工业大数据是指在工业领域中，围绕典型智能制造模式，从客户需求到销售、订单、计划、研发、设计、工艺、制造、采购、供应、库存、发货和交付、售后服务、运维、报废或回收再制造等整个产品全生命周期各个环节所产生的各类数据及相关技术和应用的总称。其以产品数据为核心，极大延展了传统工业数据范围，同时还包括工业大数据相关技术和应用（狭义和广义）。
数据可视化是关于数据视觉表现形式的科学技术研究。其中，这种数据的视觉表现形式被定义为，一种以某种概要形式抽提出来的信息，包括相应信息单位的各种属性和变量。它是一个处于不断演变之中的概念，其边界在不断地扩大。主要指的是技术上较为高级的技术方法，而这些技术方法允许利用图形、图像处理、计算机视觉以及用户界面，通过表达、建模以及对立体、表面、属性以及动画的显示，对数据加以可视化解释。与立体建模之类的特殊技术方法相比，数据可视化所涵盖的技术方法要广泛得多（能力内、能力外）。
工业数据可视化的三个关注点：
1、“人找数据”，通过人为设定数据与相关人关系，及搜索条件，进行人工处理。2、“数据找人”，通过规则设定数据属性，人员属性，进行半人工处理。3、智能化推送，通过语义分析及机器学习，进行系统智能判断指向性推送。
数据责任：
1、每台机器需要自身传感器、周边环境等多维数据描述。2、企业的组织机构、管理流程、业务层级等对数据的要求。3、针对同一类要求的数据的时效、种类、使用方法、作用等。
数据量及频率的矛盾：
1、工业数据（狭义）主要来源于传感器的数据采集，因此其数据量取决于工业规模而定。2、传感器按照恒定的频率快速更新，如何兼顾数字的更新频率与视觉效果。（10次/秒）3、数据存储空间。数据存取的时效。
云存储与数据管理的四个方面能力：
IaaS： 基础设施能力（服务器、存储、网络）
PaaS：数据基础能力（数据采集、数据存储计算和数据交互）平台管理能力（多租户、权限、安全、资源、负载、配额、计量）应用开放能力（开发者管理门户、统一调度平台）
DaaS：数据管理能力（数据建模、数据质量管理、数据安全管理、数据资产管理、元数据管理）
SaaS：应用服务能力（企业内的报表、查询、统计、分析、挖掘，企业对外价值变现、宣传、社会责任等）
工业信息化平台：
云服务：
