钣金外壳升到级别多样化：包含结构化的数据表和半结构化非结构化的文本视频图像信息，而且数据之间的交换非常频繁和广泛快速化：一是指数据在不断更新，增长的速度快；二是指数据存取传输等处理速度快。价值密度低：是指数据的价值密度很低。以视频为例，连续不间断监控的过程中，可能有用的数据仅仅有一两秒。数据量几乎不可限量的增长，对数据存在的时空提出了的挑战，并等待着数据处理数据发现等方面革命性的质变。一方面，大数据为社会调查开拓了过去无可比拟的广阔的信息来源，社会调查的，广度和前瞻性研究被提高到一个新的层面；另一方面，大数据的特点又对数学工具和信息处理的思式提出了具有根本性的挑战。
　　面对大数据的汹涌来袭，应用传统的数据处理方式显得越来越困难，我们在很多时候就像面对一个金矿，却没有的工具和手段，只能望“数据”兴叹。传统分析技术面对大数据的困惑主要有：由于分析手段限制，不能充分利用所有数据；受限于分析能力而无法获取复杂问题的答案；因为钣金外壳时限要求而不得不采用某项简单的建模技术；因为没有足够的时间进行运算，对模型精度进行妥协。工业过程大数据的研究现状自于年做出了关于大数据洪流即将到来的预言起，人们开始对“如何地处理和利用系统中产生的数据”这一问题投入了更多的关注。近二十年来，在复杂工业过程的相关领域，如化工冶金电力电子和交通运输中，所应用的过程系统规模随着科学技术的高速发展而日益，过程中涉及的工艺设备与生产流程等愈加复杂，依据物理化学机理建立数学模型，对过程进行预测诊断与分析评价的传统方法已经变得越来越难以利用。
　　考虑到绝大多数的工业过程每天都在运行中产生测量并存储大量的数据，可知这些过程数据不仅实时地反映了相应工况的变化，也隐含着过程设备的运行状况等信息。因此，如何地使用数据，从大数据中解读出所需的信息，利用数据过程的运行性能与可靠性，钣金外壳对工业技术的未来发展具有重要的意义。基于数据的方法分类科学的发展与信息技术的成熟加速了多种基于数据的方法的出现与发展，较好地克服了复杂工业过程系统中普遍存在的建模困难等问题。对大数据意义下的工业过程而言，基于数据的方法需要达到的核心目标是：使用尽可能简单的方式来减少人为的操作，从过程数据中获得的信息来实现整个过程的经济效益大化例如运行产品质量优性能优等。根据对过程数据的使用方式，大体上可将基于数据的方法分为两类：纯数据方法，以及数据与模型相结合的方法纯数据方法纯数据方法顾名思义。