（暨南大学 管理学院，广东 广州510632）

一、引言

随着工业4.0、工业互联网、“中国制造2025”等国家战略的推进，世界各主要经济体争相利用新一代信息技术改造传统制造业[1]。尤其是以传感器技术、RFID 标签、嵌入式系统技术和微机电系统MEMS（Micro Electro Mechanical System）为代表的核心技术，能够对设备物联数据、生产经营业务数据、外部互联网数据进行自动化采集、存储、分析与可视化，实现了工业化数据与自动化数据的两化融合，融入了更多来自产业链上下游以及跨界的数据[2]。工业大数据逐渐成为智能工业化高级形态中最核心的生产资源[3]，它可以有效地驱动企业内部实现个性化定制、智能化生产，企业与企业之间实现网络化协同，对组织产生颠覆性的影响[4]。探索如何利用工业大数据促进传统企业实现转型升级关系到国计民生。在第四次工业革命席卷全球的背景下，充分挖掘工业大数据的潜在价值，促进传统企业发展，具有很强的实践价值。

在理论层面，Kusiak 发表于Nature的文章明确指出，工业大数据是实现智能制造的重要资源，然而已有的研究十分匮乏，亟需对工业大数据进行深入探索[5]。虽然大数据驱动的研究范式已经成为重要研究议题[6],如在社交媒体[7]、商务智能[8]、企业创新能力[9]等方面有关大数据的研究不断增多，但工业大数据的研究尚不多见，且已有的研究大多侧重于技术层面，尚未解释如何有效利用工业大数据提高生产效率、创造价值，其管理理论支撑不足，难以为实践提供切实可行的建议。……