Dalis pramoninių didžiųjų duomenų šaltinio yra gamybos ir eksploatavimo srities duomenys, o didelę dalį sudaro mašininiai duomenys, generuojami gamybos įrangos ir gaminamų aukščiausios klasės produktų bei įrangos eksploatavimo procese.
Ir tikrieji dideli duomenys nėra duomenys, o duomenis po prieigos išsaugoti galima padaryti, realus dalykas yra protinga analizė ir protingas sprendimas, integruojant abu juos remiantis intelektualios analizės optimizavimo sistema "pramonės smegenys". įvykdyti atitinkamą protingą sprendimą.
Šios išmaniosios analizės ir sprendimų priėmimo galimybės negali būti atskirtos nuo pirminės informacinės sistemos ir automatizavimo sistemos palaikymo, bet taip pat negali būti atskirtos nuo fizinės įrangos ir įrangos, kuri gamina šiuos duomenis. Remiantis aplinkos duomenimis, kuriuose duomenys yra integruoti, informacijos valdymo sistemos ir automatizavimo sistemos pagrindu yra sukurta didelių duomenų sistema, turinti išmaniosios analizės ir optimizavimo galimybes, siekiant gerinti kokybę, didinti efektyvumą, mažinti vartojimą ir kontroliuoti riziką. .
Pramoninius didelius duomenis galima suskirstyti į tris kategorijas. Viena dalis yra pramoniniai daiktų interneto duomenys, tokie kaip gamybos įrangos, intelektualių produktų ir sudėtingos įrangos 24 valandas per parą generuojami duomenys. Dalis įmonės informatikos duomenų, o svarbi duomenų dalis yra pramonės grandinės išoriniai duomenys, įskaitant eksploatacijos proceso įrangos aplinkos duomenis, tokius kaip meteorologiniai duomenys, geografiniai duomenys ir atitinkami aplinkos duomenys. Tik sujungus šiuos tris duomenų tipus, jie gali būti vadinami pramoniniais dideliais duomenimis.
Kaip naudoti duomenis vairuoti. Pirmiausia reikia pažiūrėti, kokius duomenis dabar turime, iš kur jie gaunami, kaip juos rinkti, jei jų neturime, kokios yra šių duomenų ypatybės, pvz., laiko eilučių duomenys, laiko erdvės duomenys, duomenys kuriuos generuoja išmanieji produktai ir gamybos įrangos generuojami duomenys, ir kiek duomenų yra galų gale. Antra – suprasti duomenis, duomenis, kaip juos išsaugoti, valdyti, naudoti, kita svarbiau – kaip užtikrinti duomenų kokybę. Trečia – kokia sistema, kokiais įrankiais užtikrinti duomenų saugojimą, duomenų valdymą, duomenų apdorojimą? Tuo pačiu metu, kaip integruoti ir susieti šiuos duomenis, reikia ne tik analizuoti ir valdyti įrangos generuojamus duomenis, bet ir susieti aplinkos duomenis, geografinius ir kitus tarpvalstybinius duomenis analizės procese.
