本文对工业大数据分析方法论进行了系统性地介绍，并对竞赛优胜团队的解题方法进行了详细地整理和解读。

该统计数据包含了2018年中国工业大数据产品分布情况。设备故障诊断占比最高，占比29.0%。

该统计数据包含了2018年中国工业大数据用户行业分布情况。离散型制造业占比最高，占比62.1%。

该统计数据包含了2018年中国工业大数据用户类型分布情况。大型企业占比最高，占比80.0%。

本数据记录了2017年企业大数据应用场景占比情况,其中营销分析占比61.7%。

该统计数据包含了2016-2021E中国工业大数据市场规模及增速情况。2021年市场规模最高，规模预计达到256亿元。

本数据记录了2016年企业大数据应用场景占比情况,其中营销分析占比61.7%。

该统计数据包含了2016-2017年中国企业大数据应用场景情况。2017年营销分析占比最高，占比63.2%。

本文通过TalkingData的数据工具故事、数据故事、服务故事，揭秘了TalkingData 大数据的生态。

工业大数据分析作为工业智能化发展的核心之一,是实践性非常强的工作，现实中的失败比例非常高。在《工业大数据分析指南》中虽然已对通用的工业大数据分析方法和分析流程进行了归纳和总结，但其更加关注于具有普遍指导意义的方法论，为能更好的指导企业开展工业大数据分析实践，我们选取了四个不同行业中已经落地应用的典型案例,并依照《工业大数据分析指南》的方法体系进行了较为深度的剖析，形成了本案例集。

首先论述了工业大数据分析的概念、特殊性以及常见的问题，提出了工业大数据分析框架，简要介绍了CRISP-DM模型，并针对模型落地的难点和模型使用的指导思想展开讨论，依次对业务理解、数据理解、数据准备、数据建模、模型验证与评估、模型部署这6个CRISP-DM模型的基本步骤进行了详细的阐述，从需求分析到目标评估，从数据来源到数据分类，从数据预处理到建模过程，从模型验证到部署问题处理，对每一个步骤中的原理方法、分析过程、处理方式、问题排除等都一一进行了讲解和说明，最后对工业大数据分析的未来发展进行了展望。

白皮书旨在呈现中国大数据产业生态的新格局、新业态、新模式，聚焦数字经济、智慧城市、大数据人才培养等热点领域，从技术创新、标准构建、人才培养、资本流向等方面进行深入剖析。

大数据产业主题数据包包含80项数据（25个数据报告、52个表格数据和3个数据图说），数据包的大小为149MB。大数据产业，是指大数据的产业集群、产业园区，涵盖大数据技术产品研发、工业大数据、行业大数据、大数据产业主体、大数据安全保障、大数据产业服务体系等组成的大数据工业园区。 AI产业兴起，大数据技术作为AI技术的重要分支正在蓬勃发展，中国的大数据产业也正在这一波浪潮中蓬勃发展。在政策方面，大数据政策逐步完善，应用场景建设落地成为关键。在规模方面，中国大数据产业规模持续高速增长，华东，华北地区持续领跑，以数据为驱动的数字产业园成为大数据产业集聚发展的重要载体，同时专业化、复合型大数据人才培养力度也在加大。 大数据创新市场竞争主体多样，机器学习、数据采集不断取得突破，且经过多年的发展，逐渐走向产业化、规模化。上一个十年，在互联网、移动互联网蓬勃发展的时代，流量为王；而未来十年，则将进入以大数据为核心的数字智能时代，场景为王。这也是为什么大数据产业如此受关注的原因。

随着互联网与工业融合创新，智能制造时代的到来，工业大数据技术及应用将成为未来提升制造业生产力、竞争力、创新能力的关键要素，是驱动产品智能化、生产过程智能化、管理智能化、服务智能化、新业态新模式智能化，支撑制造业转型和构建开放、共享、协作的智能制造产业生态的重要基础，对实施智能制造战略具有十分重要的推动作用。全国信息技术标准化技术委员会大数据标准工作组（以下简称“工作组”）由工信部和国标委共同指导，主要承担大数据相关标准化工作，已经发布了《大数据标准化白皮书（2016）版》。为了充分发挥国家标准的规划与指导作用，促进我国工业大数据标准体系建设，推动工业大数据在智能制造中的发展应用，工作组联合中国智能制造系统解决方案供应商联盟和中国开放对象标识（OID）应用联盟启动《大数据系列报告之一：工业大数据白皮书》的编制工作，旨在全面、客观地梳理国内外工业大数据相关工作基础和进展，根据业界最新实践、认知水平，总结提炼工业大数据标准化需求，提出标准化框架和发展建议。

本文通过回顾地产市场价值的重构、“场”的进化方向、数据展望共创地产生态价值，对持续变革的地产行业大数据征途进行了解析。