5月13日，國內服務器，工信部發布《關于工業大數據發展的指導意見》(以下簡稱《意見》)。對我國工業大數據發展進行了全面部署，進一步促進大數據與工業深度融合。

工業大數據是工業領域產品和服務全生命周期數據的總稱，美國服務器租用，包括工業企業在研發設計、生產制造、運營管理、運維服務等環節中生成和使用的數據，以及工業互聯網平臺中的數據等。其日益成為提升企業生產力、競爭力和創新力的關鍵要素，對于支撐智能制造和工業轉型升級方面有著舉足輕重的作用。

一、建設背景

“數據”引領變革，數據集中管控必不可少，如何做好數據共享和數據分析、如何發揮數據資產價值最大化是工業轉型升級的首要目標。

傳統的數據中心在應對海量數據存儲、非結構化數據處理、大數據挖掘分析等方面存在不足，有必要構建基于工業大數據的新一代數據中心，滿足企業對工業大數據集中管控、處理、分析及利用，為企業構建在線感知、實時分析、智能決策、精準執行的能力，支撐企業從生產型制造向服務型制造轉型。

二、問題與挑戰

缺乏統一的信息資源規劃

原有信息化建設缺乏統一的信息資源規劃，“信息孤島”現象嚴重，內部缺乏統一的數據標準，導致企業大量內部信息共享利用不暢。

缺乏海量數據管理能力

企業的工業大數據在數據采集、存儲、檢索、處理方面給傳統數據中心帶來巨大挑戰，傳統數據中心無法應對海量數據的高速采集、線性擴容、快速計算、高效檢索。

缺乏大數據整合能力

業務數據、圖文檔及音視頻數據、智能設備實時數據、外部數據等都是企業智能決策的有力支撐，傳統數據中心平臺缺乏各類數據整合處理能力。

無法滿足智能化需求

智能制造是大勢所趨，傳統數據中心關注數據集中管控，無法滿足數據的智能化應用需求。

數據集中管控

為產品全生命周期數據提供集中存儲，提供大數據統一管理平臺，包括但不限于數據質量管理、存儲管理、大數據計算管理、算法管理。

支持多源數據整合

提供各類源數據向數據中心的抽取、傳輸、轉換和加載，支持對海量及動態變化的物聯網數據集成，支持對各類文檔、視頻、模型、圖紙等非結構化數據的集成。

數據挖掘分析

基于大數據技術對工程制造、企業管理等方面的數據進行分析、挖掘。通過運營輔助決策、預算評估、風險預警等應用，為決策層提供科學的決策支撐;通過生產可視化、運營可視化、生產協同、采購協同等應用，為管理層提供生產運營過程的透明化管理;通過設備故障智能診斷、工藝參數優化、產品質量分析等應用，幫助執行層解決業務關鍵問題。

三、解決方案

數據集中管控

為產品全生命周期數據提供集中存儲，提供大數據統一管理平臺，包括但不限于數據質量管理、存儲管理、大數據計算管理、算法管理。

支持多源數據整合

提供各類源數據向數據中心的抽取、傳輸、轉換和加載，支持對海量及動態變化的物聯網數據集成，支持對各類文檔、視頻、模型、圖紙等非結構化數據的集成。

數據挖掘分析

基于大數據技術對工程制造、企業管理等方面的數據進行分析、挖掘。通過運營輔助決策、預算評估、風險預警等應用，為決策層提供科學的決策支撐;通過生產可視化、運營可視化、生產協同、采購協同等應用，為管理層提供生產運營過程的透明化管理;通過設備故障智能診斷、工藝參數優化、產品質量分析等應用，幫助執行層解決業務關鍵問題。