工業大數據的來源其中一部分是生產經營領域的數據，另外很大一部分則是生產設備和生產出來的高端產品與裝備在運營過程中產生的機器數據。
而真正的大數據不是有了數據，把這些數據接入之后存起來就可以了，真正要做的事情是智能分析和智能決策，通過在兩化融合的基礎上構建的智能分析優化系統“工業大腦”進行相應的智能決策。
這些智能分析與決策離不開原有的信息化系統和自動化系統的支撐，更離不開產生這些數據的實體設備與裝備?；谶@些數據集成實體運行所在環境數據，在信息管理系統和自動化系統基礎之上，構建具備智能分析優化能的大數據系統，達成提質、增效、降耗和控險的目的。
工業大數據可以分為三類，一部分是工業物聯網數據，比如生產設備、智能產品、復雜裝備24小時不斷產生的數據。一部分企業信息化數據，同時還有很重要的一部分數據是外部跨產業鏈的數據，包括設備在運行過程中所處的環境數據，比如氣象數據、地理數據、相應的環境數據，這三種數據合計才能稱之為工業大數據。
工業大數據的特點：多模態、高通量以及強關聯
多模態
在工業系統里數據種類、數據格式以及數據結構非常多，結構關系復雜。一個汽輪機里面會有上萬個零部件，一個復雜裝備的制造企業，它的數據種類多達三百余種，所以在工業領域里會存在數據多模態特征。
高通量
即無論是生產設備還是智能裝備有可能是24小時不間斷產生數據的，我們以分、秒的頻率采集數據，在很多應用場合甚至是毫秒級的數據。這些數據的數據量非常大，海量的設備與測點，數據采集頻度高、數據吞吐總量大、數據的實時性要求高，呈現出工業大數據的“高通量”特征。
強關聯
真正做一個產品設計的時候，它涉及到學科與專業是非常多的，比如設計復雜裝備的時候，不僅僅是涉及到結構分析，流體力學、聲學、動力學、電磁輻射等等各個學科的數據都要進行關聯。數據之間的“強關聯”反映的就是工業的系統性及其復雜的動態關系。
基于工業大數據的特點，工業大數據的數據分析與消費互聯網領域里的數據分析是有相當大的差別的。消費互聯網大數據的分析對象更多的是以互聯網為支撐的交互，工業大數據實際上是以物理實體和物理實體所處的環境為分析對象，物理實體就是我們的生產設備以及生產出來的智能裝備及復雜裝備。在商業數據里面關注數據的相關性關系，但是在工業領域里面一定要強調數據因果性，以及模型的可靠性，一定要提升分析結果的準確率才能把分析結果反饋到真正的工業控制過程中。
工業大數據面臨的挑戰
企業應用工業大數據面臨的技術挑戰。企業普遍面臨數據基礎薄弱的境況，企業收集的數據不夠，甚至沒有數據。企業真的要在數據轉型有戰略上的調整，它才會有較大的投入，如果它沒有這種戰略規劃的時候，很難負擔得起專業數據人才的成本。市場上也缺乏工業大數據所需的復合型人才。另外每個工業領域里都有獨特的知識領域和機理形成的行業門檻，沒有一個普適性的解決方案可以在工業領域里通用。行業解決方案，只會對某一個行業才能發揮相應的價值。
企業應用工業大數據面臨的管理挑戰。很多合作伙伴或者客戶初期并不知道數據和業務問題之間怎么關聯，怎么和業務結合都不清楚，不知道數據到底能不能解決業務問題。有的企業有應用工業大數據的愿景，但是業務與工業大數據的實施路徑都沒有統一。
工業大數據的挖掘就是把工業物聯網數據與跨產業鏈數據以及企業信息化數據相結合，把分散在企業各個角落里的數據進行整合，挖掘這些數據融合所能產生的價值。
大數據不僅僅是物聯網數據采集與存儲，包括數據的管理、分析與反饋，需要在數據生命周期內構建一個閉環系統，構建這個閉環需要一個過程，不可能一蹴而就。同時，大數據的應用會涉及到企業內部管理流程和經營理念的變革,工業大數據是把工業領域內三類數據進行融合應用，真正發揮大數據的價值的場景不僅是智能制造，同時也包括產業互聯網里業務模式創新，所以相應的經營理念和管理機制都要發生變革。這是企業在管理方面面臨的最大的挑戰。所以有時候大家會看到，工業企業的大數據應用甚至都不僅是一個企業的CIO所能牽引的，這需要整個企業在戰略層面去推動，要有明確的數據驅動的業務戰略規劃。
工業大數據的業務落地
通常來講，在與企業規劃工業大數據業務落地可以從兩個維度與企業一同進行思考。一方面是從業務驅動角度來看，要思考企業的整體業務目標是什么，為了實現這個業務目標要做什么樣的轉型以及哪方面的能力提升，具體的業務提升和轉型方向是什么；為了實現業務目標，理想的業務流程是什么，如何讓這個流程跟數據流進行相應的結合和映射。這是一個由上而下的思考過程，是企業的高層管理者、戰略管理者進行思考并牽引，通過中間管理層完善與豐富，最后落地實施的過程。很多時候大數據應用確實可以解決業務問題，但也可能解決不了所有的業務問題。大數據應用真正幫助企業的不僅僅是在于具體業務問題的解決層面，它是要讓企業構建對數據駕馭的能力，當企業具備了這種能力后，才能夠真正讓企業在內部的生產管理、對外的經營模式上產生變化，真正形成持續的創新與應用的能力。
如何利用數據進行驅動。第一是去看現在手里有什么樣的數據，這些數據從哪兒來，如果沒有這些數據要怎么收集，以及這些數據的特點到底是什么，是時序數據、時空數據、智能產品產生的數據、生產設備產生的數據，數據量到底有多大；第二是對這些數據有了了解以后，這些數據怎么保存、管理、使用，另一個比較重要的則是數據質量怎么保證。第三是用什么樣的系統、什么樣的工具保證數據存儲、數據管理、數據處理？同時這些數據到底如何進行集成、關聯，不僅僅要把設備產生的數據拿來進行分析管理，還要在分析過程中關聯周邊的環境數據、地理數據等跨界數據。
