工业互联网可以看成是复杂的物理机械与网络传感器以及软件相集成的一个产物。为了刺激工业互联网的发展，GE今年宣布要与AWS共同开发“Predictivity”平台，目标是研发一个能够适应大数据时代的工业互联网。工业互联网可以看成是复杂的物理机械与网络传感器以及软件相集成的一个产物。为了刺激工业互联网的发展，GE今年宣布要与AWS共同开发 “Predictivity”平台。目标是研发一个能够适应大数据时代的工业互联网。这是一个基于Hadoop的软件平台，适用于高容量、机器数据管理，将为工业企业提供一个集合的架构，将智能机器、传感器和高级分析功能融于一炉。研发这样一个平台表明，制造业和工业企业在利用大数据方面存在着巨大的商机。
但是在工业互联网能被制造业普遍采用之前，它将会面临一些严重的挑战。首先，把一家传统工厂转变为一家智慧工厂，需要大量的投资，并采用新的工作方式;还需要有大数据标准和生态系统来确保不同的工业企业之间能够平滑地运营，在这方面还没有什么进展。当然，各类机械中的大量传感器将会产生海量的数据，会让我们很快就进入波字节(brontobytes，一千亿亿亿字节)时代。这就要求有能够处理海量数据的强有力的分析工具。此外，所有数据的安全也会成为工厂能否持续经营的一个生死攸关的问题。说到底，工业互联网只是将大数据应用于制造业的一个实例而已。
那么，采用工业互联网能获得什么样的好处呢?
优化运营效率
在生产过程中使用数据，并将传感器附着于机器上，就能分析整个生产流程，了解每个环节是如何执行的。一旦有某个流程偏离了标准工艺，就会产生一个报警信号。更快速地发现错误或者瓶颈所在，也就能更容易解决问题。利用大户数据技术还可以对工业产品的生产进行虚拟模型化，优化生产流程。当所有这些信息都能在一个中央仪表盘上可见时，这种透明度就有助于制造商还进其生产流程。
此外，很多组织的数据分布于企业中的各个孤岛中，特别是在大型跨国公司内，要想在整个企业内提取这些数据相当困难。而大数据则能帮助组织将所有的数据集中在一个平台(云中)上，让所有员工都可根据其职责等级去访问相关信息。创建一个产品生命周期管理(PLM)平台，从多个系统中整合多个数据集，将能极大地提升组织的效率和协同。
一旦可从一个云平台上访问信息的话，便可确保组织内的所有部门以相同的数据协同工作。如此便可减少失误，提升运营效率。
优化供应链
美国较大的OEM供应商超过千家，为制造企业提供超过1万种不同的产品，每家厂商都依靠市场预测和其他不同的变量，如销售数据、市场信息、展会、新闻、竞争对手的数据，甚至天气预报等来销售自己的产品。利用销售数据、产品的传感器数据和出自供应商数据库的数据，工业制造企业便可准确地预测全球不同区域的需求。
由于可以跟踪库存和销售价格，可以在价格下跌时买进，所以制造企业便可节约大量的成本。如果再利用产品中传感器所产生的数据，知道产品出了什么故障，哪里需要配件，他们还可以预测何处以及何时需要零件。这将会极大地减少困村，优化供应链。
节约成本
在设备生产过程中利用传感器集中监控所有的流程，还能够发现能耗的异常或峰值情形，如此便可在生产过程中优化能源的消耗。对所有流程进行分析将会大大降低能耗。
制造企业在工业互联网上利用大数据技术可改进运营效率、降低成本，创造更好地产品。在未来几年内，会有更多的制造企业看到利用大数据来优化供应链和生产流程方面需求，到那时，GE所设想的工业互联网就将变为现实。
