定位城市:

在制造业领域中，大多数人都听说过“大数据”，但工业大数据的构成是什么，却不太清楚。乍看之下，大数据是无所不包的术语，包括传统数据以及传统数据之外的数据源。在工厂环境中，这些传统数据可被分成两种类型的数据流：运营技术数据和信息技术数据。

除了数据存储和采集之外，大数据系统还需要能够快速地按需解决并分析数据，而不受数据采集和查询的规模和速度的影响。这被称为大数据的可扩展性，它是大数据系统首先需要关注的问题之一。

任何数据的采集和使用都是有成本的，工业数据也不例外。但随着信息、电子和数学技术的发展，传感器、物联网等技术的发展，一批智能化、高精度、长续航、高性价比、微型传感器面世，以物联网为代表的新一代网络技术在移动数据通信的支持下，能做到任何时间、任何地点采集、传送数据。以云计算为代表的新型数据处理基础架构，大幅降低工业数据处理的技术门槛和成本支出。

大数据所面临的最大挑战之一可能就是如何规划大数据升级。强大的解决方案可以不断扩展，以便集成更新的数据源，在设计时已经考虑了升级而不会影响功能和性能。

对于大多数企业而言，这意味着将服务切换到云，升级系统以实现更好的数据监控和日志记录，并且由于跨部门和功能实施大数据解决方案所需的技能，可能会带来人力资本的增加。那些关注内部安全问题的人，需要考虑使用专门的系统支持团队维护内部数据服务器所带来的更高成本。系统可扩展性可能也不如基于云的部署更有效。