工業組織中的機器、感應器和裝置都會產生大量、複雜的效能追蹤、即時和其他非結構式資料的線索：
• 離岸鑽油平台通常每天最多會產生 2TB 的資料。
1
• 製造業公司每年會產生遠超過 1800 PB 的資料，為排名在後的工業之兩倍。
• 2019 年，估算有 3290 億美元投資在工業物聯網 (IIOT) 上，
2
ﾠ這項投資對驅動改善生產力、分析和工作場
所轉型而言相當重要，並且預測會在 2030 年為全球 GDP 帶來 15 兆美元的增長。
3
搭配 IIoT 的威力使用這些所有資料的潛力相當龐大。即時、串流和感應器資料可運用在任何項目上，包括
主動解決工廠設備問題、監控鑽油井效能，以及使用智慧儀表來觸及客戶，減少公用事業的過度使用或異常。
然而，這些可能也伴隨著挑戰：
• 一般組織會處理 31 種可為其分析系統提供資料的獨特資料來源。
• 資料科學家有 80% 的時間都在為了分析準備資料，而非分析資料本身。
• 根據《哈佛商業評論》，資料孤島甚至會使花費在準備資料上的時間超過 80%，並且可能會為分析計劃造
成負面影響。
4
這些統計資訊凸顯了充分利用工業公司所收集資料的困難。其中有許多資料由於都鎖在專有資料庫、自動化
系統和內部部署的儲存體中，無法進行共享。簡而言之，實際上無法存取這些資料。
工業資料趨勢
4
