3、数据分析
数据分析是深入挖掘数据价值的核心环节。本系统平台提供了几个方面的手段：
- 数值计算
大数据自采集开始就有其时间属性，即所谓实时数据。同一时刻的数据可以基于时钟同步在四则混合运算的基础上进行简单分析而得出某些数值结论。系统提供表达式编辑功能，支持用户自定义的计算逻辑。
- 差异时钟数据分析
实际生产环境的实时数据，受生产过程和监测手段的影响，因而普遍具有一定的延时性，因此很多参数在同一时间点上并不具备相关性，反而是当前时刻的参数A与n分钟（小时…）前的参数B才具备相关性，例如增加燃料到温度上升就存在一个时间差。因此本系统平台可以支持不同参数跨时间计算的逻辑。
- 统计分析
统计学中推断统计理论是一种基于样本数据来来推断总体特征的方法。在我们的数据分析方面也发挥着重要作用。本系统瓶体支持基本的统计学相关算法。
- 人工智能分析
人工智能算法可以根据历史数据（离线算法），实时数据（在线算法）对后续数据进行预测，其特点在于可以基于数据反馈而逐步收敛误差，从而实现自我学习、自我优化。其预测的准确程度与神经网络模型选型是否合理密切相关。
4、数据存储
生产数据及时存入数据文件，便于对设备运行情况、工艺调整的优化分析。
大量的数据记录，便于为量化回归分析提供数据基础。
本系统平台中集成了高可靠的实时数据库子系统。
本系统平台可以集成大量不同来源的实时数据、并进行了清洗处理使其有效可用，而且在此基础上，借助我们的数据分析功能又可以产生了大量的分析结果实时数据。全部这些数据都可以存储在本系统平台内置的实时数据库中，并为这些数据的后续使用提供简洁、高效的应用支持。
现在人们一般提到的数据库都是指关系型数据库（属于层次数据库的一种），其实数据库有很多种类比如模糊数据库、层次数据库、网状数据库、统计数据库、演绎数据库等等，而实时数据库特指专门为实时数据（键值、数值、时间）而开发的数据库，它在牺牲了数据关联性管理的特性后极大加强了对实时数据处理的存取效率并压缩了存储空间。
5、数据应用
- 智能控制
人工智能AI技术，自动发送驱动设备操作指令。
- 分析建议
利用量化回归分析，提出对设备完善、工艺改进的建议报告。
- 数据共享
与前文所述的数据接入相对应，如果说数据接入是将数据汇入大数据平台，那么数据应用就是将本系统平台内管理的数据分发给数据的使用者。
本系统平台还提供实时数据和历史数据两种使用数据的方式。
- 1实时数据
针对实时数据目前提供了UDP、写入格式文件、写入OPC服务三种接口。还可以根据应用的实际需要进行必要的扩展，来支持写入关系型数据库、对指定WebService接口的调用、提供WebService接口被调用、基于Http协议的（表单、XML格式数据、Json格式数据等）、OPC服务接口等。
- 2历史数据
- 查找指定时间点的数值
- 指定时间范围获取一组数值
- 指定开始时间和数据条数获取一组数值
- 指定结束时间和数据条数获取一组数值
此外，与实时数据相同，也可以进行必要扩展，来支持基于TCP套接字的格式化数据，基于Http或WebService进行的分页查询等。