大数据和智能制造给传统工业带来了巨大冲击，强大的工业数据分析服务将成为制造企业数字化战略的重要组成部分，工业物联网将显现出更大的战略价值。 

2014年，三一集团启动大数据平台建设，通过自主研发了大数据储存与分析平台即“ECC的客户服务平台”，能够实现双向的交互以及对设备的远程控制，可将20多万台客户设备实时运行情况的数据通过传感器传到后台进行分析和优化，最终目的是实现低成本海量设备数据接入与分析，敏锐洞察用户行为，全生命周期闭环反馈。用户可通过网页或手机APP，随时随地掌握机器各方面的状态。“M2M远程数据采集与监控平台”实行规模化商用，则建成了国内首家工程机械物联网企业控制中心。

实际上，为了使得工业数据能够最终形成商业机会，我们有四个方面需要关注：

1.沟通。即设备环境信号识别。信号识别的关键点是信息收集过程中实时性还不够，信号识别的对象不够完整和全面，这是建立工业大数据能力需要考虑的第一个问题。

2.集成与融合。即大数据的数据平台。所谓融合就是说，OA、知识库、ERP、采购系统等所有的可触摸和非可触摸的数据都应该串联起来。我们整个串联工作还有非常漫长的路要走。

3.分析与决策。我们大数据的建模能力不差。缺的是我们对行业理解的投入以及形成模型的能力，以及不断推倒重建和调整的持续投入，因为做出一个好的模型，可能花很多年，而且要不断的去修正，这种能力不是一触即发的，需要大家注意。

4.创建颠覆性的自助服务文化。机器能够自我学习和自我调节。通过焦点转移到不可见的因素，数据给了我们发现创新的全新多视角，最终导向了革命性的商业机会。

工业互联网／物联网

工业物联网（IIoT）和工业大数据的出现，以及制造业中与之相关的预测性分析，和资产密集型部门的兴起，使“资产性能管理”或APM成为这一轮信息化与智能化建设的一个焦点。

从狭义的保守派来看，资产性能管理重点应该是对资产性能的“控制和决策的技能”。而从广义的定义上看管理，我们也会包括“控制资产性能的行为”管理这个层面。

虽然狭义与广义之间有些微妙，但有助于解释资产性能管理从单点解决方案，变为实现卓越运营的方法的演变的思路。这种方法涵盖了从对资产设备状况原始数据从收集到用于记录、计划和安排维修活动的企业资产管理应用程序。因此，我认为，资产性能管理是一种支持卓越运营的商业流程。

强化及高度重视大数据应用

三一重工开展的大数据应用主要在以下几个方面：预测宏观环境、分析产品结构、预测设备故障、预测配件需求。

智能设备的未来，一定是能够自主评估健康状况和退化情况并主动预防潜在性能故障，并且做出维修决策。要实现健康条件评估，就需要利用数据驱动算法分析从机械设备及其周边环境中的数据。实时设备条件信息可反馈至机械控制器以实现自适应控制，同时信息也会反馈至设备管理人员方便及时维修。操作员可根据每台设备的健康条件平衡和调节每台设备工作量和工作压力，从而最大程度优化生产和设备性能，实现主动检修计划的智能决策。

从长期看，硬件制造端的价值在不断降低，智能化产品的价值将不断提升。大数据和智能制造给传统工业带来了巨大冲击，强大的工业数据分析服务将成为制造企业数字化战略的重要组成部分，工业物联网将显现出更大的战略价值。