制造业升级常见的办法是引进先进的自动化生产设备，如全自动化的加工中心、工业机器人、智能机床、智能检测设备等，打造一条自动化的柔性可控的高效生产线，诸如美的的黑灯工厂、西门子的成都智能工厂等。这一类工厂很容易让人直观感受到智能制造设备扑面而来的高大上气息。而另一种隐形的升级则是加强对企业数据的收集、整合、分析、挖掘，发挥数据的价值。

美国辛辛那提大学李杰教授曾提出这样的观点：“智能制造或者工业4.0，它的本质并不是技术革命，而是知识的革命和传承的革命，是在制造大数据的基础上，将数据分析的能力变成知识创新的来源。”

数据依据其功能可以分为三种，一种是了解和解决可见的问题，一种是来分析和预测不可见的问题，第三种是从数据中挖掘新的知识，帮助更好地解决前两种问题。在向更先进地制造模式转型的过程中，这三种数据都值得被搜集并分析利用，其中第三种数据的应用尤其应当受到关注。

l  了解和解决可见的问题

在一些优秀的制造企业中，每件产品的信息都是完整记录在系统中的，最普遍的数据采集方式的是采用条形码技术，可以记录产品的生产时间、产线、工位、作业员、质检结果等信息，对于产品的质量控制有非常重大的意义。根据这些信息，企业可以对产品生产过程中的质量问题进行追溯，找出造成不良产品的根本原因，通过改善，提高产品的整体生产良率。

而随着技术的进步，产品的数据信息还将更进一步完善，如西门子提出的数字双胞胎技术、PTC的虚实融合技术，实际上也是对获取产品完善信息的深度和广度上的不懈追求。

l  分析和预测不可见的问题

目前，很多企业已经将数据收集的触手伸向了已售出的产品。通过对处于工作状态的产品数据的收集，企业可以在已有的数据模型的基础上对产品的性能作出预测分析，从而提前对产品进行维修维护，避免产品的意外故障给使用者造成的财产和人身安全损失。

这种模式改变了常规的事后维修或者定期点检的维修模式，使企业掌握了产品服务的主动权，更好地配置企业的各项服务资源。

l  从已有的数据中挖掘新的知识

通过对已出售产品的持续追踪服务，企业也可以了解消费者的使用习惯、使用频率、使用方式等，通过对这些数据的有效分析，可以针对用户提供个性化的产品。同时，通过对产品数据的各项使用分析，企业可以获得产品失效模式，对于改善产品质量提供依据，激活产品的更新迭代。

笔者认为，很多企业实施信息化系统，特别是研发信息化系统，目的就是将企业的数据收集存储并共享，在一定程度上减少获取数据信息的难度,进而促进对这些数据的价值挖掘。目前普遍存在的问题是信息系统之间的隔离造成了数据流通受阻，从而给企业造成额外负担。但是，未来的趋势一定是所有数据信息的畅通，以及由此带来的知识的快速积累与传承，而这些数据的内在价值将成为企业转型升级的驱动力。