Skip to main content
Denna sida visas med automatisk översättning. Visa på engelska istället?

Så här fixar du tre hinder för datahantering

Alla industriföretag är angelägna om att förvandla sina data till värde och de flesta har ett digitalt transformationsprojekt på gång. Men enligt en global undersökning av CIOs av Gartner Inc uppfyller färre än hälften sina mål. Så här undviker du de tre vanligaste stötestenarna.

Så här låser du upp det fulla värdet av att länka din IT och OT

Alla industriföretag är angelägna om att förvandla sina data till värde och de flesta har ett digitalt transformationsprojekt på gång.

Men enligt en global undersökning av CIOs av Gartner Inc uppfyller färre än hälften sina mål¹.

Att koppla samman punkterna mellan IT (Information Technology) och OT (Operational Technology) är grundläggande.

Med dina ögon i horisonten, så här undviker du de tre vanligaste stötestenarna som spårar ur organisationers förmåga att låsa upp det fulla värdet av att länka sina operativa och affärssystem.

[1]

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

Adam Cartwright

Stötessten 1: en oklar destination

AI blir ofta en hammare som letar efter en spik. AI kan inte kompensera för dåligt definierade mål. Låt inte de smarta svaren från stora språkmodeller få dig att tro att AI förstår vad du ska göra eller att andra AI-tekniker då kommer att få det att hända.

Om du inte förstår hur framgång ser ut och hur den kommer att mätas, kommer du att misslyckas. Använd samma noggrannhet som du skulle tillämpa för att specificera en konsult för att definiera ditt AI-projekt.

Fixet: Varje digitalt eller AI-projekt måste vara ett förändringsprojekt. Ta med dig dina medarbetare och hjälp dem att vara glada över att ta med all sin kunskap i projektet så att de hjälper till att göra det till en framgång och integreras i ditt företag som vanligt.

Stötessten 2: var inte rädd för att bryta silon

Datasilos är arvet från årtionden av frånkopplade system - hårdvara och programvara som läggs till över tid eller hanteras av separata team utan en enhetlig digital tråd. Maskiner kan fortfarande fungera smidigt, men deras data sitter låsta i fristående system som inte kan prata med varandra. Äldre system och protokoll är en särskild fråga; IT-team vill att OT-data ska ”vara som ett API” och det är det inte.

Denna fragmentering är ett stort hinder för att få meningsfulla insikter i realtid som kan åtgärdas av organisationernas befintliga system.

Fixet: Industriella IoT-plattformar som Siemens Industrial Edge hjälper till att förena dessa miljöer genom att skapa ett enda gränssnitt för datadelning som kan anslutas till OT. De ansluter sensorer, maskiner och äldre infrastruktur till molnet — vilket ger de standardiserade gränssnitt som IT letar efter.

Stötsten 3: Uppgifterna märks inte korrekt

Rådata utan sammanhang är bara brus. För att få insikt måste dessa data vara korrekt märkta med metadata som tidsstämplar, källbeskrivningar eller tillgångsidentifierare.

Men manuell märkning är arbetskrävande, och många företag saknar de interna resurserna för att göra det i stor skala.

Korrigeringen: Märk när du går. Detta måste vara en disciplin och måste ingå i dina standardprocedurer. Om du har enorma äldre datamängder är AI-drivna verktyg som Siemens SALT (Semi-Automatic Labelling Tool) utformade för att ta sig an denna utmaning.

Låt inte dina data gå till spillo

Verklig digitalisering är beroende av att sammanföra OT och IT — att få maskiner och system att tala samma språk. Men det beror också på smarta datapraxis: riva ner silor, märka data korrekt och tillämpa AI med syfte och omsorg.

Genom att undvika dessa tre hinder för datahantering kan industriföretag sluta missa det värde som redan gömmer sig i deras verksamhet och börja få sina data att verkligen fungera för dem.