現在已經有越來越多的行業和技術領域需求大資料分析系統，例如金融行業需要使用大資料系統結合 VaR(value at risk) 或者機器學習方案進行信貸風控，零售、餐飲行業需要大資料系統實現輔助銷售決策，各種 IOT 場景需要大資料系統持續聚合和分析時序資料，各大科技公司需要建立大資料分析中臺。

以前只有大企業才能管理好資料並把資料變成合理的商業智慧，但是現在隨著電腦和手機的普及，這些都為物聯網帶來了很多的資料，大資料已經不再是大型企業的專屬名詞了，一些中小企業也可以獲得同樣的收益和回報，大部分的中小企業都已經把大資料看成是未來發展壯大的重要機會。

一、銷售的最大化

對場景和商品以及消費者進行大資料的分析，在合適的場景提供符合消費者需求的商品和服務，讓暢銷商品不缺貨，滯銷商品不積壓，產品有關聯，銷售價值更高，消費者的體驗更加好。

二、流程效率提升和成本縮減

透過大資料分析，發現生產、銷售、物流等過程中無價值或存在資源浪費的環節、行為等，進行調整最佳化，進而節省大量成本。

三、未來銷售預測

對於歷史的銷售資料進行深度的分析和挖掘，結合實時的市場資料，對未來的市場趨勢和銷售的情況進行精準預測，提前做好相關的銷售準備，降低銷售的風險。

四、新客挖掘

大資料技術會將使用者購買、使用和評價某種產品的記錄儲存，然後透過大資料分析出這片區域的使用者行為偏向，然後透過資料分析該區域的潛在客戶分佈區域，引導企業挖掘新的客戶。

五、老客喚醒

透過大資料技術，企業可以輕易獲得目標區域結構的變化，人群消費行為變化，區域行業結構變化等資訊，此外，企業還能透過大資料獲取行業供需關係，從而判斷自己的企業能否盈利。

六、新產品和新市場的發現

透過對現有產品、銷售狀況、交易趨勢、市場走向等進行分析，準確判斷出推出怎樣的新產品最有可能成為熱銷爆款，以及最適合什麼樣的市場

不過中小企業也面臨技術挑戰：

大資料行業蓬勃發展的同時，中小企業普遍面臨人才短缺、技術儲備不足，數字化戰略模糊、戰術欠缺，資料安全風險等各種制約門檻，最為突出的問題是中小企業生產門檻低，同類市場競爭大，產品及服務的同質化十分嚴重，以上這些短板並非只表現在大型企業至上，更是中小企業依託大資料實現自身轉型升級並迎頭趕上的攔路虎。

據權威資料顯示，目前中小企業已然佔到整個市場主體的95%以上，而在2017年中國中小企業研發投入僅佔銷售額的2%左右，在技術、產品、服務等方面嚴重缺乏核心競爭力。如果中小企業加大技術研發投入顯然不太現實。

比如：

1、業務分析的資料範圍橫跨實時資料和歷史資料，既需要低延遲的實時資料分析，也需要對 PB 級的歷史資料進行探索性的資料分析；

2、可靠性和可擴充套件性問題，使用者可能會儲存海量的歷史資料，同時資料規模有持續增長的趨勢，需要引入分散式儲存系統來滿足可靠性和可擴充套件性需求，同時保證成本可控；

3、技術棧深，需要組合流式元件、儲存系統、計算元件和；

4、可運維性要求高，複雜的大資料架構難以維護和管控；

公開資料顯示，只有不到10%的企業擁有內部大資料體系和資料應用系統。絕大多數的中小製造業對大資料的應用仍處於茫然不知所措的狀態。

製造業大資料講究全供應鏈的資料融通，其終極目標是利用資料解決生產交期和生產質量、成本控制問題。

製造業大資料應該是圍繞產供銷業務資料以及服務於生產效能的技術、BOM、工序、工藝、產能、排程、質量、物料中轉配送的全供應鏈體系內涉及人機物與過程資訊資源的所有系統化資料。

企業成本包含直接成本間接成本，又可細分靜態因素成本和動態過程成本。動態過程成本是生產過程控制，生產質量效能的終極體現。提升生產質量和效率，缺少大資料，尤其是生產過程控制的工序工時工藝工價過程狀態意外發生等必不可少。

1、歷史經營和經驗資料的數字化梳理、最佳化與標準化。

2、建立歷史大資料資訊基礎資料庫，建立並統一未來大資料體系獲取標準。

3、企業內部依據大資料體系標準進行業務流程的最佳化和一體化融合，實現高效工作的同時，360度無死角獲取大資料，從而構建起企業內部大資料工作環境。

4、建立大資料視覺化體系，實現關鍵崗位、管控要素數字化可視實時動態全自動

預警、分析應用，並作出及時準確的響應

5、加強企業內部大資料思維的培訓和強化，增強基礎管理層人員和核心崗位人員的數字化管控能力和資料探勘創新應用能力。

6、建立企業內物聯網系統，人機物融合打通，進一步完善大資料體系環境。

精效數智服務，讓中小企業花小錢辦大事，不說空話，只辦實事:

讓更多的中小製造企業瞭解、明白，並能得心應手玩轉製造大資料，實現數字化轉型升級，實現產業鏈大資料生態系統和產業創新協同模式發展，是精效數智的堅定目標。