过其它反馈信息进行验证。当被问及在业务运营管理上的进展时，认为已具备了预测能力的仅占四分之一，表示具有优化能力的受访者仅有17%。在一次单独调研过程中，在我们询问其所在企业具备怎样的分析能力时(即完成连接—监控—分析—预测—优化等一系列工作的程度)，答案主要集中在较为低端的能力上。只有13%表示具备了优化能力，16%则坦承根本没有开始打造这些能力。但埃森哲认为，在谋求产业物联网高级解决方案的过程中，关联、监控和分析是开发预测性模型和优化能力的先决条件，工业企业必须努力提升自身在成熟度曲线上位置，方能利用更为复杂的大数据分析工具。

　　迎接安全、整合、人才三大挑战

　　与发达国家运用产业物联网的案例相比，大多数中国工业企业部署产业物联网的目的仍在于实现“第一次跨越”。但这并不意味着中国企业迎接“第二次跨越”之前必须等待漫长时间，因为中国企业陈旧信息系统留下的包袱较少，“轻装上阵”比“重装上阵”更有便捷优势。然而，实时了解全球产业物联网的最新商用趋势和主要掣肘因素，对于任何一个希望通过“跨越式发展”提升产业链位置的经济体来说都至关重要。

　　即便在发达国家，产业物联网的实际普及速度并没有我们想象得那么迅猛。实际上，大多数企业高管们出台产业物联网部署的战略和解决方案的时间反而很可能会有所延迟。其主要原因，在于数据安全、数据孤岛、数据分析人才，以及企业间的系统整合问题等一系列挑战依对他们来说依然存在。在这些方面，中国和海外的企业大体处于同一个起点。

　　当今企业要如何做，才能提升自身产业物联网的能力，使其在成熟曲线上更进一步，开展更多的价值创造活动?基于埃森哲的调查和经验，以下措施可供参考。

一是投资于端到端的安全管理。针对网络攻击、防范数据泄露而设置的安全防护需要覆盖到整个企业范围内的全部资产。企业尤其要做好整个供应链的安全防护。采用强度测试以及在采购过程中要求安全认证等方式，确保供应商符合安全性要求。同时，采用工业控制系统(ICS)专用风险防范设备，利用IT技术确保工业控制系统专用的保护装置能防范工业薄弱环节和运营技术漏洞。

　　二是破除数据集成障碍。缺乏一种纵览企业全局的分析法战略，往往会导致分析技能互不衔接、重复工作，而最重要的是会影响到数据分析的投资回报。相反，数据湖等新技术与产业物联网能力的有机结合，可以帮助运营商将不同联网设备的传感器数据导入到一个平台。在这里，大量并行的处理能力将会对数据进行整体性分析，而不是去逐个分析数以亿计、具有各自文件路径的独立信息点。在发达国家中，已有领先企业成立了专门的集中化团队或IT部门内部的协调小组来管理大数据分析举措的实施，还有不少企业打算任命一位首席分析官，专职负责有关数据分析的工作和实施策略。埃森哲认为，将运营技术与信息技术部门结合，共同实现产业物联网的价值，是推动效益最大化的关键。

　　正如亚洲航空公司(Air Asia)区域燃油效率经理乔纳森•桑杰所说：“我们的数据很多，但实际使用的却很少。掌握信息不是什么坏事，但你需要用资源来分析数据、找到最佳解决方案、继而推出新的飞行计划。而我们所缺乏的，正是诠释数据的资源。”

　　因此，第三要务便是注重大数据人才的吸纳与培养。接受埃森哲和通用电气联合调研的约一半企业高管承认在一些关键领域存在人才缺口，其中包括数据分析、数据解读、零散数据收集与整合等领域。一种应对之道是，聘请某一行业的专家，迅速将业务需求转换为分析解决方案;另一个缓解措施是与大学等机构合作(55%的高管对此表示青睐)，联合培养所需的人才。正如澳洲航空公司(Qantas Airways Ltd.)飞机性能与机队经理伯特