围绕制造业数据管理的新术语似乎越来越频繁地浮出水面过去几年里,我们看到大数据、物联网和云计算等术语成为日常制造讨论的前沿新词加进词典Data智能
除公司名称中各种使用外,常用数据智能表示智能使用商业中收集的数据似乎是最近用法2014实例包括a数据智能书约翰W福曼并数据智能城市解决方案由哈佛肯尼迪学院Ash中心发起并得到Bloomberg慈善社支持
微软自定位为数据智能制造关键资源网站聚焦帮助公司智能数据管理初步步骤.
深入了解微软如何接近数据智能制造概念,我与微软离散制造和产业世界常务主管Sanjay Ravi通电话
AW:微软如何定义数据智能制造器
SR:数据智能归根结底是指使用数据驱动业务转换并实现连通世界对制造商而言,数据智能与其收集量无关多,不如说他们如何在整个组织内培养数据驱动文化并使用数据按今日商业环境需求快速智能决策数据智能制造组织不仅研究如何通过使用数据改善业务流程,还研究如何利用从数据收集的洞察力驱动新业务模式和服务
AW:技术和相关流程需要什么才能成为数据智能制造者?
SR:从技术角度出发,制造公司需要评价平台提供数据频谱最综合能力-从采集存储数据能力到强数据解析和丰富可视化需要查看工具审查购买以确保企业准备就绪、支持混合云模型并提供易用和熟悉性
AW:更具体地说,需要哪种分析工具
SR:有四大关键能力定义全局大数据工具技术
·记忆内解析通过模拟分析动作大大提高数据处理速度
整合结构化非结构化数据流以提供全面洞见的能力
云机学习能力建构数据工具帮助预测建模和分析
流数据-实时处理和分析传感器等设备数据流的能力
微软数据平台支持所有上述能力举个例子IDHS视觉云基数据平台管理各种数据,无论结构型或非结构型或大小数据类型HDSights可处理范围从SQL服务器2014至SQL服务器模拟技术LTP流线透视机器学习能力允许从多源监控数据并可视化有意义的模式、趋势、异常和机会,并提供预测解析能力
AW:一旦制造商判定他们拥有合适的技术并实现流程成为数据智能制造者,他们应如何开始设定初始目标获取可测量数据回报
SR:三位关键企业必备条件 即创新、实战和增长数据可以是解决所有三大问题的巨大资产, 但在跳入大数据创举前, 制造商需要清晰定义 商业结果,他们想驱动,目标清晰后,寻找机会对现有数据资产应用大数据原理快速演练将揭示数据缺漏之处和需要挖掘哪些额外数据源以获取你所寻找的最后洞察力应用数据智能方法解决一个具体业务问题或实验项目所学到的教益可传到其他倡议中去,因为在整个组织中推广使用数据驱动洞见
