关于数字转型、信息技术/运营技术(IT/OT)融合和工业物联网的优点，已经写了很多文章，而且还在继续写。为什么制造商要在这些方面进行投资的根本原因是为了将数据转换为可操作的信息而获取工厂现场数据。信息的类型和分析的级别在很大程度上取决于自动化系统在工厂车间收敛的成熟度级别。
开始的地方正在评估植物融合模型的基础，可以分为四类。
- 限制性 - 许多网络存在，没有收敛，没有互连。收获和聚合数据最困难。
- 功能 - OT基础架构会聚到一个完整的网络中。数据仅限于在工厂地板上的过程细胞和工作单元之间共享。
- 有效- OT和IT网络基础设施融合，提供了将工厂楼层数据与业务报告交织在一起的机会。
- 创新- OT, IT和业务应用创造了一个能够有效的数据分析驱动业务决策的连接工厂。
注意，以上的前两种分类限制了每条业务线只专注于工厂底层的筒仓。第三和第四种分类为企业提供了更大的机会来关注使命、愿景和业务成果。
需要在制造公司的几个层面存在包含描述性，诊断，预测和规范信息的数据分析。1
- Analytics Germane在植物地板装置水平上运营，“设备运行正常吗？”[描述]，“为什么设备故障发生？”[诊断]，“我预测出现故障即将发生”[预测]，“应该采取哪些行动以避免将来的错误？”[规定]。
- “系统”级分析通常与工厂现场主管相关，可能是“1号线运行正常吗?”(描述性的)，“为什么1号线质量差?”“(诊断)，”我预测1号线已经超出了耐受性。，以及“操作员应该采取什么行动来避免质量差?”“(规定)。
- 与管理相关的“企业”级分析可以是“什么设施的性能最好?”(描述性的)，“为什么A工厂的产量落后于计划?”“我预测A工厂很快就会落后于计划。”以及“我应该采取什么行动来避免A工厂落后于计划?”“(规定)。
随着时间的推移，从数据中获取最大价值的过程也在不断发展。传统的工厂地面数据依赖于来自plc、DCS、HMI的实时数据，或历史学家的时间序列数据或关系数据库的基于事件的数据，这些数据主要是由控制系统工程师设置的，报告也主要由控制系统工程师创建。
如今，数据来自不同的数据源、控制系统、数据仓库和来自多个平台的数据聚合，需要数据集成工程师、数据架构师和商业智能(BI)工程师的人才。未来的数据分析很可能由工厂底层相同的不同数据源组成，通过边缘计算提供数据编排;事件输入、事件处理和丰富、流分析、数据托管和登台;提供云分析和内部自助分析，这些都是由混合控制工程师、物联网专家和软件开发人员开发的。
应用分析解决方案可能最好地使用“爬行，步行，运行”策略。
- 爬行——趋势时间序列数据已经并将继续是任何控制系统最基本的分析工具;明智地使用它，不要过度历史化您的过程。当与事件上下文相关时，时间序列趋势可以非常有洞察力。将警报和事件与趋势叠加。很多时候，这是控制系统内的本地集成，并且是2nd对许多OT专家和集成商．利用当前资产建模和事件平台创建设备层次结构、属性和事件，而不是仅仅向系统数据库“添加标签”。利用广泛可用的报告工具，如SQL Server reporting Services (SSRS)来收集有意义的见解。
- 行走——当代平台存在支撑OT / IT协作通过授权控制工程师来识别最合适的数据集并将信息直接发送到IT层。控件工程师可以以一种方式连接，上下文化和地图数据，以创建信息模型而无需传统的IT技能。
- 运行——这里是数据分析处理所有三个层次的地方——设备、系统和企业。系统集成商1英石专注于在每个部分中清楚地确定谁是关键的利益相关者，以及为什么他们需要的信息对实现他们的目标是有价值的。之后，系统集成商可以最好地利用他们的控制工程师混合、物联网专家和软件开发人员的人才和技能，进行协作，进行必要的配置、编程、测试和部署软件模块和平台对于数据创建，数据流，数据视图，设备分析，边缘分析，增强建模和过程/工作单元优化需要为制造组织提供解决方案。
系统集成商在制造和先进技术方面的知识，可以为制造商导航许多选项，绘制他们使用的数据分析路线图。SI的作用是为了了解客户的业务目标，因此SI可以向客户提供相关指导，即“在这里，现在，”下一个“，”下一步之后是什么“。
Daniel C. Malyszko，运营总监和IIOT顾问Malisko Engineering.的注册会员控制系统集成商协会（CSIA）。请参阅Malisko Engineering的配置文件CSIA工业自动化交流．
