本文就从这三个方面仔细说一下。快来涨姿势吧！
大数据定义
大数据首先突出一个特点就是数据量大，大到什么程度呢？我们目前处理数据大多还是在关系型数据库进行存储，然后再进行分析展现。而真正的大数据体量是传统的数据处理软件无法处理的。由于巨量的数据，已经无法进行分析，所以数据实际上是浪费了。
那么大数据技术是如何解决这个问题呢？这就要说到我们的分布式集群了，通过数十，数百台服务器组成集群，分布式存储所有计算节点的数据，利用技术可以实现成千上万计算机与PB级的数据连接起来，每一台服务器作为一个节点可以单独进行计算并处理节点故障。
上面说了大数据的一个特性，数据量(Volume),大数据还有两个特性：速度(Velocity),数据增长速度快，预计2020年全球数据将达到35.2ZB. 多变(Variety),数据种类繁多，包括音视频、图像、日志等非结构化数据。合称3V，来表示大数据的三个特点。
大数据的应用
先列举一些在互联网行业的通用性案例来说明一下。
推荐系统：主要用于广告推送，新闻推送等。我们在使用互联网产品时会产生大量数据，什么时间浏览了什么东西，到过哪里，用的什么手机。通过这些信息，公司就可以更准确的了解到客户的偏好和需求，做出针对性的改变。
预测分析，欺诈监测：基于大量的数据，可以识别出大规模的欺诈行为或者一些索赔欺诈。这个在保险公司使用会比较多，有些人会故意制造一些虚假索赔信息来进行索赔。通过大量的数据分析及一些算法可以找出那些恶意索赔的单据并划分风险等级。
数据本身就是价值，比如我们的消费信息，信用信息，健康信息这些就是极具价值的信息，服务商通过购买这些信息可以为我们提供精准服务。
人工智能：人工智能需要大量的数据来训练模型，所以，实现人工智能，第一步就是要有数据。
除此之外，大数据已经用于自然灾害预警、交通状况分析、电子商务、金融、电信等众多领域
智能制造与大数据
说了这么多，回归正题。大数据如何与制造业结合起来呢？
首先，制造业的数据来源一是业务数据, 来自于企业的各种管理系统，如ERP、CRM、SCM等系统，二是生产数据，如设备数据，来自于产线设备，PLC控制系统和传感器等
业务应用：
从业务上来说，大数据可用于BI(商业智能)，通过数据可视化，为企业提供决策依据，做出最合适的决策。现在很多大型企业都在做这方面的系统。
大数据可以用于供应链风险管理。通过对已有历史数据分析，以及对交付过程中可能存在的风险如天气，交通等情况分析可以评估产品或者原材料是否会延迟交付，并且提早做好应对措施。
大数据可以用于质量提升。当然，这是需要通过对生产过程中产生的数据进行监测分析，可以提前识别出可能有问题的产品，同时可以节省质检员检测的时间，为企业节省成本。
生产应用：
从生产上来说，大数据可以用于设备健康诊断。通过各种传感器收集上来的电流、震动频率、温度等数据，可以实时监测设备状态，一旦某个值有异常可以提前做出响应。此外可以通过设备的启停及运行时间来改善设备综合效率(OEE)
总结一下，大数据在制造业可以用于BI、供应链、产品质量、生产过程监测、设备健康诊断等方面。
