工業大資料一般如何進行處理呢？我畫了一個相對通用的架構圖來解釋一下：

        工業大資料在業務邏輯大的分層上和網際網路大資料類似，一般都分為三部分，資料採集層、資料處理層和資料展現層，當然，具體到一個實際案例中，或者說根據不同的應用場景，可以劃分為更多的層次，比如資料處理可以分為元資料管理層、資料互動層、資料分析層等等，如果你有興趣，可以把大資料劃分為N層。在分層的同時，還有許多同等重要的事情，例如安全保障、運維服務、測試規範等等，要都說清楚，基本也就搞不清楚工業大資料是怎麼回事了。所以我們今天只討論通用的、簡化的、適用於一般場景的架構，而且僅僅是業務和邏輯層面的，技術層面的我們後面再詳細說明。

        工業大資料系統非常重要的，也是基礎的層次是資料採集。沒有資料採集，所有的強大的、華麗的、技術非常NB的各種東東只能躲在黑暗裡哭泣，英雄無用武之地。在這一層，也是工業大資料與網際網路大資料差異非常大的一層，網際網路大資料的資料採集主要靠使用者的各種操作，例如網頁瀏覽、系統登入、資訊的互動、滑鼠的點選等，而工業大資料的資料來源更加多種多樣，最基本的是用於採集各類工業訊號的感測器，通過感測器的採集，可以獲得機器裝置的執行狀態、環境的指標、操作人的操作行為等各類資訊。除通過感測器採集的資訊，還包括現場的視訊資訊，各類影象裝置拍攝的圖片（例如，巡檢人員用手持裝置拍攝的裝置、環境資訊圖片），語音及聲音資訊（例如，操作人員的通話、裝置運轉的音量等），遙感遙測資訊等等，這些資訊都是通過各類裝置傳輸的。除此之外，還有操作人員手工錄入的各類資訊，採集軟體抓取的企業內網的資訊、網際網路上與企業相關的資訊等等。這些資訊共同構成了資料採集的來源。

        資料採集領域也是自動化和資訊化交叉最多的領域，其實也是一般IT從業人員比較頭疼的領域，跨學科嘛，哈！

        資料採集結束後，就進入了資料處理階段，這一階段，軟體人員就可以大顯身手了，大部分技術都和網際網路大資料技術差不太多。通常，我們會對採集到的資料先進行一定程度的處理，各類工業協議需要解析、視訊流需要解碼、語音需要識別等等，識別處理好後再對資料進行規範、清洗，洗刷刷完成後，乾淨資料才好用。需要立即處理的資料，例如報警、監測等，直接送到實時處理系統中進行處理，不著急的非急診資料請進入倉庫，按照型別存起來先。然後慢慢分析加工。儲存可能會用到多種資料庫，包括工業實時資料庫、關係型資料庫、地理資料庫、分散式資料庫、非關係型資料庫、記憶體資料庫等，這些資料庫的整合、管理、連結又是工業大資料的一個難題，這個我們放到後面詳細談。今天先聊巨集觀。

        洗乾淨、切成塊、冷凍好的紅燒肉，啊，不是，儲存好的工業資料如此之海量，怎麼推送給使用者就成為資料視覺化層要乾的事情了。資料視覺化最近也比較火，原先做報表的，現在都號稱大資料視覺化公司了，其實，單純的大資料視覺化是沒有意義的，沒有對工業業務的深入理解，很難做出讓客戶的滿意的視覺化結果。視覺化包括許多方式，如報表、二維地圖、三維地圖、三維模型、簡訊、手機APP、微信、大屏等等，總之，通過一切手段讓使用者看到自己想看的資料即可。