二、大数据应用应遵循以下原则。

(1)只有遵循实时、全时、及时，才能构成高效的服务系统。

(2)数据价值必须来自场景，知道用户是谁决定了企业数据收集行为的意义。

(三)在业务目标和信息差距上，明确收集方向。在信息质量方面，有必要评估信息整合的难度和数据源的质量。数据应用后，应注意使用情况和场景中的反馈结果。在数据缝合中，应注意细节，形成信息收集、分析和整合的优化过程。

(4)大数据本质上是对客户的需求，特别是对客户内心深处潜在的实际需求的量化过程，如无中生有，需要充分观察、理解、收集、提取。

(5)大数据必须共赢，利用他和自己，共赢。当利润高于竞争时，数据共享很容易实现。满足双方或多方共同诉求的关键是找出客户的痛点，找到解决办法，反复开发产品和服务。应用大数据解决用户问题时，要保持对小样本、小数据的敏锐性，不要错过隐藏的偏差，不要迷信大数据，确保数据的真实性，确保应用场景的质量。

(6)数据与业务密切相关，数据整合应适时反映业务变化，断裂时数据会失真，影响市场和顾客判断。数据质量不仅是技术部门，也是业务部门，甚至整个公司都需要我们一起努力。

(七)平时通过数据收集和总结，找到用户核心需求数据量化的计算和获取方法，促进客户数据的快速增长，提高客户的活跃粘性，通过创新服务，维持核心客户。

三、在以上原则下，衡器物联网大数据的应用应重点考虑以下问题。

(1)考虑用户的需求点。对于终端用户来说，数据的实时共享和准确性是用户的痛点，数据信息化也是用户，特别是大中型企业用户的刚性需求。因此，确保数据的准确性和信息化是分析工业衡器用户大数据的起点。为了满足客户对数据的准确性和信息化的需求，第一步是收集和总结数据，包括对秤台本身应变情况的监视数据、基础变化数据、环境影响数据、传力机构影响数据、传感器内代码和零点变化数据、传感器所在环境影响数据、接线箱内部环境数据、总线和仪表工作状态数据、可能影响准确性的各种大数据同时，对数据进入用户信息化管理系统的应用和应用后的反馈进行大数据的总结和分析，对数据的正确性有问题和应用有问题的用户进行微信平台的提示和交流，确保大数据的价值有效性。这也要求业务部门、设备用户和终端用户保持有效的联系和沟通，倾听用户的声音，并通过周报或月报向大数据分析部门反馈用户的需求，进一步挖掘和提炼用户的潜在需求，形成有价值的数据。对于设备制造商来说，其痛点是如何以Zui高性价比的产品和服务提取终端用户的价值，他们对大数据的需求包括设备应用于不同行业的客户分类、不同类型的需求点的客户分类、不同环境的差异化选择、用户过载状况的数据分析、使用频率分析、使用季节的影响、在线离线状况、用户使用设备的数量和连接总结需求数据、设备的维护记录和服务质量数据

(二)衡器物联网大数据的应用必须从源头保证样品的正确性和代表性、衍生性。正确性必须定义数据库字典。其基础不仅包括ERP、条形码建设，还包括产品生命周期管理、数字现场建设。要有扎实的基础数据管理，输入UI用户界面的一部分数据要求必须按顺序全部输入，从数据源保证仪表的标定、设置、称重软件的使用、服务器和整个设备的初始数据的完整性，包括正确的传感器个数、重量单位、小数点位数、行业、地址、用户名、初次使用记录、时间正确性、应用场景的初始化等，在软件设置和界面选择上下功夫，为大数据样本分析奠定数据技术支持。代表性地，对于不同行业、客户类型、使用环境，需要一定数量和质量的样品，重点研究不同行业的客户数量和吨位选择，利用大数据推动秤体的制作技术和附件选择的普遍规则，对于不同类型的客户，重点研究用户数据的下落和价格制度，推动信息化的需求和防篡改、防止故障的需求在衍生性方面，重点考虑无人声音、图像合成、视频等人工智能技术与大数据的结合，考虑TFT屏幕界面、扫描枪、自然语言、照相机形成的大数据分析系统。

(3)应用衡器物联网大数据应关注商业模式。大数据采集、分类、算法、体验Zui终必须回归用户价值。称重数据对终端用户、状态数据对设备制造商有利和安全问题，但大数据分析对终端用户和设备制造商提供的利益大于对安全的担心，可以表现物联网的价值，深入运营。除了技术保障、保险购买等手段外，还可以在商业模式上创新，维持数据分析的生存。