产业4.0的允诺围绕我们收集、存储、处理和分析数据的方式展开,以便能够更好地决策-闪电速度可我们还没到
多数产业运营商通过监督控制和数据采集系统历史学家掌握数据采集和存储技术,但他们有相对简单的方法处理数据并产生实用洞察力仍然困在它们的系统内未使用
组织从所收集信息中解析知识的能力依赖内部能力-即数据分析员技能与行业特定领域知识并存不幸地,我们与其他行业竞争同项数据科学技巧特别是营销业、金融业和保险业,这些行业还试图从收集的数据中压缩洞察力。
技术空白正在填补中,各组织可建立数据能力和竞争优势,方法包括建立对数据基础理解-编译数据,研究如何利用第三方并培训数据分析专家
第一,为每个人制作数据
数据核心必须从组织内各级理解-从商店楼层机的数据收集、数据录用和管理、数据分析与展示-直通知识如何解读信息以作出正确决策
上下文化数据
无上下文数据变得毫无意义结构数据可以查找理解 并添加实界关联 数据日志和历史学家数据背景化会降低理解你所拥有知识所需的域知识水平在不同数据源间提供一致模型,可使数据日后连通能够连接维护数据库内动作与工厂实际实时性能对深入了解维护程序的影响至关重要
期望利用第三方提供方处理数据并使其安全
有时企业不最能从自身数据中获取洞察力在许多情况下,提供数据、知识和/或安装基础的供应商和集成解答者比终端用户更容易获取真知灼见如此之多,我们看到供应商/解决方案提供商服务模式的过渡:它们正在从定时维护服务和响应故障调试拓展支持范围,以包括实时操作监控和分析服务
组织开发内部未来数据能力时 可以利用低洼果实
但要实现这一点,第三方需要访问内部数据开始规划开发指南 环绕IT安全 访问和数据拥有
需要时间来确定经核准的架构,将其置入需求中,并确保将其化为采购语言,以便下件设备或服务级协议(SLA)与右基但它值得时间没有规划,你要么失手 或失去对自身数据安全的控制
提高员工技能
组织现在应提高自身领域知识专家技能,
范围不断扩大的分析工具使得更容易采取初步步骤以复杂方式分析自己的数据部分专用过程数据分析软件 引导技术人员 创建简单模型 并匹配操作环境
大学正通过挑战应对行业空白更多数据解析度为网络百分位, 灵活学习时数并专注于识别前学习(RPL)。即强域知识工作专业人员可快速完成度,并减少阻塞
解锁数据潜力
克莱夫洪比揭晓的“数据即新油”比任何时候都强
左转未精度数据无法真正使用公司建设收集、精化数据并采取行动最终将导致产业4.0中断核心是规划获取高技能数据专业人员
除填补未来技能空白外,你现在应该能够开始构建数据驱动组织最基本层次上,每个组织应捕捉数据,添加上下文,计划由外部提供者和内部高技能专家分析
斯蒂文贝利主工程师Sage自动化中认证成员控制系统集成器关联CSIA系统了解更多Sage信息,访问Sage剖面工业自动化交换.
