Skip to main content
Эта страница переведена автоматически. Перейти к английской версии?

Как устранить три препятствия в управлении данными

Все промышленные предприятия стремятся превратить свои данные в ценность, и большинство из них уже реализуют проект цифровой трансформации. Но согласно глобальному опросу ИТ-директоров, проведенному компанией Gartner Inc, менее половины из них достигли своих целей. Вот как избежать трех наиболее распространенных камней преткновения.

Как в полной мере использовать преимущества объединения ИТ и OT

Все промышленные предприятия стремятся превратить свои данные в ценность, и большинство из них уже реализуют проект цифровой трансформации.

Но, согласно глобальному опросу ИТ-директоров, проведенному компанией Gartner Inc, менее половины из них достигают своих целевых показателей¹.

Соединение между ИТ (информационные технологии) и ОТ (операционные технологии) имеет фундаментальное значение.

Взглянув на горизонт, вы узнаете, как избежать трех наиболее распространенных препятствий, мешающих организациям в полной мере реализовать преимущества объединения операционных и бизнес-систем.

[1]

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

Адам Картрайт

Камень преткновения 1: непонятный пункт назначения

Искусственный интеллект часто становится молотком, ищущим гвоздь. Искусственный интеллект не может компенсировать плохо определенные цели. Не позволяйте умным решениям больших языковых моделей заставлять вас думать, что искусственный интеллект понимает, что вам следует делать, или что другие технологии искусственного интеллекта помогут вам в этом.

Если вы не понимаете, как выглядит успех и как его измерять, вы потерпите неудачу. Используйте ту же строгость, что и при назначении консультанта для разработки вашего проекта в области искусственного интеллекта.

Исправление: Каждый цифровой проект или проект искусственного интеллекта должен быть проектом изменений. Возьмите с собой своих сотрудников и помогите им с радостью использовать все свои знания в проекте, чтобы они помогли добиться успеха и интегрироваться в ваш бизнес в обычном режиме.

Камень преткновения 2: не бойтесь сломать бункер

Хранилища данных — это наследие десятилетий разрозненных систем: аппаратное и программное обеспечение со временем добавлялось или управлялось отдельными командами без единого цифрового потока. Возможно, машины по-прежнему работают без сбоев, но их данные хранятся в автономных системах, которые не могут взаимодействовать друг с другом. Устаревшие системы и протоколы представляют собой особую проблему; ИТ-команды хотят, чтобы данные OT «были похожи на API», но это не так.

Эта фрагментация является серьезным препятствием для получения значимой информации в реальном времени, на которую могут повлиять существующие системы организаций.

Исправление: Промышленные платформы Интернета вещей, такие как Industrial Edge от Siemens, помогают унифицировать эти среды, создавая единый интерфейс для обмена данными, который можно подключать к OT. Они подключают датчики, машины и устаревшую инфраструктуру к облаку, предоставляя стандартные интерфейсы, которые нужны ИТ-специалистам.

Камень преткновения 3: неправильная маркировка данных

Необработанные данные без контекста — это просто шум. Чтобы получить представление, эти данные должны быть надлежащим образом помечены метаданными, такими как временные метки, описания источников или идентификаторы активов.

Но ручная маркировка трудоемка, и многим компаниям не хватает внутренних ресурсов для ее масштабного выполнения.

Исправление: Маркируйте по ходу дела. Это должно быть дисциплиной и должно быть включено в ваши стандартные операционные процедуры. Если у вас есть огромные наборы устаревших данных, инструменты на базе искусственного интеллекта, такие как Siemens SALT (полуавтоматический инструмент для маркировки), предназначены для решения этой задачи.

Не тратьте свои данные впустую

Настоящая цифровизация зависит от объединения операционных и информационных технологий, позволяющего машинам и системам говорить на одном языке. Но это также зависит от практики использования интеллектуальных данных: устранения разрозненности, правильной маркировки данных и целенаправленного и тщательного применения искусственного интеллекта.

Предотвратив эти три препятствия в управлении данными, промышленные предприятия смогут перестать упускать преимущества, уже скрытые в их операционной деятельности, и начать делать так, чтобы данные действительно работали на них.