隨著這幾年工業互聯網的不斷深入發展，大數據在工業領域的應用取得了可喜的巨大進步。然而，我們也應該看到，成功案例仍然只是星星之火。由點及面形成燎原之勢，任重道遠，還需要跨越“缺數”“低質”“淺層”“孤島”等障礙。

一是“缺數”。理論上，工業領域的數據應該是非常豐富的。麥肯錫2009年的報告顯示，美國的離散制造業是所有行業中數據儲量最大的。而我國情況如何呢？根據中國信息通信研究院和工業互聯網產業聯盟2018年底對國內74家工業企業的調研，我國工業企業的數據資源存量普遍不大，66%的企業數據總量都在20TB以下，還不到一個省級電信運營商日增數據量的十分之一。這背后的原因主要是我國工業互聯網發展還處于起步階段，企業數字化網絡 化程度普遍較低，數據資源的積累尚需時日。而目前工業系統協議七國八制現象非常突出，很多軟件系統的接口不開放，也增加了數據采集的技術難度。

二是“低質”。警惕“垃圾進，垃圾出”。數據質量問題是長期困擾數據分析工作的難題。工業領域對數據分析的可靠性要求更高，因而對數據質量的要求也就更高。美國2016年《聯邦大數據研發戰略計劃》還專門把確保數據質量、提升數據分析可信性作為七大戰略之一。從信息化程度較高的金融、電信、互聯網等行業的經驗看，如果不開展專門的數據治理，就難以確保數據質量。調查表明，我國工業企業只有不到1/3的企業開展了數據治理，51%的企業仍在使用文檔或更原始的方式進行數據管理。在數據治理方面，大部分工業企業還需加快補課。

三是“孤島”。數據孤島是幾乎所有企業都面臨的困 境。從單一企業內部來看，存在著不同時期由不同供應商 建設的客戶管理、生產管理、銷售采購、訂單倉儲、財務 人力等眾多IT系統，煙囪林立，而要深度推進智能制造， 更要打通IT和OT，推進難度非常大，而且越大的企業包袱越重。從全行業看，發展工業互聯網，實現從單一企業內部的局部優化，跨越到整個產業鏈的全局優化，必然要實現產銷與供應鏈上不同企業之間的數據流通，進一步面 臨著安全合規、商業模式和技術標準的更大挑戰。調查顯示，超過半數的企業表示需要使用外部數據或對外提供數據，僅有2.7%企業覺得不會涉及數據合作。德國工業4.0計劃已經把數據流通作為重點議題，國內促進工業數據流通方面工作還需加快。

四是“淺層”。大數據在工業領域的作用，縱向可以從三個層次來看：最基礎的，是可以根據數據來描述工業產線、營銷和企業經營活動的歷史與現狀；進一步的，可以基于數據預測設備、車間和整個企業的未來狀況；最高層次，是根據數據分析結果，繞過人工干預，自動的直接指導企業運作，形成智能化的數據閉環。橫向則可以跨越設計、生產、銷售、服務等全鏈條。但推進情況如何呢？最近，工業互聯網聯盟對國內外366個工業互聯網平臺應用案例進行了分析，40%的平臺應用集中在產品或設備數據的檢測、診斷與預測性分析領域，而在涉及數據范圍更廣、分析復雜度更高的經營管理優化和資源匹配協同等場景中，多數平臺現有數據分析能力還無法滿足應用要求， 需要進一步推動數據分析技術創新以及實現長期的工業知識積累。工業數據分析的深度還需加快爬坡升級。

工業互聯網的長期目標，是構建“數字雙胞胎”， 使得物理世界的萬物得以在數字世界重現，通過數字世界里的計算、分析、預測、優化，來指導物理世界的最優化運行。這就要求在物理和數字這對雙胞胎之間架設暢通的 “大動脈”。數據就是這大動脈里流淌的血液。只有工業數據越來越豐富、全面，質量越來越高，“數字雙胞胎”才能長得像。在這基礎上，對工業數據的分析利用，還需 要結合對物理機理模型的透徹理解，甚至老師傅幾十年積累的經驗，不斷迭代，走向深入。做好了這些，數據對制造業轉型的基礎資源作用和創新引擎作用就能真正發揮出來。