3）新的驅動力不同：感知技術的發(fā)展和普及是工業(yè)大數(shù)據(jù)的驅動力，現(xiàn)有的工控技術很難處理大數(shù)據(jù)量的挑戰(zhàn)，大量的監(jiān)測數(shù)據(jù)也為大數(shù)據(jù)分析帶來與業(yè)務數(shù)據(jù)融合分析的機會。而互聯(lián)網(wǎng)的發(fā)展為企業(yè)帶來與客戶交互的新渠道，極大促進了商業(yè)大數(shù)據(jù)分析的發(fā)展。工業(yè)領域的大數(shù)據(jù)大多是具有時空信息的結構化數(shù)據(jù)，且背后有明確的物理結構（如系統(tǒng)動力學、網(wǎng)絡拓撲關系等），對時間序列、時空模式、序列模式等結構模式挖掘非常重要。而商業(yè)大數(shù)據(jù)分析大多集中在結構化的數(shù)據(jù)倉庫表或非結構化數(shù)據(jù)（如文本、視頻），數(shù)據(jù)間除了實體關系和部分時空信息外，結構性關系較弱。
4）對分析技術的要求不同：工業(yè)系統(tǒng)的實時性高，動態(tài)性強，對分析結果的精度要求高，很難接受概率性預測，而商業(yè)應用常遵循大數(shù)原則，概率性的分析就可以為運營提供很大的幫助。不同工業(yè)應用場景對技術指標的要求也不同，比如在風機領域，大部件的故障檢測報警已經(jīng)在PLC中實現(xiàn)，大數(shù)據(jù)分析只有提前若干小時的故障預警才有意義；油氣管道泄漏檢測中，泄漏發(fā)生后的及時報警也很有意義，但其要求零漏報、極低的誤報(管道深埋地下，誤報會給一線工作人員帶來很大工作量)；在抽油機監(jiān)測分析中，可容忍分析算法對一些罕見或復雜故障類型的無法研判（類似漏報），但分析算法可以研判的出示功圖異常的的準確率應該是100%（這樣就可以降低70~80%的重復性工作）。
工業(yè)數(shù)據(jù)分析的價值實現(xiàn)之道
綜上所述，工業(yè)大數(shù)據(jù)分析更應該抱著“小數(shù)據(jù)”的心態(tài)，敬畏機理模型和領域經(jīng)驗，把數(shù)據(jù)分析模型與機理模型充分融合。數(shù)據(jù)分析對工業(yè)領域知識的幫助主要體現(xiàn)在如下3個渠道：