雲端平台搭載的機器學習模型有大用。看準機器學習複雜度高，微軟(Microsoft)旗下的Microsoft Azure雲端平台將內建多項機器學習模型，協助廠商在進行大數據分析時可快速套用模型，得出所需的分析結果。對工業物聯網用戶而言，這些模型將使其往後在分析閘道器所收集的龐大資料時，變得更加容易。
台灣微軟營運暨行銷事業群雲端及企業平台事業部副總經理李玉秀表示，Microsoft Azure雲端平台較為成熟的使用案例，有不少是與工廠相關，且更重要的是工業物聯網的商業模式與資料分析的目的性較為明確。台灣有些廠商在導入物聯網時，雖然也有做資料收集，但資料收完後，卻不一定知道要拿資料來做什麼。但在工業廠商的合作案例中，已可明確看到廠商推出的物聯網加值服務是被市場認可的。
李玉秀舉例，工具機大廠友嘉現已在該公司的工具機中加入Azure的物聯網服務，接下來該公司所推出的工具機將都可以聯網收集資料，並進行進一步的預測分析、維護分析等應用。
物聯網的概念，首先是收集資料，接下來是儲存資料與處理資料。這些資料的數量可能非常龐大，且必須在很短的時間內處理完，變成儀表板呈現，甚至也須加入機器學習。例如在工廠中，閘道器的數據發現到某一馬達的聲音有異常，機器便可判斷其可能具有潛在的故障問題，須要被檢測。
李玉秀分析，在物聯網的整體供應鏈中，閘道器收集到的資料會由閘道器的廠商來負責，而Azure雲端平台，便是和閘道器的解決方案對接，協助客戶透過大數據分析提升處理資料的效率。Azure也提供呈現的介面，如條狀圖、區域圖、地理位置圖等，而這些介面更可與行動裝置連接，實現線上通知功能。除了通知裝置上的使用者，也可通知機器人要進一步做什麼動作，藉此讓應用更為完整。
除了工具機之外，工業電腦所收集到的數據通常會放在本機端，但也可以同時傳上Azure的公有雲平台，如此一來，廠商便可以直接到公有雲平台執行機器學習分析。Azure提供的機器學習特性在於使用者將資料匯入後，不必知道要用什麼樣的模型去進行分析。Azure有內建許多分析模型，使用者只須嘗試幾款不同的模型，拉出相關參數，預測出的答案最接近實際狀況的分析模型，就會是最適用的模型，因此使用者不須要有很深厚的數學能力，就能使用機器學習。
