随着技术的发展，企业必须考虑到工业4.0的大数据挑战。
企业实现工业4.0的目标是简单的：很大限度地提高效率和利润，更精简地运营，并在可能的情况下在危险或重复的领域引入自动化技术。
要实现这些任务，需要获得资金和人力的支持，还需要获得具有意义的运营信息。换句话说，它需要大数据。任何想要获得工业4.0回报的企业都需要首先解决以下一些大数据挑战：
1.孤立的数据
缺乏跨平台、跨部门的数据共享可能是企业实现工业4.0面临的比较大大的挑战。存在于“孤岛”中的公司数据可能会使某一方或某个部门受益，但通常会导致浪费。如果组织中的每个部门都不能彼此共享数据和见解，那么就不可能实现真正的商业智能。
例如在一家半导体制造商的经营中，这家制造商以某种方式通过从生产的测试阶段发送回数据，并将其无缝地“折叠”到其开发早期阶段，从而结束 “数据循环”。这可以让该公司及早发现有缺陷的产品，并全面提高其质量。
2.数据系统冗余
与孤立数据密切相关的另一个问题是数据系统冗余。一些企业可能使用企业资源计划(ERP)系统来跟踪业务的各个部分，其中包括客户和供应商。但是，如果企业有一个以上的企业资源计划(例如，每个设施或销售区域都有一个)在两者之间传输数据该怎么办?如果有30个怎么办?
这就是Anheuser-Busch InBev公司遇到的问题，因为该公司合并了一些子公司，并成为全球啤酒行业最知名的公司之一。该公司当时拥有27种不同的企业资源计划系统。现在，他们只采用一种企业资源计划系统，以更好地利用数据分析、报告和其他数字工具，这些工具得益于中央有序的企业数据存储库。
3.人才短缺
很多企业都在争相聘请数据专家来帮助建立和维护数据库，然后从所有组织的数据中收集(或构建工具以收集)见解。这就产生了一个问题，很多公司都在同时招募员工。
美国企业目前需要招聘15万名以上的数据科学家。这是根据LinkedIn公司对美国企业的调查得出的，而直到现在这些职位还面临短缺的情况。
另一个与人员配置密切相关的挑战是应聘者的技能短缺。其中包括一些很难掌握的技能，比如数学和软件开发。但是，优秀的数据科学家也需要具备很多软技能，比如良好的沟通能力，以及向他人讲述在数据中看到的故事的能力。
4.安全性和数据访问
如今，有关物联网(包括工业机器控制设备)安全漏洞的文章很多。在整个商业环境中，业务决策者仍然不愿投资于物联网和其他数字变革技术，因为他们担心这些资产带来的安全性问题。
实际上，在Forrester和ForeScout公司的调查中，约有77%的公司表示，现在面临着一些以前不必担心的“重大”安全挑战。但是，这些挑战是什么?企业如何应对这些挑战?以下是一些应对措施：
- 连接的工业设备，包括传感器、跟踪器和控制设备，并不总是具有强大的安全性。企业员工必须熟悉更新过程，以确保远程设备定期收到安全修补程序。
- 采用数字优先原则的企业内部的数据访问是数据安全性中的另一个严重问题。企业必须执行适当的认证程序，以确保员工只能访问他们拥有许可的数据库。
- 即使是现代仓库和制造工厂中的物理安全性也是重要的问题。必须始终使用正确的登录记录程序来保持服务器机柜的锁定和监视，以确保企业宝贵的服务器和分析设备的安全。
当涉及到数据的安全性和访问数据的能力时，许多细节可能会引起人们的注意。如果企业与外部公司签订了使用其数据设施的合同，需要涉及一些问题，例如他们的数据中心安全防护的能力。企业在是否建立内部数据基础设施或依赖第三方基础设施时总是需要权衡取舍。但是，在两种经历中，某些挑战(例如为不可预见的计划)都是相同的。
5. 缺乏认同感和兼容性
最后，还有一个挑战是如何确保收购。无可否认，工业4.0得到广泛应用，它可以将美国各行业(例如交通、能源输送、医疗保健、制造业等)的生产率提高35%。
但是与此同时，企业可能同时拥有新旧系统，但并非总是能很好地协同工作。如今，颠覆性数字技术为企业打开了新的大门，同时也增加了复杂供应链的风险。就像企业的各部门需要正确的数字工具促使数据流畅地流动，企业也需要能够即时无缝地交换记录、身份验证、通知等。
结论
只要牢记这些挑战，并在合适的人员上进行投资，就可以找到创造性的方法来克服这些挑战。大数据和工业4.0具有很大的生产潜力和利润潜力，虽然似乎很复杂，现在看来很难解决，但在将来总有办法解决。
