过程制造操作可能会过于简化，包括原材料、生产过程和成品。同样的模型也可以用于使用生产数据来改善流程和业务结果:数据、分析和洞察力。
问题是，洞察力的价值是如此之高，以至于为数据和洞察力之间的“分析”邀功的热情已经失控。Analytics是对数据或统计数据的系统计算分析(根据韦氏词典)，起源于希腊语analýein，意思是“放松、分解或分解成组成元素”。让市场营销去搅乱近2500年前亚里士多德的教诲吧。
结果是，“分析”现在在软件产品、平台和云服务中无处不在。你很难找到没有把分析功能或好处作为其产品的一部分的软件。这个善意的词的滥用意味着很难区分分析的含义，包括什么，或者需要什么。为了克服这个问题，“分析”现在经常被用来定义精确的分析类型，这种趋势可以分为三类。
即使是公认的分析类型，如预测性，也可以进一步细分为特定类型或方法。来源:Seeq高级和增强分析
首先，现代分析的趋势是利用数据科学和计算资源的创新;例如，“高级分析”在过去几年中开始使用。麦肯锡公司将高级分析定义为“将统计学和其他数学工具应用于商业数据，以评估和改善实践……[用户可以使用高级分析技术]深入研究历史工艺数据，识别离散工艺步骤和输入之间的模式和关系，并优化对产量有最大影响的因素。
这种定义的问题在于，它假定用户拥有统计、机器学习或其他利用高级分析所需的技术技能。因此，Gartner开始使用术语“增强分析”，它利用了相同的创新主题，但将分析放在了商业智能应用程序或工具的用户体验中。正如Gartner所解释的那样:增强分析是利用机器学习和人工智能等技术来协助数据准备、洞察力生成和洞察力解释，以增强人们在分析和商业智能平台上探索和分析数据的方式。
也许增强分析最好的例子是简单的谷歌搜索栏——用户不需要知道他们用来得到结果的网页后面正在进行什么计算。
Gartner认为分析是一种迭代过程，需要专家、数据和分析类型随着时间的推移进行交互。来源:Seeq迭代所需的
分析语言的第二个转变来自于认识到分析不是一个静态终点或洞察。如果插入使用这种方法的供应商提供的图形，我会遇到麻烦，但有很多例子。这种方法提出了一个层次结构，一个“优于”分析结构，它从描述性分析(例如，编写报告)开始，然后是诊断分析(根本原因分析)，然后是预测分析(也就是预测性维护)，最后是指示用户该做什么的说明性分析(参见图1)。其中包括中间步骤，但重点是有一个固定的路径来实现更复杂的分析。
这种分层分析的观点可能会成为引人注目的营销材料(“找到你的分析成熟度!”)，但它根本不现实。分析现实的观点是一个迭代的、循环、协作过程,一个工程师开始与一个分析类型,切换到另一个,可以追溯到第一,然后做别的事情,或者移动中分析类型,以适应变化的植物优先级、原材料成本、公式的变化,和其他因素。
即使在最静态的环境中，拥有精益或六西格玛技术经验的工艺工程师也知道，今天足够好，明天就不会足够好。Gartner再次领导了关于迭代分析方法的讨论。分析不是静态的和分层的，它们是循环的，并受到新需求的影响。
改进的结果
分析的第三个转变是分析的期望结果和影响。静态视图(在前一段中总结)由其层次结构和已定义的结果定义。这种方法的最高层次是“说明性”分析，就好像有一种方法可以在给定一组数据时定义用户应该做什么。这根本不是一个现实的目标。
在任何时候，只有用户或主题专家才知道上下文，而且只有在分析的时候才知道。在做出优化生产或业务结果的正确决策时，必须考虑这个上下文。如果分析建议在资产运行但需要维护时关闭生产线，如何在生产目标和客户承诺的背景下做出决策?只有工艺工程师或工厂经理有正确的业务上下文来回答这类问题。
因此，分析的理想终点不是“告诉我该做什么”，而是基于过程工程师在结果之间权衡的能力“给我一些见解来通知我的决定”。这个优化焦点的另一个关键方面是必须及时洞察，以便做出影响结果的决策。当分析花费的时间比流程完成的时间长，而结果是事后才交付的时候，就会出现不满意的——也是常见的——替代方案。
因此，分析工具需要作为自助服务，为工厂人员提供特别的解决方案，并及时提供，以使情况有所不同。20年来，自动化供应商营销中枯燥乏味的“可操作的见解”必须让位于授权和支持流程工程师或主题专家的纳入和观点，以优化更高层次的结果。
现代先进的分析应用程序使工程师能够直接与感兴趣的数据进行交互，从而快速创建见解，优化生产结果。来源:Seeq收敛
这三种语言转型与分析创新并不是相互排斥的;事实上，它们正在汇聚成新一代的软件应用程序，将关键功能集合为一个产品。因此，工厂的工艺工程师或主题专家可以访问的创新的增强分析将支持所有类型的分析——过去、现在和未来的数据——不断调整和调整分析，以满足工厂的需求(见图2)。
当然，最终用户也可以从这些新的软件应用程序中获得见解，从而及时提供见解，以改善生产和业务成果。在过去的几十年里，由于市场营销的滥用和信息的过度饱和，分析学经历了一段艰难的时期，但新一代的解决方案将兑现创新的承诺和潜力。
