大数据一词已被广泛使用，每个人似乎都对使用大数据工具和技术感兴趣，其中也包括工业应用。

在制造业领域中，大多数人都听说过“大数据”，大数据包括传统数据以及传统数据之外的数据源。在工厂环境中，这些传统数据可以被分成两种类型的数据流：运营技术（OT）数据和信息技术（IT）数据。

大数据是“多结构化的”，它具有必要的知识管理工具，可以访问来自不同来源的数据，并将其进行情景化以进行分析和报告。

大数据系统还需要能够快速地按解决并分析数据，而不受数据采集和查询的规模和速度影响。数据分析包括机器学习和人工智能，它可以帮助发现数据异常，预测生产、设备和未来行为，并为决策支持提供详细方案。

当现有数据已经被结构化的存储，并且仅需要与其他数据（例如通过OPC服务器）进行分析和情境化，如果需要在本地存储所需数据（出于安全性或隐私考虑），使用仪表板和数据连接器进行远程分析和可视化，从成本方面考量更有效，在提供与大数据实施类似的决策支持时更是如此。

大数据所面临的最大挑战之一可能就是如何规划大数据升级。强大的解决方案可以不断扩展，以便集成更新的数据源，在设计时已经考虑了升级而不影响功能和性能。