Se analizan en el artículo los problemas más comunes que surgen al trabajar con big data para la producción inteligente. Se consideró el trabajo de los sistemas de recomendación para encontrar la información de usuario más relevante. Se determinaron las características de los algoritmos de descomposición de valores singulares (SVD) y Funk SVD para reducir la dimensionalidad de los datos y proporcionar recomendaciones rápidas. Se propuso una mejora del algoritmo Funk SVD utilizando una cantidad menor de datos de usuario requeridos para el análisis. Según los resultados de los experimentos, la modificación propuesta mejora la velocidad de procesamiento de datos en promedio en un 50-70% dependiendo del número de usuarios y permite gastar menos recursos informáticos. Como resultado, se proporcionan recomendaciones a los usuarios en un período más corto y más relevantes. Se propuso el cálculo más rápido de Funk SVD modificado para intercambiar los parámetros óptimos entre nodos. Se determinó que el tiempo de ejecución puede reducirse en promedio en un 75% al usar diez nodos intercambiando el parámetro de descomposición óptimo en comparación con el uso de uno. Se propuso el uso de la tecnología Spark para un cálculo más rápido en promedio en un 20% en comparación con Hadoop. Se propuso la arquitectura del sistema IIoT, que utiliza un algoritmo Funk SVD modificado para optimizar datos en dispositivos de borde y monitorea la efectividad de proporcionar recomendaciones utilizando centros de control y recursos en la nube.