一、工业大数据行业概况
工业大数据是指在工业领域中，围绕典型智能制造模式，从客户需求到销售、订单、计划、研发、设计、工艺、制造、采购、供应、库存、发货和交付、售后服务、运维、报废或回收再制造等整个产品全生命周期各个环节所产生的各类数据及相关技术和应用的总称。其以产品数据为核心，极大延展了传统工业数据范围，同时还包括工业大数据相关技术和应用。
工业大数据具有数据体量大、分布广泛、结构复杂、数据处理速度需求多样和对数据分析的置信度要求较高五大特征。
工业大数据特点
资料来源：公开资料整理
随着工业4.0浪潮的兴起，物联网、云计算、大数据、人工智能、增强现实/虚拟现实等信息技术不断向工业领域融合渗透，为工业大数据应用的实施奠定了坚实的技术基础。工业大数据的主要来源有3类：
工业大数据的主要来源
资料来源：公开资料整理
二、中国工业大数据行业发展现状分析
据统计，2018年中国工业大数据规模达到114.2亿元，同比增长22.3%，增速同比提升1.2个百分点。2019-2021年中国工业大数据市场规模仍将持续加速增长，预计到2021年中国工业大数据市场规模将增长至256亿元。
2016-2021年中国工业大数据行业市场规模及增长
资料来源：公开资料整理
在工业大数据用户行业结构中，离散型制造业企业由于设备和零部件数量多，零部件变更困难，设备故障检测过程繁琐等因素对大数据需求较高，占比达到62.1%。
2018年中国工业大数据用户结构占比（单位：%）
资料来源：公开资料整理
大型企业由于自动化程度高、工艺流程复杂、产生数据体量庞大、利润高，数据需求量大，企业可以通过工业大数据的运用，提升生产效率，降低成本。
2018年中国工业大数据企业结构占比（单位：%）
资料来源：公开资料整理
2018年中国工业大数据产品中，设备故障诊断、生产过程可视化和生产流程优化占据着主要份额，比例分别达到29.0%、27.1%和21.3%。
2018年中国工业大数据产品结构占比（单位：%）
资料来源：公开资料整理
相关报告：华经产业研究院发布的《2020-2025年中国工业大数据行业发展趋势及投资前景预测报告》
三、中国工业大数据行业发展存在问题分析
中国政府高度重视发展工业大数据，国务院、各部委相继出台编制了《大数据产业发展规划（2016-2020年）》、《工业技术软件化三年行动计划（2018-2020年）等系列重大战略和政策措施，把智能制造作为两化融合的主攻方向，系统部署大数据发展工作，推动大数据在工业研发设计、生产制造、经营管理、市场营销、售后服务等产品全生命周期、产业链全流程各环节的应用，不断推动制造模式变革和工业转型升级。目前中国工业大数据行业发展存在的主要问题有：
工业大数据行业发展存在的问题
资料来源：公开资料整理
四、中国工业大数据行业发展建议分析
1、支持核心技术研发创新
依托软件和信息技术服务企业，加强对工业软件实时操作系统的内核开发和优化技术，以及对工业互联网平台数据集成和边缘处理技术、IaaS技术、数据管理技术等核心技术的研发创新。突破数据存储与管理技术，以及工业大数据机理模型建模技术、知识推理技术等高端新型工业软件核心技术，提升工业领域所需各类嵌入式数据库、实时数据库、关系型数据库产品的数据存储与处理能力。开展工业大数据测试床项目，加速孵化工业大数据解决方案，促进物联网、云计算、大数据、人工智能等新一代信息技术在工业领域的创新应用。推进高端设备读写自由研究，实现工业软件、物联设备的自主可控，促进设备数据融合流通。
2、促进工业数据汇聚共享
支持企业构建以数据驱动为核心、覆盖工业全环节、全流程和产品全生命周期的数据闭环，打通各个环节数据链条，促进数据资源融会贯通。建立国家、行业、企业三级架构的工业大数据服务平台，加强共性平台建设，完善各级服务平台之间的数据共享交互机制，引导工业大数据开放共享发展。建设工业大数据平台，联合国内领先工业系统及解决方案企业、信息技术企业和工业生产企业，共同开放能够实现底层设备数据集成、计算处理和分析的新型工业大数据平台，支持第三方开发工业大数据分析应用。
3、积极开展试点示范工作
针对综合集成、协调设计、协同制造等工业软件关键能力，选择基础条件好、示范效应强、影响范围广的行业领域积极开展应用试点示范，探索工业大数据集成应用创新实践，打造可复制推广样板。支持企业探索工业大数据平台建设、应用和服务模式，建立试点间企业互联互通的数据融合系统网络，逐步扩大影响范围，为广泛培育数据驱动型企业提供实践经验。举办工业大数据创新大赛，发掘专业技术人才，培育一批创新队伍，构建创新及产业化应用平台，促进赛事结果转化和产学研用紧密结合，助力工业经济提质增效升级。
4、加强标准体系研制推广
依据国家智能制造标准体系总体平台和建设指南，建立工业大数据标准体系，围绕大数据在工业产品研发设计、生产制造、物流、销售、维保服务等全生命周期的应用进行相关标准及技术框架研制。加快制定参考架构、模型、工业软件产品线工程、工业信息安全、工业大数据等基础标准，中间件、工业APP封装、数据模型、语义等技术标准，符合性测试、互操作测试、质量度量等测评标准。支持骨干企业及行业协会组织积极参与工业互联网、工业大数据等方面的标准制定，在智能制造重大示范项目中率先探索工业大数据标准应用，积极开展对标准体系的宣贯落实，并予以检验和完善。
5、强化专业人才培养引培
依托重大人才工程，加快培养引进一批精通工业基础知识和新一代信息技术知识的跨学科、复合型人才，培育数据机械工程师、数据科学家、用户界面专家等跨界人才。支持软件和信息技术服务企业、工业制造业企业与高等院校、科研院所加强合作，共建实习实训基地，发展订单式、现代学徒制等专业化人才培养模式，有针对性培养实用型、技能型人才，提升技术人员的综合数据处理能力。在高校和理工科大学开设数据科学与大数据技术专业，培养大数据系统架构师、分析师、数据分析师、数据挖掘工程师等专业人才。支持行业组织联合软件、制造业、互联网等相关领域企业开展跨行业技术交流活动，支持建设一批“工业+数据技术”实训基地。
