污水厂每天不断的从生产的各个环节产生大量的数据，这些数据形成对每一时刻的污水厂生产的描述，这些数据以各种不同的方式产生出来，包括在各个环节安装的在线传感器仪表和分析仪表、污水厂化验室的化验数据、设备的统计数据和一些手动收集的数据等等。污水厂每天可以说在每时每刻产生得大量数据中运行，这些数据没有得到有效的组织和归纳，只能作为无用的数据流失。
工业自动化在污水厂内的深度应用，越来越多的仪器仪表的现场安装使用，使污水在流动过程中的数据化描述成为现实，但是这些数据流大量堆积之后，污水厂很快面临到了数据难题，那就是如何面对这么多的海量运行数据，这些数据究竟起到了什么作用。
污水厂通过中控计算机收集了大量的在线仪表所产生的实时数据，这些数据存储在计算机中，部分数据通过整合在控制软件的报表系统形成日报表输出，部分数据以软件的数据表形式存储起来，通过数据曲线反应出来。污水厂的生产部门在编制运行报表的过程中，会收集和总结生产的统计数据，这些数据可以包括污水厂化验室、设备运行数据、产量统计数据等，编制成一定时间段内的生产统计报表，生产报表体系使污水厂的部分数据得到了有效的整理和统计。除去这两个比较明显的数据收集系统以外，污水厂还可以从环境中收集数据，比如气温、水温、降雨量等等。
可以很粗略的罗列污水厂收集的数据有：进出水流量、污水厂进出水水质（pH、 BOD、COD、 SS、TN、TP、NH３-N、SOUR）等；生物池的过程参数（SV、MLSS、MLVSS、DO、ORP、微生物）等；污泥运行数据、药剂使用量、设备运行时间等等，具体可以参照下表所示对比厂内是否收集到足够的运行统计数据。
这些大量的生产运行统计数据，结合污水厂自控系统收集的大量数据，最终成为海量的运行数据，污水厂成功稳定运营取决于这些收集数据的可靠性和完整性，以及从这些数据中提取信息的质量和方便的调阅方式等。作为许多水厂和污水厂数字化转型的副产品，过多的数据可能会给中小企业带来麻烦。他们有时不知道从哪里开始，而且往往缺乏在海量数据中导航所需的时间，但是许多污水厂都会面临一个尴尬的局面，那就是污水厂的生产数据丰富但所提供出来的信息却十分匮乏。更为糟糕的问题是，这些中控系统的工艺过程的数据通常被收集在中控软件的历史数据库、SQL 数据库或 (CSV) 文件中，整合这些来自不同来源的记录需要时间和精力，同时也需要专业的计算机数据处理知识，污水厂的技术人员偏重于工艺运行，因此很难将数据拼凑在一起，更不用说对其进行分析了。
污水厂的这些数据本身不会显现出精准的工艺决策，因为它必须首先经过仔细清理和分析才能产生对工艺未来的判断和对复杂工况的洞察。这些经过分析判断后的数据，使污水厂的工艺管理人员能做出更贴合实际的决策以提高出水的保障，而真实的情况是，污水厂内的工艺决策往往是基于运行人员的主观判断做出的。整个工业化进程所带来的现场的自动化控制和检测仪表，越来越方便地生成和收集大量过程数据，因此单凭直觉做出决策的倾向对于其他人来说似乎有些落后，但是对于污水厂的运管人员来说，这种情况还将在一定时期内存在的。
对于一些中小型的污水厂运营来说，运行人员在没有足够的技术支持下经常就工厂运营做出直觉决定。他们没有时间整理做出判断所需要的工艺运行数据然后对其进行分析。因为要维持一个污水厂的正常运行往往有大量的现场工作要去关注和完成，很难有时间进行长时间深入的数据技术分析，且具备足够的技术敏感度对大量数据中所产生的趋势变化引起注意。因此，在现实的运行中，中小型的污水厂是无法从已有的这些大量的数据获得效能的，工艺流程问题也得不到具有数据支撑的解决方案。在污水厂中，提高效率的想法和预期得不到有效的探索，污水厂的预期收益更难以量化实施。
数据困境的问题已经随着工业自动化不断地发展，而深入进入到污水厂的运维管理中，污水厂需要采取积极的应对措施，扭转海量数据（也包含了大量的无效和错误数据）对生产管理的淹没，整理和利用这些数据，获取有效的信息资源，提升污水厂的管理。污水厂的运维管理人员必须扭转传统的工艺管理思想，依靠经验的积累和感官的判断来进行粗放的管理是与工业自动化的进程完全背离的，大量的数据将改变污水厂工艺运行管理的模式，工艺管理人员应对污水厂所产生的数据架构管理网络来实现数据的收集的工作。
