在“互联网 ”、智能制造等大趋势的推动下，制造业成了数字化转型的生力军和先锋官。如今，不管是在汽车制造的环节，还是销售和服务的环节，数据分析都扮演着十分重要的角色。不过，Qlik亚太区制造业和高科技市场开发总监杰瑞米（Jeremy Sim）在拜访一些中国制造企业时也发现了这样的问题：一方面，客户十分迫切地想采用数据分析技术；另一方面，客户又表示在基础架构、数据方面还没有完全准备好。
　　针对这种情况，杰瑞米表示，因为新的业务和应用不断涌现，基础架构的搭建和优化，以及数据一直在动态变化之中，所以不可能有100%准备好的那一刻。用户可以边实践边改进。另外一个趋势是，制造业的客户现在越来越多地从物联网（IoT）的角度出发考虑问题。现在，制造业企业都积累了一定量的数据，关键是如何让这些数据充分发挥其价值。
　　谈到制造企业当前面临的主要挑战，杰瑞米归纳了3个方面：消费者对产品的品质、功能的要求越来越高，再加上制造业市场竞争十分激烈，这给制造企业造成了极大压力；技术的创新是制造企业的核心竞争力；制造企业必须重视监管、合规的要求，保证产品生产过程可追溯。
　　以前，大厂商与小厂商之间有技术壁垒。现在，大多数厂商都具备基本相同的技术水平，比如手机的制造，厂商必须清楚地知道用户选择哪款手机的具体原因，这样才能改进设计和制造，重新赢得用户。这时，数据分析就派上了用场。
　　杰瑞米表示，制造企业拥有大量数据，有的企业甚至建立了多个“数据湖”，也就是数据资源池，现在的问题是如何对这些数据进行分析，对哪些数据进行分析，是否有明确的目标和KPI指标？Gartner的研究显示，2018年，80%的“数据湖”是没有用的。
　　大数据分析的最终目标是解决应用的问题。大数据分析不仅仅是对过去的数据进行整理和分析，更重要的是对未来做出预测。对于用户来说，得到想要的可视化分析结果固然重要，但是在数据的分析和探索过程中获得一些重要的信息和知识同样重要。带着问题去分析，并找出答案，在解决了一个问题后又会有新的问题产生，再接着进行探索。在这个周而复始的过程中，用户不仅有效地解决了问题，而且慢慢地养成了一种习惯和技能，这被Qlik称为是一种“数据素养”。
　　“分析是一个过程，而不仅仅是得到一个结果、一份报表。在数据整理、分析的过程中，用户就能获益。”杰瑞米进一步解释说，“现在，人们对数据分析的要求更高，在业务的每个层次都可以进行深入的分析和探索。企业全员，包括管理者、技术人员、业务人员都可以也有能力参与分析，共同协商，找出解决办法。海尔公司的体会是，数据分析不仅提供了一个工具，还带来了公司文化的改变。数据分析不是IT或技术层面的事，而是与业务和人密切相关。”
　　在制造行业，数据分析到底能有多大能量？杰瑞米举了很多例子。日本有一家专门从事设备维护服务的公司。以前，它每周定期上门为客户进行设备巡检和维护。有了数据分析以后，定期维修变成了风险维修，在对设备进行检查和分析的基础上，只有在预知到风险时才进行及时的维护，提高了工作效率，降低了成本。
　　很多人认为，只要数据量大、数据分析软件功能强大，就能得到很好的分析结果。其实，数据的关联性也非常重要。全球一家知名的货车制造商，就把货车的制造数据、货车的销售数据，甚至货车司机的驾驶数据进行关联分析，并将此作为货车研发、生产和维修的依据，取得了良好的效果。
　　“现在，用户希望能够随时随地展开分析，而不是只有管理者才能看到分析的结果，也不是所有分析只能在公司总部完成。企业的所有人员，都应该将数据的可视化分析结果，与自己的经验相互验证，然后再做出决定。”杰瑞米介绍说，“在BMW，从管理者到业务人员都在使用Qlik的数据分析产品，每个部门都在做自己的分析。美国一家知名的食品公司把分析功能‘下放’，销售人员通过iPad就可以了解市场情况、库存等信息。”中国的很多汽车制造企业也在用Qlik的产品。
　　当前，数据分析的一些新趋势是：将各种数据整合，进行关联性分析，而不是只看销售数据或某一类数据。利用数据分析技术和工具，促进企业业务的创新，业务人员不必借助IT人员的帮助，利用像Qlik这样的产品，自己就可以进行分析。數据分析价值的实现，不是只靠企业自己，而是要放眼整个生态，联合上下游伙伴、供应链上的各类合作伙伴，一起进行分析。