生產線執行系統、傳感器和機器運轉日志為各行企業提供了大量有關制造工藝的數據。未來十年，配有無線傳輸功能（通常指物聯網）的智能傳感器（如：檢測震動、溫度和濕度）的價格將從如今的幾美元一個進一步降至僅幾美分一個。智能傳感器不僅價格下降，而且可以輕松安裝在所有生產線上，使偏差追蹤和行為預測更加容易。隨著數據存儲費用降至史上最低點，企業可以利用云存儲海量數據，而無需進行固定資產投資。同樣，運行智能工廠的計算能力呈指數式增長，而且可以通過網絡獲得，這將幫助企業根據需要執行復雜分析。

    中國一些領先的航空公司利用工業互聯網搜集了大量發動機的渦輪葉片保修數據，結合遠程診斷紀錄和第三方數據，建立了葉片損傷分析預測模型，預測發動機的運行情況，定制科學的重復檢查間隔，提升運營效率。

    但是目前大多數工廠離智能化仍然很遠。在中國，實施數字化的第一個挑戰是企業認為“沒有數據”.而實際上，數據并不缺乏，只是一批接一批地堆在那。我們看到的一些中國制造企業只利用不到2%的數據改進生產，在很多情況下，生產線根本沒有與制造執行系統相連。

    預測性分析、大數據和機器學習、數據挖掘、數據智能和神經網絡等復雜的統計分析與工具開始逐漸改變企業對數據的看法，讓企業更好地理解復雜的制造工藝及隨后的改進方法——例如，在潛在問題實現前就能夠識別出數據和問題的依賴關系并進一步提前檢測問題。此外，通過深入分析歷史數據，運營經理可以發現具體工藝環節與輸入之間的特定模式及相互關系，然后對其進行優化，從而最大程度優化產量。

    領先企業已經開始連接所有生產線及系統，并開始大規模使用云存儲數據用于分析?，F在已經興起了一種以服務為基礎的數據分析行業，使分析成為運營部門可以負擔得起的工作。