总体上来说，阿里巴巴也是在经历着从业务数据化到数据业务化的过程，业务数据化还是围绕传统电商业务来提升整个流程相关的数据，服务业务部门和管理层为主，总的目标也是为了降低成本，提高营运效率和质量为主。比如个性化推荐、搜索优化等。
现在阿里巴巴在数据数据业务化方面进行了很多有益的探索，总结起来就是“阿里的数据+外部数据+大数据技术能力”的输出，产生很多新的商业模式，不仅服务于阿里生态，逐渐赋能和服务于越来越多的各行业用户，比如蚂蚁微贷是基于商家的信用数据提供贷款服务，芝麻信用是基于个人的消费、理财以及社交等数据提供个人信用服务。在整个探索的过程中，我们看到数据的在线性保证了数据实时都会更新，数据的外部性通过数据共享、融合体现了数据的价值。
二、数据驱动生产和制造柔性化趋势
电子商务以及互联网所带来的用户需求呈现实时、少量、碎片化、快速翻新等特点，对于传统制造商来说，满足这种长尾需求难度很大，因此生产制造的柔性化变得重要。
比如淘工厂把工厂的生产能力通过互联网实现了与商家需求的快速对接，通过数据联通把需求与供应之间的信息对称化，减少了中间商环节，缩短了生产周期，降低交易成本，并加快周转速度。
三、利用大数据创新商业模式
以消费者数据为基础的消费者喜好和需求画像倒逼到产品的设计、研发、生产、供应链、营销等制造业供给侧的多个环节，这就是C2B的本质。
索菲亚衣柜是C2B模式创新的代表，2015年的营收达到31.9亿元。索菲亚利用大数据提升客户体验，提高交付效率，减少差错和库存，基本可以做到零库存水平。
四、学习国际上工业大数据应用的实践
对于传统的大型制造企业来说，转型的挑战巨大，制造企业所搭建的内部信息系统比如ERP、CRM和SCM等收集处理的数据还是交易类结构化数据为主，对生产设备数据、机器数据以及日志数据的收集及关注比较低。而工业大数据应用未来很重要的一个方向就是如何能将这些实时产生的机器数据更好地用起来，尤其是在预测性维修类应用方面。
以美国通用集团为例，它的董事长伊梅尔特说到“我们昨天还是一家制造型企业，今天已经成为一家软件和数据公司了。”这家制造业巨头希望借助工业大数据平台实现制造业服务化的方向和目标。GE的工业大数据平台Predix的主要功能就是将各类数据按照统一的标准进行规范化地梳理，并提供随时调取和分析的能力。基于Predix目前已经推出了很多工业互联网应用，并且向合作伙伴和客户进行了开放。根据GE的资料显示，GE在2015年底把最后一批发动机数据上传到Predix平台上，已经开始接收并处理GE公司庞大的发动机机队所产生的上亿条数据，对这些数据进行分析，并按照数据异常情况确定发出警告的等级，目前准确率接近90%。伴随着大数据与机器学习能力的加强，准确率也会逐渐提升。这是典型的利用设备数据进行预测性维修的例子，会成为工业大数据很重要的应用方向。GE希望通过这个工业大数据平台树立工业大数据领域的标准，使Predix平台成为像Andriod系统一样成为工业互联网领域的操作系统。
阿里巴巴目前也已经和徐工集团开始合作，希望利用阿里云上面的大数据能力，协助徐工建成中国工业大数据平台，实现“阿里云+徐工=中国Predix”的目标，在工业大数据平台、应用及生态建设方面探索一条新路。
五、从数据化到智慧化要循序渐进
正如前面所说，大部分中国制造企业依然还处在数据化和信息化的初级阶段，甚至有很多企业还没有建立内部的业务系统，因此业务数据化基础还尚未准备好。
以ERP、CRM、SCM、PLM等系统为代表的基本业务应用会是必备选项，只是在互联网+时代，有些应用可以使用云端应用进行创新，不必和以前一样再花费巨额的License费用。
在这个过程中，进一步加强数据的沉淀，通过云平台实现数据的共享、流动、整合，实现数据的价值最大化，推动智能制造目标的实现。
其实，真正的智能制造或工业4.0不只是指工业制造的某个环节的智能化，而是从用户需求端到产品供给端的全链条的智慧化，涵盖产品设计、研发、生产、供应、仓储、配送、财务、客户关系管理、营销等多个环节，而这种智慧化的基础要素就是实现数据的全流程打通，这其中云计算、物联网、移动互联网、人工智能、机器人等都成为数据共享、流动和融合的关键技术。