.
从机器学习到数据可视化，大数据发展至今已经拥有了一套相当成熟的技术树，不同的技术层面有着不同的技术架构，而且每年还会涌现出新的技术名词。
核心技术
大数据的核心技术，无非三个过程：取数据、算数据、用数据。这么说可能会觉得太空泛，简单来说从大数据的生命周期来看，无外乎四个方面：大数据采集、大数据预处理、大数据存储、大数据分析，它们共同组成了大数据生命周期里最核心的技术。
应用方向
我们利用大数据推动智能制造主要有以下3个方向：
1.把问题变成数据，利用数据对问题的产生和解决进行建模，把经验变成可持续的价值。
2.把数据变成知识，从解决“可见问题”延伸到“不可见问题”，不仅要明白“how”，还要去理解“why”。
3.把知识再变成数据，这里的数据指的是生产中的指令、工艺参数和可执行的决策，从根本上去解决和避免问题。
工业大数据的长期目标是构建“数字双胞胎”。只有工业数据越来越丰富、全面，质量越来越高，“双胞胎”才可能长得像，才能“心心相印”。通过数字世界里的计算、分析、预测、优化，来指导物理世界的最优运行，从而开辟新的增长空间。
下一步工作为此，还需直面上述挑战，做好几个方面的工作：
1.夯实数据基础，高度重视数据资产管理的战略价值
企业不仅要关注最终数据分析的显性价值，更要重视数据采集、资产管理、治理、互操作与标准化等基础性工作的价值。磨刀不误砍柴工，只有地基牢固了，工业大数据才能可信、可用，成为价值源泉。
2.抓住技术创新机遇
数据技术正在进入新的发展阶段，时序数据库、知识图谱、深度学习、安全多方计算等为工业大数据采集、整合与分析孕育着新的动力，将特定应用场景与这些新技术结合，有望带来新的突破。
3.建立行业标准与规则
在行业层面，可以发挥行业协会等作用，在数据采集协议、数据模型等方面建立行业标准，扫清技术层面互通的障碍。同时，还要推动形成工业企业间数据共享的行业规则，创造安全可信、利益均衡的数据流通生态，为打破全行业数据孤岛铺平道路。
工业大数据具有无限的潜力和机会，更有可能提升原始创新能力，面向未来，产业界各方需用全新的“大数据”思维，开辟工业化建设实现跨越式发展的新途径。
注：部分图片来源于网络，如有侵权，请联系管理员删除。
