学文网1994年美国NBC电视台的情景喜剧《老友记》中，钱德勒曾多次解释过自己的工作――an executive specializing in statistical analysis and data reconfiguration。
彼时，剧中的钱德勒最终换了工作，他当时一定想不到，若干年后，大数据时代到来，精通数据分析工作者摇身一变成了炙手可热的专才。
1990年，第一个Web服务器诞生，人们在软件支持下包括文本、表格、***片、音视频的碎片化超媒体信息，随后20多年里，信息在各个领域中不断增多，计算、存储、交互，各种类型的数据库不断膨胀，直到变成我们今天口中的“大数据”。
2009年，亚马逊推出弹性MapReduce编程模型（Amazon Elastic MapReduce），用于大规模数据集（大于1TB）的并行运算，互联网公司加入其中，掀起一股“大规模机器学习”（Largescale Machine Learning）浪潮，紧接着，他们认为大规模已不足以形容数据之大，便在其最前面增加了very一词。
2012年3月，美国***府《大数据研究与发展计划倡议》，宣布启动对大数据的研发计划。“大数据”的提法迅速蹿红并被越来越多的国家和企业意识到其中的价值。
大数据是信息通信技术发展的必然，对大规模、非结构化数据进行及时处理和分析，是让数据为经济所用，从而拉动经济增长已经成为共识。
与此同时，另一个共识也已达成，即无论工业4.0还是工业互联网抑或中国制造2025，在这场由大数据、云计算、移动、社交等技术驱动的工业***中，大数据分析的重要性尤为突出，它将深刻改变工业企业的生产和决策。
除此之外，它还能更好地分析了解市场状况，预测客户未来需求，根据数据洞察指导企业内部运作和市场销售的行动目标。
德国 “工业4.0”强调通过信息网络与物理生产系统的融合，即信息物理融合系统（CyberPhysical System，CPS）来改变当前的工业生产与服务模式。
美国 GE公司首倡的“工业互联网”强调通过智能机器间的连接并最终将人机连接，结合软件和大数据分析，来重构全球工业。
而中国，无论几年前提出的信息化与工业化融合，还是今年5月的中国制造2025纲要，都强调基于互联网高速发展的背景下实现传统制造企业转型升级，从产品、生产过程到企业运作全方位实现智能化，并基于以需求为导向实现个性化生产制造。
尽管目前从全球来看，制造业的发展依旧不均衡，但一个大趋势已经不可避免地出现，通过充分利用信息通信技术把产品、机器、资源和人有机结合，推动制造业向基于大数据分析与应用基础上的智能化转型，而智能制造时代的到来，也意味着工业大数据时代到来。
数据成为战略资源
一个愤怒的男人冲进位于明尼苏达州的一家超市兴师问罪，因为超市不停地向他的高中生女儿邮寄婴儿尿布样品和配方奶粉的折扣券，但几天后，这位父亲发现，并非超市搞错了，而是他的女儿确实怀孕了。
《纽约时报》的这则报道说，原来超市的数据分析团队一直追踪准妈妈们的购物习惯以此对顾客进行关联度的预测。
尽管与消费、商业中的大数据概念有相似的一面，但工业大数据显然不具备类似的娱乐和猎奇性，但这些“面目严肃”的数据却是制造业智能化的必要条件与基础。
在包括汽车企业在内的传统制造企业中，大量数据分布于企业各个部门中，以往，要想在整个企业内及时、快速提取数据并非易事。
而在工业4.0时代，工业大数据技术可以帮助企业将所有的数据集中在一个平台上，整合来自研发、工程、生产部门的数据，创建产品生命周期管理平台，对工业产品的生产进行虚拟模型并优化生产流程，在这个基础上，部门之间的数据协同就会变得相对容易，组织运营效率也相应有所提高，其结果就是产品研发与上市时间的缩短。
各类传感器成为创造和储存数据的重要介质，制造企业以此来实时收集更多准确的运作与绩效数据，不断跟踪产品库存和销售价格，以便更准确地预测全球不同区域的需求，从而运用数据分析得到更好的决策来优化供应链。
此外，大数据技术对客户进行细分也是一把好手，优化生产流程以定制化产品和服务来满足不同用户的不同需求，以便生产出更多的产品。
中关村大数据产业联盟秘书长赵国栋认为，大数据在汽车厂商优化产品结构与产品设计方面大有用途，“通过其预测需求与观察改善，将部分或全部替代新产品规划研究，并通过产品需求匹配度模型加速优化产品设计过程”。
瑞典商用车制造商沃尔沃集团已经在卡车产品中安装了传感器和嵌入式CPU，它们能把从刹车到中央门锁系统等各种车辆使用信息源源不断地传输到沃尔沃集团总部。这些数据被用来优化生产流程，提升客户体验和安全性。
由此，企业不仅能够满足消费者高度个性化的需求，也能对原材料供应变动和市场需求的变化做出及时反应和调整，实现产品由大规模趋同性生产向规模化定制生产转变，而后者正是工业4.0的重要诉求。
而将来自不同客户的使用数据进行分析，也能让产品部门提早发现产品潜在问题，并在问题发生前提前预警。沃尔沃的首席技术官表示，以前产品设计方面的缺陷，可能需要有50万台销量的时候才能暴露出来，而现在只需要1000台，就能发现潜在的缺陷。
显然，大数据给传统制造企业创新产品和服务的机会，从而在此基础上获得创造全新商业模式的可能性，而未来，传统制造企业也不再只是单纯围绕产品产销的生产型企业，而是充分挖掘和利用大数据的生产服务型企业。这不但能使企业本身提升生产效率和产业竞争力，还能为其所服务的客户创造新的价值。
看起来，一切似乎都像IBM所强调的那样：数据正在成为战略资源。
安全与秩序
有研究称，2016年，全球大数据产业销售额将达到150亿欧元以上，而在中国，超过6亿的互联网人口、火爆的互联网经济、***“互联网+”的刺激、中国制造2025规划的推动，对于数据矿藏量巨大的中国以及中国的制造业来说，一个巨大的金矿似乎已经摆在眼前。
然而，工业信息化系统产生的大数据海量且庞杂，必须经过整理和分析，让其变成有用的信息，才能进一步深加工为可以服务的“知识”，这是通过大数据获取价值转化的过程，又是给制造企业一个巨大的考验。
按照工业4.0的构思，工业机器、设备、存储系统及运营资源可以利用现代网络通信技术连接成网络，由原来的点连接成线和面乃至网，CPS系统将通过M2M通信（Machine -toMachine，机器对机器）在工业机器与设备之间实现信息交换、运转和互相操控，工厂与机器设备不仅能随时随地进行信息分享，相互连接的系统还能***自我管理。
而实现这一目标，就要对制造设备本身及产品制造过程中产生的数据进行深入分析，企业必须掌握通过工业IT设施收集、传输和分析处理大数据的能力。
以汽车业为例，尽管工业自动化在这个行业较为普遍应用，但目前很多企业仍基本处于2.0时代，信息化、智能化水平不高，更遑论将大数据技术整合到自身系统的技术能力了。
事实上，无论同济大学中德学院的林松教授，还是力合大科技术创始人卢靖都提醒，中国制造业并不缺乏数据，而是缺乏提炼数据的能力和经验。
即使对于自动化程度较高，向智能化转型的企业来说，现有旧系统和不兼容的标准和格式，也会妨碍大数据分析工具的应用。
一个紧迫的挑战与任务正摆在面前――若想从工业大数据中获取最大收益，就要促进企业和技术人员整合、应用不断创新的工业大数据开发与分析技术。
与此同时，另一个制约大数据技术发展的问题也浮出水面。由于工业大数据是数字化的和横跨企业边界甚至是跨越国界，因此安全、开放、共享等问题必须得到有效解决。
在工业4.0时代，工业IT系统的安全不仅涉及生产操作环节，还关联到由此延伸的通信网络，倘若没有相应工业IT系统的安全策略、架构和标准，保护制造企业的生产系统的安全、数据安全，大数据就谈不上是大数据。
因此，在如何克服阻碍数据获取的障碍、建立交易或共享数据的市场机制、制定平衡数据使用与数据安全保护***策，***府被提出要求并寄予希望，利益相关者希望***府能够面向公众开放其拥有的、能够公开的大数据，以促进工业大数据共享、整合以及价值创造。
而工业大数据的传输、交互和共享带来的另一个挑战来自容量、带宽、存储与数据处理能力更强大的基础实施，当下现有网络基础设施难以满足工业4.0的要求。不过，工信部部长苗圩对此已经表态，要为中国制造2025建设容量更大、服务质量更可靠的工业宽带基础设施。
尽管数据已经成为21世纪最重要的“原材料”之一，但让包括汽车企业在内的制造业管理人员认识到工业大数据蕴含的价值以及如何释放这一价值，仍是一个富有挑战的过程。
这种挑战不仅仅是基于认识是否充分，更客观的在于企业是否具备相应的人力储备，以及是否有足够的动力去构建和改造流程及组织体系来优化大数据使用，否则一切只能是表面功夫。显然，这一切都还在路上。