工业大数据这个词其实并不是标准词汇，更类似于工业+大数据的组合概念。在工信部下发的《智能制造综合标准化体系建设指南》提到“工业大数据是工业领域完成相关信息化（包括企业内部的数据采集和集成，产业链横向的数据采集和集成，以及客户/用户和互联网上的大量外部数据）所产生的海量数据的基础上，经过深入分析和挖掘，为制造企业提供看待价值网络的全新视角，从而为制造业创造更大价值。”

而工业现场数据管理是一个全新的理念。在这之前，对于工业现场数据，一般只有数据采集这个说法，而缺乏针对整个工业现场环节的完整的数据管理体系和架构。

工业现场数据管理理念出现的原因，

从宏观上来看，主要是因为：

智慧工业的具象化和发展需要工业现场数据的支持

任何智能或者智慧应用，都离不开数据的支持。离开数据支持的应用，只会是一个象征性的摆设，没有任何实际意义。

在工业互联网和智慧工业领域，要实现工业／产业的智慧化，离不开工业现场数据的支持。无论是统计分析类应用、决策辅助类应用，还是可视化类的应用，都需要用到工业现场数据。前两者需要海量的现场历史数据的积累，而后者则需要用到实时性较高的现场实时数据。

应用和数据分离的大趋势的需要

目前，应用和数据分离是整个信息技术领域的大趋势。对于工业互联网领域而言，由于工业现场数据存在“一鸭多吃”的现象，即一份现场数据，可能被多个不同的应用／工业APP所需要，所以工业互联网的技术架构体系中，对于应用和数据分离的需求更加迫切。

作为应用和数据分离的典型，工业现场数据已经不能用传统的“即采即转，无脑上抛”的方式，而是需要对获得的工业现场数据进行有机的管理，并通过合适的方式，为各类应用／工业APP做好数据准备工作。

从微观上看，工业现场数据管理的核心作用和功能包括：

1、现场数据接入

工业现场设备的数据接入，是困扰很多工业互联网企业的难题。由于工业现场设备种类复杂、通讯条件以及数据采集要求各不相同，同时通讯协议／总线的开放度也有极大的差异，这些因素直接导致了工业现场设备的数据接入成为了摆在工业互联网项目推进和产业发展道路上的一只巨大的拦路虎。

而工业现场数据管理服务，由专业的团队对现场情况进行分析，通过对设备、产线、系统的数字化改造（接口转换、新增传感系统、协议解析、规约重构、通讯协调等），使之具备数据上传能力，可以完美解决这一难题。

2、数据初始化

从不同工业现场不同的设备、产线和系统获取的数据，多半都属于彼此异构的数据，因此在实际使用这些数据之前，需要对其进行初始化。

工业现场数据管理中包含了对工业现场设备、产线、系统中获取的数据的初始化处理，包括格式标准化、数据清洗及二次数据重构等内容。

3、数据管理

在IT领域，对于获得的标准化的数据，需要进行系统化的管理，在工业现场数据管理层面，数据管理的重要性同样不言而喻。

工业的数据管理，主要包括对初始化之后的数据进行存储，并在数据归属权明确、数据安全得到保障的前提下，对其进行调用、分发和传输。

4、数据应用

工业类应用和APP有一个和一般的IT应用所不同的特征，就是部分工业应用，对于数据的“新鲜度”要求极高，即这类应用，需要部署在工业现场的本地，对获取的数据进行第一时间的处理。

另一方面，在某些高并发和高频／超高频的数据采集场景，由于实时数据量太大，如果不在本地对数据进行处理和分析，将直接对整个平台乃至全系统的负荷造成影响。

基于上述两点，工业现场数据管理中，包含了数据应用的管理内容，即根据应用功能的需要，利用边缘计算和微服务技术，对工业现场数据进行应用和前置处理，以获取相关应用所需的分析结果。从工业运营视角出发，格创东智认为，做好工业现场数据管理，是敬畏工业现场的核心。

来源：格创东智