比较大的话，这个制造企业本身就是一个标准的大数据应用场景。“大数据对于制造企业来说好像挺高级的，但也不用怕，可以从小的地方开始，先将数据以自己的维度从机器上采集起来，再结合预先建立的模型，就可以逐步形成大数据的应用。
大数据在产业中的应用？
大数据细分应用领域需求与市场分析制造业需求市场一、行业信息化建设现状当前，我国工业正处于转型升级的攻坚时期，国家工信部印发《信息化和工业化深度融合专项行动计划(2013-2018年)》，积极推动信息化和工业化深度融合，国家工信部先后认定16个两化融合试点城市， 各地都取得了显著的成果。上海作为首批8个国家级两化融合试验区之一,连续5年保持全国领先水平。
图表：2016年中国制造行业信息化投资规模统计数据来源：中研普华2013年，中国制造业信息化投资达620亿元，略有增长，同比增长率为0.8%。2015年，中国制造业信息化投资规模达到655亿元，同比增长3.4%。但是中国制造业中不同行业、不同规模的企业，信息化建设状况差距很大。石化、钢铁、汽车等行业集中度高企业的信息化建设较好，一些企业已基本具备了与国际同行接近的信息化水平;而纺织、轻工等行业，信息化建设水平较低。
随着信息技术的发展以及信息化普及水平的提高，数字技术、网络技术和智能技术日益渗透融入到产品研发、设计、制造的全过程，推动产品生产过程的重大变革。世界工业化发展正在面临着新的变革，发达国家中德国战略性地提出“工业 4.0”，美国着力打造“工业互联网”，新的动态变化都将影响全球制造业版图，我国制造业亟待转型升级。
二、行业数据量及其特点制造业的存储数据一般被分为以下几种类型：其一，产品设计数据，这类数据的典型特点是以文件为主，非结构化，共享要求比较高，保存时间也比较长;其二，企业生产环节的业务数据，其特点是以数据库等结构化数据为主，这些数据的重要性不言而喻，它们不仅表现企业目前运行的状况，而且为企业进一步发展决策提供有价值的分析;其三，生产监控数据，其特点是数据量非常大，对存储空间以及I/O吞吐要求高。
制造企业中，企业对数据的记录多停留于两种形态：1、传统的纸笔记录;2、Excel电子表格记录。这些操作起来看似简单的数据管理方式，在浪费人力物力的同时，还为企业生产及质量监控埋下了巨大的隐患。而真正挖掘数据背后的价值，更是无从谈起。三、行业大数据应用需求分析在制造业的应用中，产、供、销一体化为基本核心外，还有延伸的客户关系管理、供应商信息管理等外延系统，各种海量数据库同时交叉运行，并行服务，用户访问量大，频度高，系统负荷重，而且需要保证数据处理的高实时性，这样信息化才能有效地服务于生产和运营。
日常操作及追加资源频繁，是一种复合型的高度动态化应用：数据实时变化频度高，牵扯面广，系统需要形成一个有机的整体随时更新各个状态。制造型企业的良性运营对信息化的依赖性越来越大，对系统的可靠性、稳定性、安全性和反应速度均提出了很高标准和严格要求：随着企业规模的扩展，信息化应用的规范和普及，对企业网电子数据的使用反映出实时、动态、突发、连续、超高负荷等特点，与生产、销售、供应紧密联结，不容许服务中断甚至反应迟缓。
因此硬件设备的性能应体现出较强的先进性、一定的超前性、充分的可靠性及迅捷的反应速度。四、行业大数据应用场景分析第一个是在设计环节上。纵观国外能做成百年企业的，都是设计能力超强的公司。设计能力强的企业有个特点，他们会经常到网上去搜用户的反馈，甚至建立一个网上社区，由粉丝参与到设计环节当中，这个时候可以借助大数据的分析能力，将这些反馈快速融入到产品设计当中，推出来的产品才会有消费者买单。
而在高端制造业上，需要有设计参数的积累。同样的材料做出来的产品，有的能耐用10年，有的用几年就坏了，这是为什么呢?主要就是原料配比、加工、工艺等的差别，这要依靠很多年的数据积累形成的。鼓励国内制造企业在设计过程中，用大数据的理念，从头到尾捕捉下来，所有的设计人员用数据的眼光去做设计，而不是说产品做不好是其它部门的事，管理水平决定了数据的意识和应用的水平。
文章TAG：数据 推动 金融 近期 内容
