简介

IBM 将“大数据”定义为无法使用传统流程或工具进行处理或分析的信息。大数据给各行各业带来了大量的挑战和潜在机遇，分析机构IDC预测2014年全球对大数据技术的投资将增长30%，超过140亿美元。

但是一直以来，对大数据的关注主要集中于社交媒体、广告、销售和情感分析等领域。不过大数据战略的商业应用尤其在产品设计与制造领域拥有巨大的潜力。正如过去十年来媒体、通讯和技术改变消费市场那样，聚集于产品生命周期管理(PLM)与交易数据系统 (ERP)中的庞大数据，以及长期的产品数据，可能会改变整个企业经营和工业格局。

以一家典型的制造企业为例，原材料、劳动力及能源是其主要成本。因此，就性质而言，企业的经营优化主要专注于物理层面，如精益化、供应链及卓越制造等领域。但是，利用大数据改善经营的过程，牵涉到对设计和制造流程中的各元素进行更深、更广、更智能的分析。

对大数据进行分析并利用其结果为决策制定提供依据可带来的关键效益包括：通过主动采用与市场同步的战略来实现企业目标，以及降低采购、转换及经销成本等有形价值。虽然各企业所采用的方法在细节方面完全是根据各自的实际情况而设计，但他们所遵循的关键原则却是统一的，即关注所有数据源，分析和利用内外环境中的各种变化。

市场动力

在一个不断扩大、日趋全球化、且竞争极其激烈的市场上，对新产品开发、发布及投资进行优化具有至关重要的意义，因此企业必须对所有PLM相关的信息实现快速、高效而有序的组织和管理。所有数据必须实现可视化，以便让流程中的所有参与人员及时获取适当的信息。

重视PLM领域并管理大量离散型数据集，同时逐渐摆脱以ERP与电子表格为中心的企业流程，是实现业务价值的关键所在，因为这给予了决策者有意义的分析和发现。由于应用分布式计算集群和框架，对大数据集和聚合进行分析的成本降低了不少。

因此，在制造业中利用大数据的关键在于，企业不再单纯地仅以结构性数据为制定业务决策的依据。传统制造企业内部及其周边存在大量原始数据有待收集。流入企业网络的庞大数据来自诸多源头，包括所谓的智能设备，它们可通过传感器自动监控各种环境因素并生成大量关于性能、通讯、环境及位置等数据。这些原始数据中蕴藏着重大的业务机遇，但是除非对之进行合理分析，否则无法揭示其隐含的价值。相对于其可能带来的潜在收益而言，捕捉此类数据所需的成本并不算高。对于决策制定而言，通过对非结构化数据进行分析所收集的信息同样具有重要意义。

大数据挑战

制造企业若要有效挖掘大数据的潜力，首先必须解决多重挑战，才能说服所有相关的利害关系人。

这包括大数据的所有权、问题的规模和复杂性、技术和业务流程的集成、以及解决问题所需的大量工具。事实上，所有企业都与大数据的增长存在千丝万缕的内在关联。不过令人欣慰的是，其潜在效益同样对企业的各个方面都有利。

虽然大数据的规模不可小觑，但其复杂性同样不容忽视。因此，要解决大数据挑战，不是简单地加大资源投入就可以，而是要采用完全不同的思维方式。相应的，技术也只是解决方案的一部分而已。如果不能将结果融入业务，并不断反馈给流程和工作流，绝大部分潜在效益都将得不到实现。

技术和流程的结合是不可或缺的，大数据挑战也绝非单一解决方案所能解决的，而是需要一个集成的方法，有效利用各种工具和资源。其中，关键是要确保在正确的应用场合部署适当的系统。最理想的情况是集成所有这些要素，以求实现最大效益——不只是实现单项应用的效益，而且要实现它们的综合效益以及综合搜索等支持功能。

数据安全

除了上述难题之外，有关大数据的另一顾虑在于数据保护方面。造成这一顾虑的原因有很多，如IT环境的改变以及不断变化的业务举措和规则等。