越来越多的信息唾手可得，解剖这些信息的工作量大得无法言说。特别是当信息来源不同而且并不是每一个需要这些信息的人都可以访问时。大数据有助于信息综合并为用户提供做出明智决策所需要的确切数据。了解如何捕获大数据并使其为我所用是问题的关键。
在企业制造系统中评估一个问题的时候，很重要的是要有全局观。工厂车间里的操作员可以使用供应链信息来了解接下来的生产计划。执行管理层可以协调他们的不同工厂的产能来将一个工厂的超负荷生产转移到另一个工厂去。公司需要生产线产能的信息、仓库容量、人员配置以及销售预测的信息等等。所有这些数据都有不同的来源。公司上下的很多人工作很长时间来创建不同格式的报告。
“使用这些由模型驱动的软件系统整理的数据为每一位需要的人提供数据访问所需要的协作和安全的环境；找到该工艺在各个领域的冠军来定义行业需求并且模拟数据。”
制造业的智能软件是为了帮助简化流程而设计的。目前可用的商业系统所提供的功能是将实时的和商业的数据汇总到一个中心位置，从而让用户可以将数据采集和目标保持一致。这些系统生成的报告和信息是标准的、可重复的而且可以在整个企业内部使用。这些商业软件系统提供数据聚集、可行动的提醒以及预测性分析。它们可以让用户优化信息并快速地、明智地做出商业决策。
企业软件系统既包括数据采集，也包括可视化，不过将一切汇聚到一起的关键内容是抽象层。这有助于实现制造业过程数据的标准化以及信息与生产团队相互关联。这个软件通常是配置公用设施或建模工具，有了它，你可以对从你的整个制造工艺的许多不相关的系统中提取出来的数据进行建模和情境化。开发这些工具的时候遵循的是ISA-95建模标准。在开发系统的时候使用这些标准是最佳做法。
举例说明，当从例如填充这个生产工艺中采集数据时，在企业范围内可能有几种不同的填充剂类型，而用户可能想要针对每一种填充剂计算设备综合效率（OEE）。尽管不同的填充剂可能有不同的输入和输出，它们还是有一些相同的属性。定义好了一种填充剂之后，用户会想要了解填充容积、被填充的容器数量、以及停产时间。用户也可能想要计算出计划的生产时间，这会需要生产计划和人员的可用性。实验室或质量数据可以帮助计算不合格的产品或废料。
图1使用抽象层来整合不同来源的数据。与其让几个少量数据位于不同的位置，不如将所有关于设备的信息都组合在一个填充目标的内部。数据经过聚合成为有用的、而且现在可以让整个企业都访问的信息。
利用大数据的主要复杂之处在于，一个制造工艺中需要如此多不同来源的专业知识。使用这些由模型驱动的软件系统整理的数据为每一位需要的人提供数据访问所需要的协作的和安全的环境。用户访问这些数据可以通过预开发的数据仪表盘及报告，或通过使用微软Excel及其他生成趋势图和图表专用工具的功能实现。
成功的实施需要团队的努力以及所有用户对该系统的认可。找到该工艺在各个领域的冠军来定义行业需求并且模拟数据，这样数据对每个人就都有了意义。最好从小处着手并在采用新数据或新功能时循序渐进。这会确保系统可以为每个人所用，特别是在公司开始考虑进行多项实施的时候。
