Skip to main content
Тази страница се показва с помощта на автоматизиран превод. Вместо това вижте на английски?

Как да поправим три препъни препъни места за управление на данни

Всички индустриални предприятия са нетърпеливи да превърнат данните си в стойност и повечето имат проект за дигитална трансформация в ход. Но според глобално проучване на директорите на Gartner Inc, по-малко от половината постигат целите си. Ето как да избегнете трите най-често срещани препъни препъни камъка.

Как да отключите пълната стойност на свързването на вашия ИТ и OT

Всички индустриални предприятия са нетърпеливи да превърнат данните си в стойност и повечето имат проект за дигитална трансформация в ход.

Но според глобално проучване на директорите на Gartner Inc по-малко от половината постигат своите цели¹.

Свързването на точките между ИТ (информационни технологии) и OT (оперативна технология) е от основно значение.

С поглед към хоризонта, ето как да избегнете трите най-често срещани препъни препъни камъни, които прекъсват способността на организациите да отключат пълната стойност на свързването на техните оперативни и бизнес системи.

[1]

91011169-5fd9-40c8-acfd-ecab0d7577e1 - AdamCartwright4 original

Адам Картрайт

Препъване 1: неясна дестинация

AI често се превръща в чук, търсещ пирон. ИИ не може да компенсира лошо дефинираните цели. Не позволявайте умните отговори на големите езикови модели да ви накарат да мислите, че AI разбира какво трябва да направите или че други технологии на изкуствения интелект ще направят това да се случи.

Ако не разбирате как изглежда успехът и как ще се измерва, тогава ще се провалите. Използвайте същата строгост, която бихте приложили, за да посочите консултант за дефиниране на вашия проект за изкуствен интелект.

Поправката: Всеки цифров или AI проект трябва да бъде проект за промяна. Вземете хората си със себе си и им помогнете да бъдат развълнувани да внесат всичките си знания в проекта, така че те да помогнат да го направите успешен и да се интегрират във вашия бизнес както обикновено.

Препъване 2: не се страхувайте да счупите силоза

Силозите за данни са наследството на десетилетия прекъснати системи — хардуер и софтуер, добавени с течение на времето или управлявани от отделни екипи без обединяваща цифрова нишка. Машините все още могат да работят гладко, но техните данни са заключени в самостоятелни системи, които не могат да говорят помежду си. Наследените системи и протоколи са особен проблем; ИТ екипите искат от OT данните да „бъдат като API“ и не е така.

Тази фрагментация е основна пречка за получаване на смислени прозрения в реално време, върху които може да се действа от съществуващите системи на организациите.

Поправката: Индустриалните IoT платформи като Industrial Edge на Siemens помагат за обединяването на тези среди, като създават единен интерфейс за споделяне на данни, който може да се включи в OT. Те свързват сензори, машини и стара инфраструктура към облака — предоставяйки стандартизираните интерфейси, които ИТ търсят.

Препъване 3: неправилно етикетиране на данните

Суровите данни без контекст са просто шум. За да се получи представа, тези данни трябва да бъдат правилно етикетирани с метаданни като времеви печати, описания на източници или идентификатори на активи.

Но ръчното етикетиране е трудоемко и много компании нямат вътрешни ресурси, за да го направят в мащаб.

Поправката: Етикетирайте, докато вървите. Това трябва да е дисциплина и трябва да бъде вписана във вашите стандартни оперативни процедури. Ако имате огромни наследени набори от данни, инструментите с изкуствен интелект като Siemens SALT (полуавтоматичен инструмент за етикетиране) са предназначени да поемат това предизвикателство.

Не позволявайте данните ви да се пропиляват

Истинската дигитализация зависи от обединяването на OT и IT - накарането на машините и системите да говорят един и същ език. Но това зависи и от интелигентните практики за данни: разрушаване на силози, правилно етикетиране на данните и прилагане на AI с цел и грижа.

Избягвайки тези три препъни препъни препъни места за управление на данните, индустриалните предприятия могат да спрат да пропускат стойността, която вече се крие в техните операции, и да започнат да карат данните им наистина да работят за тях.