1.优秀的数据分析平台

无论是上述核心功能还是最终的数据分析应用，都应该在优秀的数据分析平台上建立基础。

例如：光点科技的企业级数据智能分析系统，提供一站式数据分析、报表、绩效监控和信息发布的解决方案，具有驾驶舱、图形可视化、地图分析、自助报表、动态分析报告、自助查询、透视分析、多维分析、移动应用APP等功能模块。

2.清理和上下文数据

说到制造业大数据，很多人可能会想到“海量”，“各式各样”等等，似乎传统制造业的数据分析是一个“大竹筐”，一切都可以装。事实并非如此。数据分析应用程序在收集数据时必须对其进行清理和过滤。来自公司设备和系统的数据如果不放在有意义的上下文环境中，是没有意义的。

“大数据”还需要计算、存储、网络等资源，并确保数据已准备好用于显示和计算的。

3.数据采集

收集和整合数据，然后提取对公司有意义的数据。还需要为高级管理层和主管提供方便的数据输入渠道，以便提供一种数据不能实现上下文的数据。

4.计算KPI指标

精确的KPI指标是持续改进项目的关键，但开始跟踪KPI之前，公司必须制定一套有效的指标体系。

5.基于角色的可视化

目前，在可视化方面也存在一些误解。许多人被目前一些很酷的大屏幕所吸引。事实上，数据分析应用中最重要的可视化能力是以有意义可视化数据。简而言之，应该使用可视化数据“在正确的时间为正确的人提供正确的数据”。