1704033360
1704033361
以现代采矿作业为例。一般情况下，制造商会为大多数设备配备数据技术。整个矿区都能连接到移动或无线网络，可以对所有卡车、碎石机、传送带以及地面情况和地质状况进行监控。
1704033362
1704033363
然而，这些数据流通常被分隔在不同的谷仓当中，没有实现连通和汇总，因而无法进行分析。这类矿业公司的控制室里通常有大约50个显示屏，每块显示屏上的信息都来自一个不同的设备供应商。仅凭这些信息，矿井主管无法得知矿井是否已经达到转移生产的目标——这就是未从大数据中得出有用洞察的典例。
1704033364
1704033365
明确这一点之后，要想做出改进，第一步就是搜罗现有数据库以获得洞见。接下来，企业可以尝试处理新数据，为当今的前沿技术——从实时运营数据中提取洞见——打好基础。
1704033366
1704033367
数据经过分析得到规整，总结出关键绩效指标（KPI）和可行信息。可以实时刷新并发送到监管人员的平板电脑上，以便随处携带、随时查看。
1704033368
1704033369
这样一来，就能从来自四面八方的不同数据中得出有用信息，否则就只是一团浆糊。
1704033370
1704033371
对制造业而言，在基于智能数据推出适销对路的数字服务和内部运营流程之前，还有一个关键的准备阶段：打破谷仓式的循环数据回路和系统，实现数据的融合或流通。所幸近期取得的技术进步为此提供了极大便利。
1704033372
1704033373
数字技术已经足够成熟，能有效地将大数据转化为可行知识——例如，通过结合数据操控不同工厂的分散式控制系统。另外，嵌入式传感器和控制体系早已成为工厂车间众多机械的动力来源。
1704033374
1704033375
得益于运营技术和信息技术的融合——即数据网络和IT系统的连通，前者控制机器和机器人，后者为整个企业提供支持——机器和设备通常能够连入数据系统，如生产管理、制造执行、物流和企业计划等，而这些数据系统过去与机器设备是毫无关联的。
1704033376
1704033377
制造执行系统（Manufacturing Execution Systems，简称MES）负责跟踪并记录原材料是如何转化为产品的。许多工业领域过去都是各工厂各自为政，而现在，各个工厂的制造执行系统均被归入企业资产管理（Enterprise Asset Management，简称EAM）系统下面的一个控制单元，实现了统筹。企业资产管理系统负责监控机器生命周期和企业的其他实体组件。
1704033378
1704033379
如此一来，许多制造商就可以实时查看其生产流程。虽然产能依旧存在限制，但企业可以通过分析，发现并预测性能瓶颈，针对工厂运营改进、员工队伍管理和供应链风险管理做出更加智能的决策。
1704033380
1704033381
用不了多久，这一企业中枢的雏形就会新增业务部门，为企业提供外部原材料，或准确描述客户对产品的规格需求。在这一阶段，行业运营会变得更加灵活，成本效益更高，能够为客户提供高度定制化的成果。
1704033382
1704033383
总而言之，格局在不断发展，可以说是瞬息万变，但只要从现在开始做起，就能即刻收获回报。还是那句话，小处着手，一旦有效则迅速推广。
1704033384
1704033386
公用事业公司如何运用大数据分析
1704033387
1704033388
一家大型自来水公司为一个900万人口的大型省会城市供水。以该公司为例很能说明问题，因为其通过综合运用并大规模部署自制和第三方IT解决方案，已经收集了大量数据。
1704033389
1704033390
关键问题是得出的洞察都局限于各工厂，造成数据分析极其低效，且与运营技术基本脱节。企业在原先的IT解决方案上投资了2亿美元，旧方案只实现了部分互联，各工厂只能各自为政，缺少一个决策支持中心。
1704033391
1704033392
结果就是当谈到水压、振动、流动、化学品用量、能耗或某工厂水处理的开始和结束时间这些重要运营数据时，没人了解所有工厂的整体情况。
1704033393
1704033394
企业需要建立一个一体化分析平台，覆盖其价值链上的14个部分，包括水库利用、家庭用水、废水管理、将处理过的水排放入海等等。
1704033395
1704033396
这笔投资虽数目不大，但不到六个月就为企业带来了回报。现在，自来水公司会对温度、降雨量等天气数据进行分析，因而能够提前规划，提高资源分配效率。此举还为公司赢得了更多的思考时间，对平台控制板上显示的实时数据变化做出回应。
1704033397
1704033398
如今，公司数百名管理人员和1000多名员工发现，决策要比以前容易得多，每年可因此创造约6300万美元的价值。此外，公司的运营成本（OPEX）减少了近8%，资本开支减少了约12%。
1704033399
1704033401
开展试点，循序渐进，各有侧重
1704033402
1704033403
许多企业还是认为，利用传统数据技术得出智能可行洞察是件麻烦不小的事。实际上，得益于数据分析技术的进步，这一观点已经过时。上文列举的自来水公司案例就可以证明这一点。
1704033404
1704033405
时至今日，我们已经不需要在将数据导入算法以提取洞察之前，先对其进行标准化或格式化处理。统计应用和数据库系统可接收、存储和消化各种结构化或非结构化的数据，并兼容多种数据类型，如数字、文本或可视数据。即使是不同代数据收集技术采集到的五花八门的数据，现如今也已不再是什么大问题。
1704033406
1704033407
那么企业的数据分析现在处于什么阶段？如何正确构建数据分析能力？
1704033408
1704033409
目前，大多数工业企业已逐渐认识到数据策略和数据分析的主要优势，但还没有十足把握。
[
上一页 ]
[ :1.70403336e+09 ]
[
下一页 ]