一家公司在工业数字化上的投入，常见的工作重点都放在了对现场设备的数据采集、收集、存储上。同时，对存储的数据进行汇总，做厂域或集团管理运营指标的统计，提供直观实时的数据报表，辅助管理。
但对于生产工艺的深入数据分析及挖掘，关于优化制造环节的分析算法，则相对少见。主要原因在于深入业务场景去做数据分析之前，还缺乏很多基础，其中的原因是多方面的。
一、工厂设备来自采购，设备使用方本身对设备加工工艺不够专业
成规模工厂的生产工艺设备，均需外部采购，有相当部分，甚至一条完整的工艺生产线还来自进口。这些进口设备一般带有完善的IT系统，除了基础的IT信息化功能外，往往还包含了各种原厂商多年积累下的工艺分析功能。采购方的实际生成中，对这些功能的挖掘应用都还十分有限，更不用说自己开发一套系统去实现相同的功能。
工厂作为设备使用方，采购回设备后，一般由设备提供方根据现场生产工艺需求，进行特定的设备参数调试再交付给工厂使用。作为工厂方，对加工工艺的认识是低于设备生产商的。就算开放了设备IT系统所有采集数据的权限，工厂方面也很难具备对工艺深入分析的能力。
二、国内设备厂商的IT系统规范性差，基础分析功能不完善
对于国产设备，随着技术积累，逐渐出现一些行业能实现对外部进口设备的替代。
但当前多数这类设备企业，其设备的IT系统还远没有国外品牌的完善。可能同一家企业同类型产品的IT系统都不能保持一致。比如缺少统一的电气开发的数据规范，同一含义的信号参数名称和数据标准不一致。
同时对一些基本的工艺数据分析功能的积累也还不够成熟，更不用说进一步的深入做设备数据的算法应用了。
深入工艺业务来研发分析功能，从常规设备IT系统入手，基于基本工艺原理进行分析功能开发，是绕不过去的工作。是否使用工业大数据技术，无非是数据量，和设备联网监控响应实时性的不同，从工艺原理上没有绝对的区别。
就算采用机器学习的数据算法，也绕不开其可解释性的问题，仍需对照传统数值分析对工艺现象的解释，来验证这类技术方向的有效性。这多少也属于科研性质的工业大数据分析算法项目了。
当前工业大数据的项目，主要还是在数据采集、平台搭建上。采集了数据如何使用仍是绝大多数工厂管理者的问题。这种问题困扰工厂管理者已经不是一年两年了。在早期初步搭建工业物联网数据平台后，通过定制化一个指标看板，初步了体现数据平台价值和能力。但再继续寻找一个深入场景来提高工厂生产效率则始终没有很好的头绪。
其实能将数据收集到平台，并构建一套符合业务管理的指标体系，已经很不容易了。对接不同数据源，做数据标准的统一处理，再依据指标体系进行汇总计算，是一个很长的工作链条。需要很强的数据治理能力，和业务拆解能力。但这与深入使用工业数据进行特定工艺场景的分析，是不同的事情。
目前还是有个别行业对设备工艺数据进行了较为深入的使用，例如电池、光伏行业。这些行业无不是国产能力突出的行业。广泛的制造业数据挖掘，仍有赖于国产研发能力的发展，在产业规模之外，掌握真正的核心技术，之后的大数据应用便是顺理成章的了。
