管理和分析大数据工业中的非结构化数据需要首先进行数据整理和清洗，包括数据抽取、转换和加载（ETL），然后选择合适的数据存储和管理技术，如Hadoop、Spark等。接下来可以利用数据挖掘和机器学习算法对非结构化数据进行分析和建模，以发现数据中的隐藏信息和规律。另外，可以采用自然语言处理技术对文本数据进行处理，包括分词、词性标注、实体识别等，以便更好地理解和分析非结构化文本数据。最后，建议建立可视化和报表系统，将分析结果直观地展示给管理者，帮助其做出决策。
在实际案例中，可以以某大型制造企业为例，介绍其如何利用大数据技术管理和分析非结构化数据。企业可以利用传感器采集到的海量设备数据，经过清洗和整理后存储到Hadoop集群中，然后通过机器学习算法对设备状态进行预测和故障诊断。同时，企业也可以利用自然语言处理技术对客户反馈的文本数据进行情感分析和主题识别，以改进产品和服务质量。最后，企业可以通过可视化报表展示设备状态和客户反馈的分析结果，为管理者提供决策支持。