新出台的《2016－2017年度工业分析报告》显示，工业分析不仅能为企业增加收益、提高客户满意度，还能提升产品质量，并对工业分析的发展趋势进行了预测。
据麦肯锡全球研究院（McKinsey Global Institute）预测，到2025年，物联网（IoT）在全球范围内产生的经济价值将高达11万亿美元。
69％的决策者认为，到2020年，工业分析（Industrial Analytics）将对企业业务起到至关重要的作用；而15％的决策者则认为，就目前而言，工业分析的作用都已经十分重要了。
未来1至3年，工业分析将主要运用于设备的预测性和规范性维护、客户／营销相关分析，以及产品使用情况分析三个方面。
企业对数据专家的技能缺口尚待填补，具备必要的技术能力的企业只占22％。
如何定义工业分析
工业分析（Industrial Analytics ，缩写IA），即对在工业生产及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，适用于任何制造和销售实体产品的企业。工业分析包括传统的数据抓取和建模方法，但其未来能否发挥价值主要取决于物质世界互联程度（物联网），以及分析、解释数据方法的改进（机器学习）。
数字分析协会（Digital Analytics Association e．V． Germany ，缩写DAAG）领头编撰了一本《2016－2017年度工业分析报告》，于近日发布。现归纳部分核心内容供诸君参考：
工业分析的三大好处：增加收益（33．1％），提高客户满意度（22．1％），提升产品质量。大多数的工业企业并不主要将工业分析用于降低成本，而是视其为增加未来收益的催化剂。企业利用工业分析获利的三种主要方法是：升级现有产品，改变现有产品的商业模式，创造新模式。
未来1至3年内，工业分析将最主要应用于设备的预测性和规范性维护。另两个种主要应用领域是客户／营销相关分析和产品使用情况分析则。
拥有企业级的数据分析策略的决策者达68％，设有专门的工作单元（部门）达46％，而实际完成了数据分析项目的只占30％。调查显示，在剩余的70％（没完成项目的）工业企业中，大多数处于项目试验阶段。
未来五年，商业智能（Business Intelligence，缩写BI）、预测性分析工具及高级分析平台将对实现工业数据分析至关重要。未来五年，商业智能的重要性将从39％上升到77％，预测性分析工具的重要性将从32％升至69％，而用于工业数据分析的电子数据表（spreadsheets）的重要程度将下滑。
在遗留系统（legacy system）、工业自动化、MES和SCADA系统整合的基础上，工业分析技术与基于传感器的数据相结合，进一步升级。IoT Analytics GmbH将这种技术定义为四个部分——数据来源，必备基础设施，分析工具和应用程序，如下如所示：
得益于工业物联网（IIoT）和工业4．0，智能传感器将以生产过程为依据，自主决策、自主权衡。IoT Analytics GmbH预计，这一进步将推进流程和产品智能化，在生产中交流信息，在决策中不断学习，逐步提高效益。该调查表明，生产执行系统（MES）将与更高级的企业计划和产品变更管理流程垂直整合，让企业无需逐层管理数据流，而可以同步管理数据流。
本文转自d1net（转载）
