Een deel van de bron van industriële big data zijn de gegevens op het gebied van productie en bediening, en een groot deel zijn de machinegegevens die worden gegenereerd in het bedrijfsproces van productieapparatuur en geproduceerde hoogwaardige producten en apparatuur.
En de echte big data zijn niet de gegevens, de gegevens nadat de toegang tot opslaan kan worden gedaan, het echte werk is intelligente analyse en intelligente beslissing, door de integratie van de twee op basis van het intelligente analyse-optimalisatiesysteem "industriële hersenen" om de overeenkomstige intelligente beslissing uit te voeren.
Deze intelligente analyse en besluitvorming kunnen niet los worden gezien van de ondersteuning van het oorspronkelijke informatiesysteem en automatiseringssysteem, maar ook niet los van de fysieke apparatuur en apparaten die deze data produceren. Op basis van de omgevingsgegevens waarin de gegevens zijn geïntegreerd, wordt een big data-systeem met intelligente analyse- en optimalisatiemogelijkheden gebouwd op basis van het informatiebeheersysteem en het automatiseringssysteem om het doel te bereiken om de kwaliteit te verbeteren, de efficiëntie te verhogen, het verbruik te verminderen en risico's te beheersen .
Industriële big data kan worden onderverdeeld in drie categorieën. Een deel is industriële Internet of Things-data, zoals de data die 24 uur per dag wordt gegenereerd door productieapparatuur, intelligente producten en complexe apparatuur. Een deel van de bedrijfsinformatiseringsgegevens, en een belangrijk deel van de gegevens zijn de externe gegevens over de industriële keten, inclusief de milieugegevens van de apparatuur in het bedrijfsproces, zoals meteorologische gegevens, geografische gegevens en overeenkomstige milieugegevens. Alleen wanneer deze drie soorten data worden gecombineerd, kunnen ze industriële big data worden genoemd.
Gegevens gebruiken om te rijden. De eerste is om te kijken naar wat voor soort gegevens we nu hebben, waar ze vandaan komen, hoe we ze kunnen verzamelen als we ze niet hebben, wat de kenmerken van deze gegevens zijn, zoals tijdreeksgegevens, tijdruimtegegevens, gegevens gegenereerd door intelligente producten en gegevens gegenereerd door productieapparatuur, en hoeveel gegevens er uiteindelijk zijn. De tweede is om de gegevens te begrijpen, de gegevens hoe ze moeten worden opgeslagen, beheerd, gebruikt, een andere is belangrijker, hoe de kwaliteit van de gegevens te waarborgen. De derde is om welk soort systeem, wat voor soort tools te gebruiken om gegevensopslag, gegevensbeheer, gegevensverwerking te waarborgen? Tegelijkertijd is het integreren en associëren van deze gegevens niet alleen het analyseren en beheren van de door de apparatuur gegenereerde gegevens, maar ook het associëren van de omringende milieugegevens, geografische gegevens en andere grensoverschrijdende gegevens tijdens het analyseproces.
