前言n n作为数据价值变现的核心技术手段之一，大数据分析的作用被广泛宣传甚至神化。对于工业大数据分析，产业界存在有不少困惑。n n是不是把商业大数据分析照搬过来就是就足够了？只要有了海量数据，大数据分析是不是不需要任何假设前提了？是不是机理模型或领域经验就不重要了？工业大数据分析有没有典型的范式来指导实际操作？n n从行业数据分析实践者的角度，本文上篇剖析工业大数据分析的常见误区与正确的价值变现之路；下篇归纳了工业大数据的典型分析范式，归纳为6类算法应用模式、4种融合模式和3类业务应用模式。n n上篇:工业大数据“大,不一样”n n在与工业企业的交流中，笔者感受到业界对大数据分析的期望与“神化”。n n谓之“神化”，是由于大数据应用在国内外实践产生的案例，在提质增效及个性化服务方面，产生的利润与之煽动的蝴蝶效应，让有些工业企业以为只要安装了传感器，能把数据采集下来，就能让数据说话，就能从上千种因素中定位出故障原因，就能精准指导研发、生产、运营。甚至误认为经典的机理模型或多年积累的经验不再重要。n n然而脱离机理与领域知识的大数据分析结果常常是“你以为你以为的不是你以为的”。n n<img class=size-full wp-image-4876 aligncenter" src=""http://www.k2data.com.cn/wp-content/uploads/2017/01/1-9.jpg"" alt=""1"" width=""655"" height=""368"" />n n工业大数据的“小”与“大”n n从传统大数据3V（Volume"