製造企業在構建大數據分析系統時，除了採用傳統的自建數據中心架構以外，還可以採用數據存儲和分析構建在公有云平台，採用離線訓練模型，結合邊緣計算在生產現場利用實時數據和已經訓練好的模型進行業務應用的兩級架構。
1、降低存儲成本：從設備傳感器上採集的數據點往往是時序連續的過程量，隨着採集頻率的提高和週期延長，數據量是非常大的，如果考慮對海量的數據的存儲、備份和還原全生命週期的管理，往往在公有云上成本更低。
2、提高彈性：在公有云上處理大數據，空間和時間靈活性約高，對數據存儲和計算資源的要求會隨着項目時間越來越長而要求越來越高，而公有云基本能做到想什麼時候要就什麼時候要，想要多少就要多少。
3、提高容災性：傳統的數據中心的容災備份往往採用兩地三中心的方式，為保證7*24的系統高可用性對系統的要求高，而公有云的IaaS和PaaS的容災備份機制能實現低成本的低數據丟失率和更短恢復間隔。
4、數據共享更便利：企業應該把自身看成“大數據”價值鏈中的一部分，那麼企業既是貢獻者也是受益者，工業大數據的價值可以共享給企業上下游使用，採用統一的公有云平台，促進數據資源的融會貫通，使得數據共享更方便。
在越來越多的製造業把大數據放在雲端進行處理的時候，在網絡、存儲和計算能力有效的情況下，採用對數據進行壓縮和對數據特徵進行選取的方法進行數據輕量化處理，可以滿足數據業務的分析需求和提升處理效率。