全站搜索

如何打好工业大数据实施与落地

  • {{articleInfo.posttime}}
  • 作者:{{articleInfo.author}}
  • 浏览量:{{articleInfo.hits}}
  • 分享

    QQ好友

    QQ空间

    百度贴吧

    新浪微博

    点击复制链接

    微信 / 朋友圈

工业大数据实施路径为企业提供了方法指引,但工业大数据项目的实施落地并不是一蹴而就,现阶段仍存在着部分项目投资大产出低、项目周期长、人才缺乏、分析结果可靠性差、应用融合不深入等问题。那么,制造企业如何才能更有效地推进工业大数据应用、更充分挖掘数据价值呢?

 

如何打好工业大数据实施与落地-

 

1、自上而下形成完善的管理制度与体系

推进工业大数据项目,需要企业从战略层面高度关注和重视,从上往下形成完善的管理制度与体系。首先,工业大数据是持久性的项目,需要企业做好打持久战的准备,且在项目前期投资回报率难以量化,短期效益不明显的情况下,获得高层领导的支持与参与就显得非常关键。其次,工业大数据解决的是企业级的应用需求,涉及多部门跨业务的数据融合与工作配合,某个业务目标的实现需通过整个企业乃至供应链上多上相关方的大范围协同,因此需要获得从管理层到业务部门自上而下的支持,并应形成完善的管理制度与保障体系,以保证项目的有序推进。

 

2、定义明确的项目目标,切忌贪大求全

企业在实施工业大数据之前,必须根据企业自身的需求,确定解决什么问题,能为企业带来哪些价值。同时,在一个项目周期内应制定可衡量的实现目标。与一般的信息化项目不同,如硬件项目价值比较直观,MES、ERP等信息化项目,已有较深的积累,可以明确确定交付边界和交付周期,工业大数据项目是一个持续迭代的过程,所以项目周期和项目的边界有时会显得较为模糊。但如果在一定的项目周期内,企业没有明确的主攻方向并向业务板块呈现价值,项目将难逃厄运。

 

另外,建议企业不要一开始就贪大求全,甚至花费巨资去构建企业级大数据平台。可以从总体架构要合理、小型价值先推行的思路出发,给予合理规划与论证分析,并从启动小的项目开始,选择企业所亟待解决的问题入手,再逐步延伸到更多的应用场景。将技术探索、人才储备、应用落地等基础打好后,再考虑打造和完善体系化的大数据应用平台建设。

 

3、将重心放在业务知识认知、数据治理上

从某种角度来说,工业大数据不是技术而是业务,项目的落地从工业大数据技术起步,但同时必须与企业的业务流程、工业机理等有机结合。包括通过充分利用业务知识,企业可以了解数据的来源与采集方式,判断其是否可信,把握分析项目的主要矛盾;在数据量不够的情况下,通过“方法降维”,从有限的数据中分析出足够可靠的结果;以业务经验指导特征提取,提高算法的求解效率,提高模型的可解释性;更全面客观评估模型的适用范围等。

 

另外,相比大数据量,工业领域更注重数据的完整性和高质量。数据质量的高低直接决定了数据模型的准确性、数据分析的可靠性。此外,数据治理不仅在数据准备阶段,为保证模型的持续优化,还需要不断提高数据质量,并定期对数据进行维护。

 

4、与其花巨额解决数据采集的充分性,数据分析不如从现有数据资产出发

对于制造企业来说,总期望所有的重要因子数据都能被全量采集,但这是不可能的。一方面,如果不融入领域认识去“消减”因子数量,通常是无法提供“足够”的历史数据去覆盖所有组合情形 。另外,数据采集成本不低,并且还受制于当前的技术水平以及安全/环境等因素。因此,数据准备阶段企业先盘点现有数据,而不是一开始就投入大量的资金开展数据采集,更不是在业务需求、应用场景尚不明确的情况下,就盲目开展各类数据采集与治理,不仅成本高,而且很多数据可能并不是未来数据分析应用所需要的。

 

5、需要行业专家,战略合作伙伴的多方协作

当前,工业大数据项目还没有完全可照搬的模板,技术与应用场景的深度融合还处在不断探索、试错的阶段,需要企业与来源于高校、科研院所等的行业专家,以及工业大数据解决方案提供商通力合作。

 

例如,工业大数据分析厂商的优势在算法、数据洞察力以及丰富的实践经验,而行业专家对行业know-how有较深的理解与积累,高校擅长理论算法与机理的深入研究,通过企业、行业专家和厂商配合组队的模式,可以帮助企业更高效地找到合适的融合性落地方案,提高场景化数据建模与分析效率,得到高质量的分析结果。

 

6、加强复合型人才培养

工业大数据实施落地难,人才缺乏也是很重要的原因,特别是既懂IT,又熟悉业务,还具有一定数学功底的复合型人才。另外,据了解在部分大数据项目结束后,技术实施方撤离,企业由于缺乏数据的管理维护、数据模型的迭代完善能力,导致数据的质量每况愈下,模型失去生命力,使得项目无法得到延续。因此,企业需要加强面向新一代信息技术的复合型人才培养,以承接模型上线后对其进行持续优化迭代的能力,并为产业级的大数据应用推广储备人才。

 

总之,大数据本身并不是目的,如何通过大数据解决企业生产、运营中的问题,为企业创造价值,实现提质降本增效才是推进工业大数据的核心目标。工业大数据的落地离不开方法指引,也离不开场景选择、业务逻辑的深入理解,更离不开高质量的数据保障、大数据技术与业务流程的融合、算法模型的持续迭代和专业的战略合作伙伴与人才支撑。

 

- END -

 

MBA,在职MBA,南海在职MBA,国际在职MBA - 南海国际学分银行

 

工商管理硕士,全称为工商管理专业型硕士研究生(英文名:Master of Business Administration,简称MBA)。是对应工商管理学术型硕士的专业学位硕士,该学位的设立,旨在培养未来能够胜任工商企业和经济管理部门高层管理工作需要的务实型、复合型和应用型高层次管理人才。

 

MBA要求理论与实践相结合,而其他硕士研究生只是培养科研型和教学型人才,偏向理论,不参与实践;MBA的招生要求一般为大学本科毕业、并有两年以上工作实践经验的人员,或者大专毕业、并有五年以上工作实践经验的人员。通过案例分析、实战观摩、分析与决策技能训练等培养学生,使学生更具有职业竞争的实力。

 

可报名在职MBA:

 

1、工商管理硕士MBA学位

 

2、高级工商管理硕士EMBA学位

 

3、工商管理同等学力课程

 

扫码关注/加入我们
识别二维码,即可关注或加入
微信客服二维码微信客服
微信公众号二维码微信公众号
南海国际学分银行
课程正在直播中
扫码前往小程序观看
扫码进入
{{courseData.start_time}}
{{courseData.start_date}}
{{courseData.time_count}}
{{courseData.tips}}
{{courseData.end_time}}
{{courseData.end_date}}
扫码进入小程序关注直播最新动态
试听硕博课程
姓名
手机
学历
{{degreeeValue}}
{{item.name}}
工作年限
{{workYearValue}}
{{item.name}}
所在城市
{{regionsValue}}
{{item.name}}
{{itm.name}}
您的个人信息保护中,仅平台可见
打开微信”扫一扫”
扫码进入小程序关注直播最新动态
{{apply_type==3?'评估报名资格':'试听申请'}}
姓名
手机
学历
{{degreeeValue}}
{{item.name}}
工作年限
{{workYearValue}}
{{item.name}}
所在城市
{{regionsValue}}
{{item.name}}
{{itm.name}}
您的个人信息保护中,仅平台可见
{{workshopData.start_time}}
{{workshopData.start_date}}
{{workshopData.time_count}}
{{workshopData.tips}}
{{workshopData.end_time}}
{{workshopData.end_date}}
扫码进入小程序关注直播最新动态
预约修业坊
姓名
手机
我是...
{{item.value}}
您的个人信息保护中,仅平台可见