尽管质量管理在80年代和90年代流行起来,但在工业4.0的时代,21世纪的企业仍在为这个概念而苦苦挣扎。最近,通用汽车和丰田的产品召回事件,是严重质量管理问题的典型例子,这些问题导致了质量成本的上升,并带来了巨大的利润损失。制造企业在通过服务设计和交付过程中提供可负担的成本和创新方面面临多重质量挑战,这些长期的质量挑战使我们意识到传统的质量管理实践和方法在产品开发阶段、周期时间压缩和员工努力的诸多环节以及在应对工业4.0时代的客户需求和客户期望的变化方面越来越力不从心。通过承诺给行业带来巨大的利益,并为众多的商业应用提供新的机会,工业4.0和大数据技术目前是学术界和产业界中最主要、最热门的话题之一。伴随着这一趋势,今天的制造企业必须生产出高质量的产品,以保持竞争力,并满足不断增长的客户需求。因此,对任何公司来说,保持成功运营的一个基本前提和关键是专注于质量管理。通过工业4.0具有代表性的新技术(智能工厂、网络物理系统、物联网和服务)以及大数据和大数据分析的应用为制造业企业质量管理提供了很好的改进机会。本文描述了与质量、分析和大数据相关的一些进展,并探讨了在实践中集成它们所带来的益处,分析了JD公司在传统质量管理理论应用中所揭示出来的不足,研究了JD公司如何将大数据技术与传统质量管理相结合,在质量管理体系和文化中进行创新,同时借助于大数据技术在新产品开发、订单履行、客户服务的过程中,对质量策划、质量控制、质量保证的实际应用进行改进。通过JD公司的操作实践证实了,在组织的战略方向指导下,质量、分析和大数据的集成必定会提供新的客户价值来源和新的竞争优势来源,大数据技术的应用可以通过产生新的客户价值和加强决策来帮助提高产品和服务质量,希望这些研究能为制造业与大数据结合的质量管理带来借鉴意义。