6.2低质量数据处理技术的重要性突显，“大数据分析”期望通过数据规模弥补低质量数据的缺陷。工业数据中的变量具有明确的物理含义，低质量数据可能扭曲不同变量之间的函数关系，对工业大数据分析带来严重影响。当前制造业企业的信息系统数据质量问题依然突出，例如ERP系统中物料存储的“一物多码”问题。同时，物联网数据质量也面临诸多挑战，如无效工况和重名工况等。这些数据质量问题在实际案例中常常达到30%以上，严重限制了数据的深入分析，因此需要在进行数据分析之前进行系统的数据治理。在工业应用中，由于技术可行性和实施成本等因素，很多关键的量没有被充分测量或者没有被精确测量，这要求分析算法能够在数据条件不完备的情况下运作。在技术发展方向上，可以推广基于工业大数据分析的“软”测量技术，通过建立指标间的关联关系模型来提升生产过程的整体可观性和可控性。