Big data is of great importance in manufacturing, since knowing the diverse origin of underlying causes of problems is completely necessary for managing continuous improvement. As manufacturers are shifting towards digital transformation driven by big data, business analytics is becoming a dominant methodology for strategic decision-making in business management research. In response to this emerging phenomenon, the purpose of the current study is to provide a thorough literature review of the applicability of big data in manufacturing, with a perspective to exploring various research trends in this field and identifying the scope of potential investigations in the future. This study uses bibliometric and visual analysis approaches to systematically identify and analyse research articles from leading business journals in the Scopus database. The study sample included 89 research articles published in ABDC A*/A category journals to map thematic evolution and conceptual clusters related to keywords of ‘big data’, ‘business analytics’ and ‘manufacturing’. Using factorial analysis in Biblioshiny software, the study presents three research clusters in which researchers shall be encouraged to expand the big data/business analytics research in the context of manufacturing.

大数据在制造业中非常重要，因为了解问题根本原因的不同来源对于管理持续改进是完全必要的。随着制造商转向由大数据驱动的数字化转型，业务分析正成为业务管理研究中战略决策的主要方法。针对这一新兴现象，本研究的目的是对大数据在制造业中的适用性进行全面的文献回顾，以探索该领域的各种研究趋势并确定未来潜在研究的范围. 本研究使用文献计量和可视化分析方法系统地识别和分析 Scopus 数据库中领先商业期刊的研究文章。研究样本包括在 ABDC A*/A 类别期刊上发表的 89 篇研究文章，以绘制与“大数据”、“商业分析”和“制造”等关键词相关的主题演变和概念集群。该研究使用 Biblioshiny 软件中的因子分析，提出了三个研究集群，应鼓励研究人员在制造业背景下扩展大数据/业务分析研究。

大数据在制造业中非常重要，因为了解问题根本原因的不同来源对于管理持续改进是完全必要的。随着制造商转向由大数据驱动的数字化转型，业务分析正成为业务管理研究中战略决策的主要方法。针对这一新兴现象，本研究的目的是对大数据在制造业中的适用性进行全面的文献回顾，以探索该领域的各种研究趋势并确定未来潜在研究的范围. 本研究使用文献计量和可视化分析方法系统地识别和分析 Scopus 数据库中领先商业期刊的研究文章。研究样本包括在 ABDC A*/A 类别期刊上发表的 89 篇研究文章，以绘制与“大数据”、“商业分析”和“制造”等关键词相关的主题演变和概念集群。该研究使用 Biblioshiny 软件中的因子分析，提出了三个研究集群，应鼓励研究人员在制造业背景下扩展大数据/业务分析研究。