随着工业4.0的推进，中国制造业急需构建自己的大数据分析平台，深入连接用户和工厂数据，驱动产业升级和创新，提升竞争力，占据全球产业链更高端。
制造业大数据不仅仅意味着企业简单的数字化，而是把数据作为智能制造的核心驱动力，利用大数据去整合产业链和价值链。目前来看，制造业大数据基本就是两类，一类是人类轨迹产生的数据，另一类是机器自动产生的数据。这两类数据构成了我们今天的大数据多结构化数据源。随着时间的推移，进行制造业大数据分析的需求将越来越大。
如果不投资大数据及大数据分析，从中获得信息，智能制造所追求的高效智能将无法实现。如果通过利用大数据、预测性分析及云技术衡量产品性能只为了解客户需求，这意味着你正在失去数字化转型最大的价值。在工业大数据的领域里，我们除了要继续关心“人为数据或与人相关的数据”，更多要关注“机器数据或工业数据”与用户行为数据的融合。
事实上，制造业企业不缺数据，从内部而言，积累了大量的内源数据，包括运维、管理、流程、质量等。而在互联网时代，外源数据更多，包括供应商、竞争对手、客户反馈等等。但问题在于：第一是缺乏整合平台，大数据的有效利用率很低；第二是缺乏分析能力，需要高效的大数据分析工具。
深科特MES系统最核心的功能如下：
数据采集：通过融合消费者与制造业的交易数据，实现智能互联；通过生产线、设备安装传感器获取实时数据，实现智能生产；MES系统可以有效通过汇集生产、设备及外部数据，指导生产、销售、决策。
设备故障监测：具有数据采集、分析结果、用户收益、分析模型汇总、故障预警、设备生命周期、识别并发故障、设备分群等功能。
智能仓储：具有数据采集、分析方法果、用户收益、库存时长分析、短期库存分析、长期库存分析、出入库分析、领料智能推荐等功能。
在未来，推动智能制造的并不是大数据本身，而是大数据的整合和分析，它是成为创新核心驱动力的来源。