隨著信息化與工業化的深度交融，信息技術滲透到了工業公司產業鏈的各個環節，條形碼、二維碼、RFID、工業傳感器、工業主動操控系統、工業物聯網等技術在工業公司中得到廣泛運用，尤其是互聯網、移動互聯網、物聯網等新一代信息技能在工業范疇的運用，工業公司也進入了互聯網工業的新的發展階段，工業公司所具有的數據也日益豐厚。工業公司中出產線處于高速作業，由工業設備所發生、搜集和處理的數據量遠大于公司上鉤算機和人工發生的數據，從數據類型看也多是非結構化數據，出產線的高速作業則對數據的實時性請求也更高。 　　1、加快商品創新 　　客戶與工業公司之間的交互和買賣做法將發生許多數據，挖掘和剖析這些客戶動態數據，能夠協助客戶參加到商品的需求剖析和商品規劃等立異活動中，為商品立異作出貢獻。福特公司是這方面的榜樣，他們將大數據技能運用到了福特福克斯電動車的商品立異和優化中，這款車成為了一款當之無愧的“大數據電動車”。 　　2、商品毛病確診與猜測 　　這能夠被用于商品售后服務與商品改善。無所不在的傳感器、互聯網技術的引進使得商品毛病實時確診變為實踐，大數據運用、建模與仿真技能則使得猜測動態性成為可能。在馬航MH370失聯客機搜索進程中，波音公司獲取的發動機作業數據關于斷定飛機的失聯途徑起到了要害作用。咱們就拿波音公司飛機系統作為案例，看看大數據運用在商品毛病確診中怎么發揮作用。在波音的飛機上，發動機、燃油系統、液壓和電力系統等數以百計的變量組成了在航狀況，這些數據不到幾微秒就被丈量和發送一次。以波音737為例，發動機在飛行中每30分鐘就能發生10TB數據。 　　3、工業物聯網出產線的大數據運用 　　現代化工業制作出產線安裝有數以千計的小型傳感器，來勘探溫度、壓力、熱能、振蕩和噪聲。因為每隔幾秒就搜集一次數據，運用這些數據能夠完成許多方式的剖析，包括設備確診、用電量剖析、能耗剖析、質量事故剖析（包括違背出產規則、零部件毛病）等。首要，在出產技能改善方面，在出產進程中運用這些大數據，就能剖析整個出產流程，了解每個環節是怎么履行的。一旦有某個流程偏離了標準技能，就會發生一個報警信號，能更疾速地發現過錯或許瓶頸地點，也就能更簡單解決疑問。 　　4、工業供應鏈的剖析和優化 　　當時，大數據剖析已經是許多電子商務公司提高供應鏈競爭力的主要手法。例如，電子商務公司京東商城，通過大數據提早剖析和猜測各地商品需求量，然后提高配送和倉儲的效能，確保了次日貨到的客戶體會。RFID等商品電子標識技術、物聯網技術以及移動互聯網技術能協助工業公司取得完好的商品供應鏈的大數據，運用這些數據進行剖析，將帶來倉儲、配送、出售功率的大幅提高和本錢的大幅降低。 　　5、商品出售猜測與需求管理　　 　　通過大數據來剖析當時需求改變和組合方式。大數據是一個極好的出售剖析工具，通過前史數據的多維度組合，能夠看出區域性需求占比和改變、商品品類的商場受歡迎程度以及最常見的組合方式、花費者的層次等，以此來調整商品戰略和鋪貨戰略。在某些剖析中咱們能夠發現，在開學季高校較多的城市對文具的需求會高許多，這樣咱們能夠加大對這些城市經銷商的促銷，招引他們在開學季多訂購，一起在開學季之前一兩個月開端產能方案，以滿意促銷需求。 　　6、出產方案與排程 　　制作業面對多種類小批量的出產形式，數據的精細化主動及時便利的搜集及多變性致使數據劇烈增大，再加上十幾年的信息化的前史數據，關于需求疾速呼應的APS來說，是一個無窮的應戰。大數據能夠給予咱們更詳細的數據信息，發現前史猜測與實踐的誤差概率，思考產能束縛、人員技能束縛、物料可用束縛、工裝模具束縛，通過智能的優化算法，擬定預方案排產，并監控方案與現場實踐的誤差，動態的調整方案排產。

　　7、商品質量辦理與剖析 　　傳統的制作業正面對著大數據的沖擊，在商品研制、技術規劃、質量辦理、出產運營等各方面都火急期待著有立異方法的誕生，來應對工業布景下的大數據應戰。物聯網實驗室方案運用大數據質量辦理剖析平臺，除了能夠疾速地得到一個長長的傳統單一指標的進程才能剖析報表以外，更主要的是，還能夠從相同的大數據會集得到許多簇新的剖析成果。