- 麦肯锡全球研究院预测，到2025年，物联网（IoT）产生的价值将高达11万亿美元。
- 69%的决策者认为，工业分析（Industrial Analytics）在2020年将对企业业务起到至关重要的作用。而15%的决策者则认为，工业分析在今天的作用已经至关重要。
- 在未来1-3年，设备的预测性和规范性维护（predictive and prescriptive maintenance）（79%）、客户/营销相关分析（77%）和产品使用情况分析（76%）是工业分析的前三大应用场景。
- 企业对于数据科学专家的技能缺口是巨大的。如今，只有22%的企业具备必要的技术能力。
如何定义工业分析
工业分析（IA）是指对在工业生产和整个产品生命周期过程中产生的数据进行收集、分析和应用，它适用于任何生产和销售实体产品的企业。工业分析包括了传统的数据获取和统计建模方法，但它未来的价值主要取决于连接度的进一步扩展（物联网），以及数据分析和解释方法的改进（机器学习）。
一个精彩的报告在上周发布了，它介绍了IA如何基于IoT、机器学习和大数据分析等领域的进展而日益成熟。这项研究由 Digital Analytics Association e.V. Germany (DAAG)发起和主持，由研究公司 IoT Analytics GmbH实施。该调查采访了151位分析领域的专家和工业公司的决策者。Hewlett-Packard Enterprise和数据科学服务公司Comma Soft and Kiana Systems是此次研究的赞助者。
以下是该报告的核心内容：
- 收益的上升（33.1%）、客户满意度的提高（22.1%）和产品质量的提高（11%）是IA带来的前三大好处。大多数的工业企业将IA视为未来收益增长的催化剂，而不是用于降低成本。升级现有产品、改变现有产品的商业模式、以及创造新的商业模式是企业用IA获取收益的三种典型方法。
- 在未来1-3年内，设备的预测性和规范性维护（predictive and prescriptive maintenance）（79%）是IA最重要的应用场景。客户/营销相关分析（77%）和产品使用情况分析（76%）紧随其后。
- 68%的决策者拥有一套全公司的数据分析战略，46%拥有专门的组织单元，而只有30%已经完成了实际项目。调查显示，在剩余的70%工业企业中，大多数处在项目的试验阶段。
- 未来五年，商业智能（BI）工具、预测性分析工具和先进的分析平台，对于工业数据分析的作用会十分关键。未来五年，BI工具如SAP Business Objects对于工业制造商的重要性将从39%上升到77%，预测性分析工具如HPE Haven Predictive Analytics的重要性将从32%升至69%。而用于工业数据分析的电子数据表（spreadsheets）的地位将下降。
- IA的技术堆栈是在遗留系统（legacy system）、工业自动化、MES和SCADA系统整合的基础上，与基于传感器的数据相结合进行扩展。IoT Analytics GmbH将这种技术堆栈定义为四个组成部分，即数据源、必要的基础设施、分析工具和应用程序。下图显示的即是这四个部分的具体内容：
- 工业物联网（IIoT）和工业4.0将使得智能传感器在生产执行过程中做出自主决策和自主权衡。IoT Analytics GmbH预计，这将导致流程和产品的智能化，即在生产环境中进行信息交流、在各种决策中不断学习进而提高效益。该调查表明，生产执行系统（MES）将会与更高层级的企业计划和产品变更管理流程进行垂直整合，使得企业能够同步统筹数据流，不再需要逐层安排。
原作者：Louis Columbus
原文链接：http://www.forbes.com/sites/louiscolumbus/2016/12/03/industrial-analytics-based-on-internet-of-things-will-revolutionize-manufacturing/#2ed5d1f749ac
