新出台的《2016－2017年度工業分析報告》顯示，工業分析不僅能為企業增加收益、提高客戶滿意度，還能提升産品品質，并對工業分析的發展趨勢進行了預測。
據麥肯錫全球研究院（mckinsey global institute）預測，到2025年，物聯網（iot）在全球範圍内産生的經濟價值将高達11萬億美元。
69％的決策者認為，到2020年，工業分析（industrial analytics）将對企業業務起到至關重要的作用；而15％的決策者則認為，就目前而言，工業分析的作用都已經十分重要了。
未來1至3年，工業分析将主要運用于裝置的預測性和規範性維護、客戶／營銷相關分析，以及産品使用情況分析三個方面。
企業對資料專家的技能缺口尚待填補，具備必要的技術能力的企業隻占22％。
如何定義工業分析
工業分析（industrial analytics ，縮寫ia），即對在工業生産及整個産品生命周期過程中産生的資料進行收集、分析和應用，适用于任何制造和銷售實體産品的企業。工業分析包括傳統的資料抓取和模組化方法，但其未來能否發揮價值主要取決于物質世界互聯程度（物聯網），以及分析、解釋資料方法的改進（機器學習）。
數字分析協會（digital analytics association e．v． germany ，縮寫daag）領頭編撰了一本《2016－2017年度工業分析報告》，于近日釋出。現歸納部分核心内容供諸君參考：
工業分析的三大好處：增加收益（33．1％），提高客戶滿意度（22．1％），提升産品品質。大多數的工業企業并不主要将工業分析用于降低成本，而是視其為增加未來收益的催化劑。企業利用工業分析獲利的三種主要方法是：更新現有産品，改變現有産品的商業模式，創造新模式。
未來1至3年内，工業分析将最主要應用于裝置的預測性和規範性維護。另兩個種主要應用領域是客戶／營銷相關分析和産品使用情況分析則。
擁有企業級的資料分析政策的決策者達68％，設有專門的工作單元（部門）達46％，而實際完成了資料分析項目的隻占30％。調查顯示，在剩餘的70％（沒完成項目的）工業企業中，大多數處于項目試驗階段。
未來五年，商業智能（business intelligence，縮寫bi）、預測性分析工具及進階分析平台将對實作工業資料分析至關重要。未來五年，商業智能的重要性将從39％上升到77％，預測性分析工具的重要性将從32％升至69％，而用于工業資料分析的電子資料表（spreadsheets）的重要程度将下滑。
在遺留系統（legacy system）、工業自動化、mes和scada系統整合的基礎上，工業分析技術與基于傳感器的資料相結合，進一步更新。iot analytics gmbh将這種技術定義為四個部分——資料來源，必備基礎設施，分析工具和應用程式，如下如所示：
得益于工業物聯網（iiot）和工業4．0，智能傳感器将以生産過程為依據，自主決策、自主權衡。iot analytics gmbh預計，這一進步将推進流程和産品智能化，在生産中交流資訊，在決策中不斷學習，逐漸提高效益。該調查表明，生産執行系統（mes）将與更進階的企業計劃和産品變更管理流程垂直整合，讓企業無需逐層管理資料流，而可以同步管理資料流。
本文轉自d1net（轉載）