最近公司规划搭建一个企业数据分析应用，我这所说的企业是制造业，为了完成这一任务，加快脚步研究工业大数据分析，这是一个庞大的课题，虽然我只是小小的螺丝钉，就因为这样我就更有学习的动力，在这里与大家分享一下下我最近的学习成果。
一、项目背景
二、市场分析
2.1 现状
2019年中国工业互联网市场规模达到了6261亿元，预计2023年突破万亿。
从产业链角度来看，工业制造一般分为研发设计、生产制造、营销服务三大区间，当前中国工业主要业务集中于生产制造环节，形成了产业“低附加值陷阱”。随着工业互联网等技术支撑，赋予产业链新价值创造模式，利用用户协同、技术革新，促进对工业研发设计改造；鼓励自主品牌建设、完善服务水准，驱动用户消费潜能；即从研发设计、营销服务两端向生产制造环节渗透，实现价值交换创造，推动效益最大化发展。
2.2 发展趋势
市场集中度较低，需要大量的工业技术、经验及知识的沉淀，目前来看大型制造业在该领域具备优势，有望发展建成跨行业跨领域的领先工业互联网平台。
三、目标用户
企业CEO、各部门高层管理者、数据分析师等人员
四、建设目标与进程
4.1 建设目标
1、帮助制造业在工业互联网之上实现智慧互联，如设备健康管理，产品全流程追溯，优化生产工艺，提高良品率等，全面提升智能制造水平。
2、整合内部生产经营数据，结合外部市场环境数据，帮助决策者以更高更全面的视角洞察生产、产品、市场数据，提升产品和企业的市场竞争力。
4.2 进程
4.1第一阶段：描述性分析
结合目前的数据中台，汇总“人财物、产供销”数据报表；基于企业数据本身的相关性构建数字化模型搭建各模块数据模型，形成各环节数据看板及初级企业驾驶舱，实现对实际生产及业务过程的描述分析。
4.2第二阶段：预测性分析
结合了多种高级分析功能，包括特设统计分析、预测性建模、数据挖掘、文本分析、优化、实时评分、机器学习等。这些工具可以帮助企业发现数据中的模式，并超越当前所发生的情况预测未来进展。
4.3第三阶段：规范性分析
为企业提供最佳行动建议，帮助实现业务目标，比如改善客户服务、增加利润和提升运营效率。规范性分析解决方案使用优化技术，通过数以百万计的决策变量、约束和权衡来帮助解决复杂决策问题。
五、技术框架
七、构建统一数据体系
7.2、标签体系建立
因前期数据采集、存储数据、数据处理都已经形成雏形，在这里就不多赘述；在这里更多涉及建立数据模型和标签体系。
第一步，需要设计一套满足此需求的客户、产品、供应商、员工等标签；
第二步，调研客户数据的来源，交易数据、生产数据、采购数据等；
第三步，经过前期的数据采集，进行数据资产的构建
7.1、数据模型的建立
建立数据模型一定要结合公司行业真实情况进行，确定建模的目的。对问题或想要体现的数据场景进行数据收集，分析数据后选择合适的函数模型进行建模；完成建模后需要对模型的解进行检验或修正，最后用模型的结果来为实施过程中做决策。
建模过程：
八、应用前端建立
九、后期规划
1、与用户沟通，收集数据问题；确定建模目标，梳理标签数据体系。
2、数据分析，实施数据建模。
3、验证数据模型是否符合实际；并对数据模型检验与修正。
4、数据指导业务的决策与执行。
