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。

该统计数据包含了2020年中国重点城市大数据企业规模。其中 北京市大数据企业有3700家。

该统计数据包含了2020年中国重点城市大数据企业情况指数。其中北京的大数据企业情况指数为100.00。

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%。

该统计数据包含了2020年中国重点城市大数据专业规模。其中上海的大数据专业高校数量为24所。

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。

该统计数据包含了2020年中国重点城市大数据市场情况指数。其中重庆大数据市场情况指数为98.39。

该统计数据包含了2020年中国重点城市大数据产业辐射度。其中沈阳大数据产业辐射度为99.69。

该统计数据包含了2020年中国重点城市大数据发展总体指数。其中北京的大数据发展指数为93.86。

该统计数据包含了2020年中国重点城市大数据发展环境指数。其中北京的大数据发展环境指数为94.81。

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。