企業實現工業4.0的目標是簡單的：最大限度地提高效率和利潤，更精簡地運營，并在可能的情況下在危險或重復的領域引入自動化技術。

要實現這些任務，需要獲得資金和人力的支持，還需要獲得具有意義的運營信息。換句話說，它需要大數據。任何想要獲得工業4.0回報的企業都需要首先解決以下一些大數據挑戰：

1.孤立的數據

缺乏跨平臺、跨部門的數據共享可能是企業實現工業4.0面臨的最大挑戰。存在于“孤島”中的公司數據可能會使某一方或某個部門受益，但通常會導致浪費。如果組織中的每個部門都不能彼此共享數據和見解，那么就不可能實現真正的商業智能。

例如在一家半導體制造商的經營中，這家制造商以某種方式通過從生產的測試階段發送回數據，并將其無縫地“折疊”到其開發早期階段，從而結束“數據循環”。這可以讓該公司及早發現有缺陷的產品，并全面提高其質量。

2.數據系統冗余

據羿戓設計所了解，與孤立數據密切相關的另一個問題是數據系統冗余。一些企業可能使用企業資源計劃（ERP）系統來跟蹤業務的各個部分，其中包括客戶和供應商。但是，如果企業有一個以上的企業資源計劃（例如，每個設施或銷售區域都有一個）在兩者之間傳輸數據該怎么辦？如果有30個怎么辦？

這就是Anheuser-Busch InBev公司遇到的問題，因為該公司合并了一些子公司，并成為全球啤酒行業最知名的公司之一。該公司當時擁有27種不同的企業資源計劃系統。現在，他們只采用一種企業資源計劃系統，以更好地利用數據分析、報告和其他數字工具，這些工具得益于中央有序的企業數據存儲庫。

3.人才短缺

很多企業都在爭相聘請數據專家來幫助建立和維護數據庫，然后從所有組織的數據中收集（或構建工具以收集）見解。這就產生了一個問題，很多公司都在同時招募員工。

美國企業目前需要招聘15萬名以上的數據科學家。這是根據LinkedIn公司對美國企業的調查得出的，而直到現在這些職位還面臨短缺的情況。

另一個與人員配置密切相關的挑戰是應聘者的技能短缺。其中包括一些很難掌握的技能，比如數學和軟件開發。但是，優秀的數據科學家也需要具備很多軟技能，比如良好的溝通能力，以及向他人講述在數據中看到的故事的能力。

4.安全性和數據訪問

據 羿戓信息所了解，如今，有關物聯網（包括工業機器控制設備）安全漏洞的文章很多。在整個商業環境中，業務決策者仍然不愿投資于物聯網和其他數字變革技術，因為他們擔心這些資產帶來的安全性問題。

實際上，在Forrester和ForeScout公司的調查中，約有77%的公司表示，現在面臨著一些以前不必擔心的“重大”安全挑戰。但是，這些挑戰是什么？企業如何應對這些挑戰？以下是一些應對措施：

●連接的工業設備，包括傳感器、跟蹤器和控制設備，并不總是具有強大的安全性。企業員工必須熟悉更新過程，以確保遠程設備定期收到安全修補程序。

●采用數字優先原則的企業內部的數據訪問是數據安全性中的另一個嚴重問題。企業必須執行適當的認證程序，以確保員工只能訪問他們擁有許可的數據庫。

●即使是現代倉庫和制造工廠中的物理安全性也是重要的問題。必須始終使用正確的登錄記錄程序來保持服務機機柜的鎖定和監視，以確保企業寶貴的服務器和分析設備的安全。

當涉及到數據的安全性和訪問數據的能力時，許多細節可能會引起人們的注意。如果企業與外部公司簽訂了使用其數據設施的合同，需要涉及一些問題，例如他們的數據中心安全防護的能力。企業在是否建立內部數據基礎設施或依賴第三方基礎設施時總是需要權衡取舍。但是，在兩種經歷中，某些挑戰（例如為不可預見的計劃）都是相同的。

5.缺乏認同感和兼容性

最后，還有一個挑戰是如何確保收購。無可否認，工業4.0得到廣泛應用，它可以將美國各行業（例如交通、能源輸送、醫療保健、制作業等）的生產率提高35%。

但是與此同時，企業可能同時擁有新舊系統，但并非總是能很好地協同工作。如今，顛覆性數字技術為企業打開了新的大門，同時也增加了復雜供應鏈的風險。就像企業的各部門需要正確的數字工具促使數據流暢地流動，企業也需要能夠即時無縫地交換記錄、身份驗證、通知等。

結論

只要牢記這些挑戰，并在合適的人員上進行投資，就可以找到創造性的方法來克服這些挑戰。大數據和工業4.0具有很大的生產潛力和利潤潛力，雖然似乎很復雜，現在看來很難解決，但在將來總有辦法解決。