不出意外的话，2012年的美国总统大选帮助阐明了一个清晰的优势，那就是精明地使用大数据可以为知识渊博的处理者提供帮助。多年来，制造商一直在努力掌握大数据的工作原理(数据集如此庞大和复杂，以至于使用现成的数据库管理工具很难处理)，但随着可访问和相关的数据集呈指数级增长，很明显，目前的技术无法跟上大数据带来的所有业务改进可能性。
对制造商的大数据有贡献的信息范围包括:在使用过程中捕获数据的产品，这些数据可以反馈到改进现有产品或开发新产品中;外部数据来源，如政府、学术界和标准组织;甚至可以用社交媒体来监控当前和潜在客户。要使用所有这些数据进行产品或流程改进或问题纠正，用户必须将手头的所有相关数据位关联起来，解释它们，然后使用这些信息来解决问题。
着眼于制造商如何更好地利用大数据，CIMdata(一家专注于产品生命周期管理的独立咨询公司)发布了一份题为《产品生命周期管理和数据洪流》的报告。
从本质上说，该报告指出，目前的产品数据管理、产品生命周期管理和商业智能软件包的许多功能都不能很好地完成帮助制造商有效处理大数据的任务。这些软件工具的问题不在于它们不能处理制造商的内部产品和生产数据，而在于所有的外部数据越来越多地融入到生产过程中。
CIMdata认为，信息发现和可视化工具非常适合支持处理大数据的现有PLM工具。据报道，这些发现和可视化工具将搜索和商业智能结合起来，“将数据合成为决策支持技术，使普通业务用户能够搜索、探索、链接和分析任何类型的信息。”
然而，仍然存在的问题是:大数据是你在运营中应该研究的东西吗?
最终，这要由你来决定，但以下是CIMdata声称使用发现和可视化工具可以为你的PLM策略增加的好处:
•Web内容挖掘，策划一站式资源，以访问分散在Web上的产品相关数据。这些数据可以包括行业法规和标准信息、来自政府和学术权威机构的开放数据集、供应商目录以及零部件规范和文档。
•“客户的声音”分析，跟踪并总结企业内部的客户话语(例如，电子邮件、电话、信件)以及社交媒体上的客户话语。搜索和语义处理技术提供了自动收集关于产品的社会话语的能力，并将这些知识带入PLM过程。
•从正在使用的产品中获取的实时传感器数据可以洞察真实的使用情况，以及实际的产品需求、产品故障信息、客户需求和习惯以及其他真实世界的数据。
参见CIMdata发布的白皮书全文，这进一步解释了CIMdata对向PLM添加可视化和发现工具的支持。本文还讨论了相关的安全问题、数据管理和数据持久性。
同时,看到自动化的世界GE智能平台公司最近发布了针对处理工业大数据的Proficy history产品的更新．通用电气表示，通过将Proficy history5.0和Proficy historyanalysis结合在一起，该组合产品允许公司将大量数据进行情境化、分析和可视化，并根据这些数据采取行动，以改善他们的运营。
