看了三一重工的案例，我從大數據，物聯網，然后到工業大數據應用這三個方面的感受和看法。
大數據
我們大多數人會認為大數據包含了非結構化數據與結構化數據。我更提倡大數據是“多結構化數據”的說法，無論是自由文本還是關系數據庫等，大數據可以由人類產生的數據足跡與機器自動生產的數據兩大板塊形成。大數據的工具和技術能夠為不同的結構化數據服務。
目前三一重工有20萬臺在外設備安裝了自主研發的工業智能控制終端，已累積40TB的工況數據，且每天增量達兩億條。在信息化與工業化融合的過程與商業活動中，我們需要加強機器數據的采集，分析，并且把此項工作作為智能制造的核心工作之一。
2014年，三一集團啟動大數據平臺建設，通過自主研發了大數據儲存與分析平臺即“ECC的客戶服務平臺”，包括所有設備底層控制的硬件和軟件，能夠實現雙向的交互以及對設備的遠程控制，可將20多萬臺客戶設備實時運行情況的數據通過傳感器傳到后臺進行分析和優化，最終目的是實現低成本海量設備數據接入與分析，完美實現服務承諾，敏銳洞察用戶行為，全生命周期閉環反饋。用戶可通過網頁或手機APP，隨時隨地掌握機器各方面的狀態。
依據大數據分析，針對常用檔位按區域、載荷、溫度分別進行精準控制，使新產品的動力總成效率提升8%，油耗降低10%。最初在小范圍的工程設備和車聯上實行試商用，主要解決信息采集狀態不穩定、無線網絡傳輸帶寬不足、監控信息平臺的網絡接口改造等技術問題。
三一重工的“M2M遠程數據采集與監控平臺”實行規模化商用，建成國內首家工程機械物聯網企業控制中心。公司進一步完善了車載M2M系統，作為工程機械的標配，在出廠前全部預裝，開通中國移動的M2M服務。
實際上，有關于為了使得工業數據能夠最終形成商業機會，我們有四個方面需要關注：
溝通。
即設備環境信號識別。信號識別的關鍵點是信息收集過程中實時性還不夠，信號識別的對象不夠完整和全面，這是建立工業大數據能力需要考慮的第一個問題。
集成與融合。
即大數據的數據平臺。所謂融合就是說，OA、知識庫、ERP、采購系統、等所有的可觸摸和非可觸摸的數據都應該串聯起來。我們整個串聯工作還有非常漫長的路要走。
分析與決策。
我們大數據的建模能力不差。缺的是我們對行業理解的投入以及形成模型的能力，以及不斷推倒重建和調整的持續投入，因為做出一個好的模型，可能花很多年，而且不斷的去修正，這種能力不是一觸即發的，需要大家注意。
創建顛覆性的自助服務文化。
機器能夠自我學習和自我調節。通過焦點轉移到不可見的因素，數據給了我們發現創新的全新多視角，最終導向了革命性的商業機會。
在工業互聯網領域，發達國家走在了前列。國外企業紛紛進軍工業物聯網。
IIoT平臺引起無數供應商的關注是因為工業物聯網平臺的構成自身就是一個多元化的整合以及不同元素之間相互探索的平臺。這也是底層的智能設備與資產所給我們描繪的場景。通過海量的傳感器使得設備可認知，通過不同的通訊協議讓機器與機器交流M2M，基礎設施與配置成為數據的承載，應用工作的協同，讓數據與管理流程融合就形成了我們的第三個層面。
通過第二層的對運營數據的各種分析，其中包括了預測分析，可靠性分析，供應鏈的分析等，最終把這一切動態實時展現在管理層的面前，為運營計劃，設備資產維護戰略以及成本效率管理作出決策的輔助支撐。
在現代工業供應鏈中，隨著大數據應用的普及，我們可以感受到了從采購，生產，美國服務器租用，物流與銷售市場都是大數據的戰場。傳感器數據屬于工業大數據類別之一，從這些機器數據中，我們可以保障生產，滿足法律法規的要求，提升環保，改善客戶服務。通過幫我們找到已經發生的問題做好協助預測相類似問題未來重復發生的幾率與時間。
工業物聯網(IIoT)和工業大數據的出現，以及制造業中，與之相關的預測性分析，和資產密集型部門的興起，使“資產性能管理”或APM成為這一輪信息化與智能化建設的一個焦點。
資產性能管理(APM)是一個特定的術語，應用于提供與狀態檢修、可靠性維修以及資產配置策略制定等相關的特定功能的資產管理部分產品。在資產性能管理中，性能指的是資產完成其預設功能的情況。
