了解企業IT如何以及在何處準確地應用大數據為其帶來利益，將取決于幾個關鍵因素，其中包括大數據民主化;實施下一代數據歷史記錄;從海量數據積累戰略轉向戰略工業數據管理戰略;將大數據與工業人工智能技術融合在一起，并了解這些好處如何在新冠疫情之后發揮作用。

 

 

新冠疫情加速了許多企業的數字化轉型之旅，包括他們存儲和訪問數據的方式。這揭示了傳統工業數據管理模型的局限性，這種模型中，數據在團隊、來源和地點之間呈孤島式分布，這種數據把關嚴重阻礙了可見性，確保只有具有獨特訪問權限或領域專業知識的某些人才能理解或訪問可能與企業中的其他人相關的數據集。

 

在許多員工被迫在家遠程工作的環境中，這種孤立的工業數據存儲和訪問模式有很大的缺點。如果員工保留對特定數據的訪問權限，而他們正在遠程工作，那么會發生什么情況?在疫情持續蔓延的情況下，公共衛生指南不斷變化，靜態的企業數據訪問、工作流程和報告嚴重限制了企業對其員工安全的實時可見性，更不用說業務價值和增長了。

 

發生的疫情表明，企業需要重新思考如何存儲數據，并使其在組織范圍內都可以訪問。隨著越來越多的企業采用永久性混合方法在現場和遠程工作，迫切需要使用能夠為所有用戶提供持續和民主化大數據訪問的解決方案。

 

 

大數據技術是一把雙刃劍。從理論上來說，更多的數據意味著需要更快的分析以獲得更高效、更有成效的輸出。對IT團隊的運作方式了解得越多，就可以更好地利用這些見解來提高生產力、節省時間、提高成本效率和促進業務增長。但更多的數據并不總是意味著是更好的數據。其情況通常恰恰相反：企業積累的數據多于他們使用或知道如何處理的數據。這種海量數據收集方法意味著企業最終會擁有大量未使用、非結構化、未優化的數據。數據越多，可見性就越差。

 

為了使工業數據具有可操作性和價值，需要識別和提升基于相關性的數據。這種來自企業不同資產的直觀數據，從傳感器到邊緣再到云平臺，為格式化和保護數據建立了通用基線。與基于來源或團隊經歷不同格式和安全階段的孤立數據不同，企業中的所有數據都分配了身份標簽并采用相同的格式，從而在企業中開放數據可見性和訪問權限。

 

 

戰略性工業數據管理方法不是大量收集數據并將其傾倒到非結構化數據沼澤中，而是利用數據歷史記錄和工業人工智能解決方案使其數據在企業中更加可見、可訪問和可操作。

 

這不僅僅是清理數據湖或使數據具有可操作性。這種戰略性數據管理方法還有助于彌合勞動力中日益擴大的技能差距。隨著具有多年領域專業知識的資深員工退休，取而代之的是經驗水平可能不足的年輕員工，這可能帶來技能差距。人工智能驅動、數據歷史驅動的戰略數據管理方法可以確保關鍵的歷史知識得到保留和共享，并在整個企業中廣泛應用——無論是團隊還是個別員工。

 

大數據將繼續發揮關鍵任務作用，為企業提供制定與具體業務價值結果相關的數據驅動決策所需的資源和洞察力。這可能意味著從優化生產線到提供實時流程可見性，所有這些都是為了幫助IT團隊提高生產力、效率和創新性。但要從大數據中獲得最大價值并將其有意義地應用于工業，流程工程企業必須將重點從海量數據積累轉向更周到的戰略工業數據管理——特別是數據集成、移動性和可訪問性。通過部署下一代數據歷史記錄器和工業人工智能解決方案等工具，企業能夠從以前未優化和未被發現的工業數據集中挖掘出新的、隱藏的價值。

 

版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。