第1個問題是，工業互聯目前遇到的最大的問題就是，企業的機器的核心數據是不會讓你第三方企業傳到云上面的，這個問題應該怎么去考慮？
第2個問題是，如果我再連的時候，我核心的考慮不是連企業的核心的設備，而是從一些工業輔助設備去連接，通過這個切入點去切入的話，那么這些輔助設備的數據價值怎么體現？比如說，企業用到了一些工業的環保設備，或者是一些空壓機這些東西？我互聯以后，簡單的把數據拿到，然后做一些服務運維，做一些售后服務的增值業務，除了這個以外，我還能做到什么繼續的這種商業價值的挖掘
第一個問題：工廠數據上云問題：
a:市面上大多數的數據上云，系直接從plc等控制系統讀取數據，這些數據包含了工藝加工、生產信息等敏感數據。潛在風險是，這些數據流入到競爭對手那里，怎么辦？
b:數據分析的本質是提升效率或管理增值，核心不是上云（云計算）還是不上云（邊緣計算或霧計算），正確的做法應該是先做價值流分析，識別企業需要提升什么，再順著梳理需要分析什么數據，有沒有這些數據庫，最后再看哪些數據需要從機器獲取，這樣的做法，是一開始就針對目標，數據類型會簡單得多，適用得多。
第二個問題：什么設備（數據）上云？怎么上云？怎么延伸數據價值問題？
并不是所有設備（所有數據）都不能上云，我們需要識別商業模式和業務邏輯，這包括：
a:維修履歷數據，這好比去醫院看病時，病歷本上的數據。這些數據本身就是工廠維修人員，社會專業維修人員和裝備廠家的留下的痕跡數據，系供應鏈所有。我們通過智能運維系統，將這些數據進行痕跡管理，作業輔助和深度分析，應用于工廠端，服務端、供應鏈與裝備端，這是可行的。但這需要維修模式創新作為基礎，比如維修合伙人制度，以及工業服務產業化作為支撐，方能實現數據變現。
b.針對故障分析診斷的傳感器數據。典型如紅外成像，油液分析，振動分析（三大典型的診斷），以及其他讀數（溫度、泄露分析）等等。受制于傳感器精度、診斷分析技術的制約，這種解決方案的關鍵在于經濟性。一般發生在高價值，高風險的行業，如冶金，石油化工，電力等行業；而更經濟的方式，可以是離線監測＋上云方式，如智能傳感單元＋智能終端＋云的解決方案。
C.除此之外，問題里面講到空壓機的解決方案。這里的商業模式，主要是還是能源托管為主，向用戶提供更穩定和更經濟的能源供給方案。通過設備連接，我們要做的是能源更節省，更經濟，維護成本更低，供給更可靠，至于數據向設備供應商提供服務，這也是延伸應用而已，并非核心，還是要為能源托管本身服務。
d.金融風控系統。這主要解決的是：1工業品和工業服務供應鏈，開展融資授信業務;2.銀行和金融機構，開展融資抵押的金融服務。這有利于解決企業轉型升級中融資難和資金短缺問題，這時候，我們可以將一些核心關鍵設備，電力設備上云，它是風險控制的核心，結合到區塊鏈技術，數據交互限于金融機構和用戶之間，那么數據上云是可以實現的。