接下来不是工业4.0单纯的工业互联网化，而是围绕消费者为中心驱动力的互联网化，所以基于供需双方的制造业的连接、配对，会变成制造业未来的方向。也就是今天我们说的热词，怎么样把需求跟供给侧改革联系起来，我们企业生产能力、产品打造、品牌的设计，都必须围绕消费者进行。
皮肤问题颗粒度包括黑头毛孔、黑眼圈（色素型、血管型、结构型）、痘痘、肌龄、皮肤综合情况（干油、细腻、匀净、健康、年轻、耐受）、肤质（水油、光滑、敏感）。
检测的具体皮肤问题颗粒度较少，蜂窝模型理论提到可找到：用户能找到他们需求的东西，考虑不同肤质用户人群容易产生的皮肤问题是不相同的，比如：干性肤质易产生的皱纹、色素斑问题，还需进一步丰富颗粒度。
除了拓展颗粒度外，也需进一步细分颗粒度，举例：当前痘痘类别无细分，根据皮肤科专家知识，痘痘需进一步细分为凹陷瘢痕、结节囊肿等，且不同类别的痘痘的特征症状、护理方法不一致。
皮肤综合情况（干油、细腻、匀净、健康、年轻、耐受）用得分来表示，单独一个分值给用户的感知意义比较弱，作为用户的我不知道每项皮肤情况需引起警觉的分数阈值，可以增加警觉阈值提醒，或者增加同年龄段用户状况均值对比。人是具有群体属性的，个体渴望从群体中获得优越感或挑战感。
给出的分数阈值无依据凭证展示给用户，不利于增强用户对识别结果的信任度，举例：从细腻度而言，皮肤状况的哪些问题是影响细腻度得分的因素？是皮肤蜕皮、皱纹、毛孔粗大，还是？并且用户脸部位置哪里是有这些问题存在？用户在得到测肤结果后会下意识同自己真实脸部情况进行对比，何不给用户更直观的结果展示图片？
对皮肤状况了解与需求程度：
以下为用户自身感知判断自己对皮肤状况的了解程度，从数据可见80%用户自我感知不完全了解自身皮肤状况，且95%用户有测肤需求，自我感知完全了解自身皮肤状况的用户多为女性，且其中绝大多数人仍保有测肤兴趣；不完全了解自身皮肤状况且无测肤需求的用户基本为男性。
测肤行为：
使用检测仪器（包括手机、检测仪等）、专人咨询的分别只有34%、23%，大部分人群无采用科学测肤方式，检测仪器有进一步普及推广市场。
需求时间：
用户对测肤的需求伴随在其日常护理过程中，且在其感知自身皮肤状况变差情况下会更加强其测肤需求，导致用户皮肤状况变差的影响因素包括：生理状态、生理期、孕期、更年期等、生活状态加班熬夜、心情烦闷压力、饮食不健康等、季节变化。
用户在进行护肤消费**护肤品、美容院消费等时同样会增强其测肤需求，而导致用户护肤消费增强的主要因素也是变差的皮肤状况，用户的心理动机是想改善或维持良好皮肤状况。
用户会在出席重要场合活动前紧急护肤，却很少紧急测肤。
核心因子构建用户模型，确定目标用户
影响用户测肤需求的核心因子是：用户的皮肤状况和对感知了解程度，由于测肤是为了进一步推荐护肤方案，因此第一重要的核心因子是用户的皮肤状况。
也就是说，今天由大数据云计算平台计算的数据，进一步改革，改进我们原来生产制造的过程。未来的满足新的消费者主张的制造业，不再是今天用传统的方式进行制造的制造业。