总结而言，互联网和商业大数据与工业大数据在技术挑战、数据属性、和分析目的等方面有很多区别，这也决定了两者技术手段的不同。

工业大数据：工业价值转型的新视角
　　虽然互联网大数据与工业大数据的核心问题与技术路径不同，但并不意味着两者是格格不入的。相反，将互联网大数据与工业大数据相整合，能够相得益彰产生更大的价值。举例而言，制造系统正在改变过去生产驱动销售的“Push”模式和销售驱动生产的“Pull”模式，虽然已经具备满足不同订单需求的“柔性”生产模式，但依然无法改变对市场应激式的生产模式。

　　未来的智能制造系统将以数据来驱动，体现在设计过程的数据化(PLM、CAD)、制造系统驱动的数据化(MES、DCS)、和生产资源管理的数据化(ERP)等方式。但是这些都还只看到了制造系统本身，而忽略了这些数据化的源头应该是对市场和客户的数据化。利用商业大数据对市场进行预测、绘制客户需求画像、和分析供应状态实时评估等方式，能够从本质上将制造系统从应激式转变成为预测型的生产模式。

“不可见的世界”的价值

　　“有之以为利、无之以为用”是出自老子《道德经》中的一句话，其中的智慧放在当今工业的价值模式中依然十分受用。这句话可以理解为：一切事物的实体为我们提供可以凭借的可见的基础条件，而其中所隐藏的空间和可变化的无限可能才是被我们真正使用并创造价值的所在。

　　我们在《工业大数据》一书中，曾用煎蛋模型来阐述产品与服务价值之间的关系(图一)：蛋黄代表的是产品自身，其差异性和客制化程度并不明显，例如一台电视机在挡住了Logo之后就很难被区分出来是哪家公司生产的。而蛋白所代表的增值服务却是差异化和客制化的重要体现，也是企业的品牌和可持续性价值的所在。这些价值存在于用户的使用场景、隐形因素的相关性、和产品被制造和使用的全生命周期这些“不可见世界”中。
　　数据将成为挖掘这些价值的重要手段，主要体现在：利用数据挖掘在使用中获得新的知识和技术对现有产品进行改进；利用数据去发现和定义用户未知的需求；以数据作为媒介向用户提供增值服务。
工业大数据：工业价值转型的新视角
图一：工业价值的煎蛋模型新思维

　　以风力发电为例，风机本身的差异化并不明显，用户的定制化需求也并不强烈，但是风机在运行过程中的发电能力、运行稳定性、和运维成本等却是用户价值的核心。利用风机的运行大数据可以对风机进行健康管理、对潜在的运行风险进行预测、和对风场的运维进行优化，从而提升风机的可用率、改善发电效率、和降低运维成本。风机的制造厂商也可以不再仅仅通过卖出装备获得一次性的盈利，还可以通过向用户提供使用过程中的增值服务实现持续性的盈利。
工业大数据：工业价值转型的新视角
图二：可见与不可见的转型思维

　　人类社会在经历了200多年的科技革命后，已经积累了巨大的工业产品存量，工业的基础设施和大量基本生产要素，如机床、电力设施、动力设施、制造装备、交通装备等需求都已逐渐趋于饱和。因此德国的“工业4.0”战略中将面向制造系统的集成和软件服务作为重点，具体表现在“纵向集成”、“横向集成”和“端到端集成”。