工業大數據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：

工業大數據在業務邏輯大的分層上和互聯網大數據類似，一般都分為三部分，數據采集層、數據處理層和數據展現層，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，比如數據處理可以分為元數據管理層、數據交互層、數據分析層等等，如果你有興趣，可以把大數據劃分為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、測試規范等等，要都說清楚，基本也就搞不清楚工業大數據是怎么回事了。所以我們今天只討論通用的、簡化的、適用于一般場景的架構，而且僅僅是業務和邏輯層面的，技術層面的我們后面再詳細說明。

工業大數據系統非常重要的，也是基礎的層次是數據采集。沒有數據采集，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里哭泣，英雄無用武之地。在這一層，也是工業大數據與互聯網大數據差異非常大的一層，互聯網大樹的數據采集主要靠用戶的各種操作，例如網頁瀏覽、系統登錄、信息的互動、鼠標的點擊等，而工業大數據的數據來源更加多種多樣，最基本的是用于采集各類工業信號的傳感器，通過傳感器的采集，可以獲得機器設備的運行狀態、環境的指標、操作人的操作行為等各類信息。除通過傳感器采集的信息，還包括現場的視頻信息，各類圖像設備拍攝的圖片（例如，巡檢人員用手持設備拍攝的設備、環境信息圖片），語音及聲音信息（例如，操作人員的通話、設備運轉的音量等），遙感遙測信息等等，這些信息都是通過各類設備傳輸的。除此之外，還有操作人員手工錄入的各類信息，采集軟件抓取的企業內網的信息、互聯網上與企業相關的信息等等。這些信息共同構成了數據采集的來源。

數據采集領域也是自動化和信息化交叉最多的領域，其實也是一般IT從業人員比較頭疼的領域，跨學科嘛，哈！

數據采集結束后，就進入了數據處理階段，這一階段，軟件人員就可以大顯身手了，大部分技術都和互聯網大數據技術差不太多。通常，我們會對采集到的數據先進行一定程度的處理，各類工業協議需要解析、視頻流需要解碼、語音需要識別等等，識別處理好后再對數據進行規范、清洗，洗刷刷完成后，干凈數據才好用。需要立即處理的數據，例如報警、監測等，直接送到實時處理系統中進行處理，不著急的非急診數據請進入倉庫，按照類型存起來先。然后慢慢分析加工。存儲可能會用到多種數據庫，包括工業實時數據庫、關系型數據庫、地理數據庫、分布式數據庫、非關系型數據庫、內存數據庫等，這些數據庫的整合、管理、鏈接又是工業大數據的一個難題，這個我們放到后面詳細談。今天先聊宏觀。

洗干凈、切成塊、冷凍好的紅燒肉，啊，不是，存儲好的工業數據如此之海量，怎么推送給用戶就成為數據可視化層要干的事情了。數據可視化最近也比較火，原先做報表的，現在都號稱大數據可視化公司了，其實，單純的大數據可視化是沒有意義的，沒有對工業業務的深入理解，很難做出讓客戶的滿意的可視化結果。可視化包括許多方式，如報表、二維地圖、三維地圖、三維模型、短信、手機APP、微信、大屏等等，總之，通過一切手段讓用戶看到自己想看的數據即可。