制造业大数据资源构成

5.1.4.1　按不同来源分

如图5-3所示，根据制造企业的体系结构，制造业大数据由产品大数据、运营大数据和价值链大数据构成：

（1）产品大数据——计算、设计、仿真、工艺、加工、试验、维护数据、产品结构、配置关系、变更记录等。随着三维造型技术、真三维渲染、虚拟现实技术的广泛应用，产品模型的数据量也迅速增大。

（2）运营大数据——组织结构、管理制度、人力资源、薪酬、福利、设备、营销、财务、质量、生产、采购、库存、标准/行业法规、知识产权、工作计划、市场推广、办公文档、媒体传播、电子商务等。例如，在市场推广方面，涉及越来越多的多媒体数据。

（3）价值链大数据——客户、供应商、合作伙伴、联系人、联络记录、合同、回款、客户满意度等。例如，在客户服务过程中，涉及很多服务原始记录的保存。

（4）外部大数据——经济数据、政策信息、行业数据、竞争对手数据等。

图5-3　制造业大数据的不同来源

5.1.4.2　按不同结构分

根据数据在企业的存储形式，制造业大数据由结构化数据、非结构化数据及半结构化数据构成：

（1）结构化数据：一般用二维表结构来逻辑表达，主要存储在关系型数据库中，先有结构再有数据，结构一般不变，处理起来较方便。在制造企业运行阶段产生的传感器监控数据、采购库存数据等都大量地属于结构化数据，目前在制造业中得到广泛应用，价值利用程度较高。

（2）非结构化数据：相对于结构化数据而言，不方便用数据库二维逻辑表来表现，非纯文本类数据，没有标准格式，包括所有的合作伙伴文档、采购合同文本、产品外观图片、通信XML、客户网页交互HTML、行业数据报表、三维造型图像和仿真音频视频等，它们存储在非结构化数据库中，其中典型是非结构化WEB数据库，突破了关系数据库结构定义不易改变和数据定长的限制。(https://www.xing528.com)

（3）半结构化数据：介于结构化数据和完全无结构数据之间的数据类型，格式较为规范，一般都是纯文本数据，包括车间日志数据、变更记录XML、技术规范数据、管理制度数据等，一般是自描述的，数据的结构与内容混杂在一起，没有明显的区分，数据模型主要为树和图的形式。制造业大数据的不同结构如图5-4所示。

图5-4　制造业大数据的不同结构

5.1.4.3　按不同维度分

如图5-5所示，根据数据在制造行业的具体应用阶段，制造业大数据可以划分为以下维度：

图5-5　制造业大数据的不同维度

（1）设计维数据：基于对市场需求的分析预测以及与客户的沟通交流，利用设计维数据可以实现对产品的个性化设计、按需设计、动态设计，从而摆脱传统制造业中标准化和规模化的“流水线”式的生产模式。

（2）制造维数据：大数据制造企业摆脱工业时代的生产模式，自动化生产程度越来越高，普遍使用传感系统和机器人制造系统，因此产生了大量的制造过程数据，可以用来对生产过程进行实时监控记录，并在此基础上通过分析手段实现对制造过程的优化控制。

（3）营销维数据：大数据企业以网络平台作为营销的主要推广手段，企业与最终用户直接沟通，获得用户对产品与服务的直接需求，同时企业通过网络平台可以通过网络远程辅导用户对产品进行安装、调试、使用，并监控产品运行及其运行环境的变动，用户的使用习惯，事故或潜在事故，由此产生了大量营销维的交互型数据。

（4）服务维数据：大数据企业可以通过产品数据化对产品全生产周期进行更好地数据监控与管理，根据产品服务维数据对产品的使用情况及时做出分析判断，可以根据产品的使用寿命对产品的维护或者替换做出规划，并提前与用户沟通交流，提供更好的产品服务。