在制造业中实施大数据战略时要考虑的挑战

---

本文讨论了大数据对制造业产生积极影响的多种方式。

在过去的200年中，我们已经看到了多次工业革命浪潮。在当前的第四次工业革命中，包括机器和设备在内的所有事物都已连接到Internet。这些机器（即工厂，硬件传感器，CCTV摄像机，机器人机械等）产生大量的工业数据，这是很有价值的。此数据不同于社交媒体，博客和其他来源生成的互联网大数据。管理者，决策者，政策决定者使用工业大数据来改进流程，机器并预测未来需求。利用工业大数据可以进行预测性维护和实时监控，可以发现故障的可能性，并可以降低维护成本。例如，在化工厂中，深入了解管道中的流体/气体流量可能有助于预测维护时间。制造业正在迅速采用大数据策略以提高效率和生产率。先进的分析功能可帮助解码复杂的制造流程，用自动化算法替代人为制定的决策，并提高生产效率和速度。

什么是大数据？

大数据是指在给定的时间范围内无法使用传统方法存储和处理的海量数据。能够利用海量数据对行业有益，有大数据技术可用于处理如此大量的数据。例如，Hadoop是一个框架，旨在使用简单的编程模型通过商品硬件在分布式数据处理环境中存储和处理数据。它可以高速和低成本地存储和分析存在于不同机器中的数据。还有其他可用技术，例如MongoDB，Rainstor，Hunk等。

宝马集团依靠对生产数据的智能使用来实现高效流程和优质质量，这是从大数据中创造价值的最佳范例。制造汽车会在整个价值链中产生大量数据。宝马集团使用其智能数据分析数字化集群来选择性地分析这些数据并增强其生产系统。智能数据分析的结果为提高生产和物流各个领域的质量做出了有效的贡献。

大数据在许多方面对制造业产生了积极影响

• 工艺改进可提高产量并提高生产效率。（点击查看如何使用大数据降低设备维护成本）
• 诸如“神经网络技术”和“机器学习”之类的方法比较了各种生产要素的影响。
• 供应链管理的改善导致交货时间缩短，风险降低。
• 个性化生产使企业能够满足个性化或特定需求以及更多需求。

实施中面临的主要挑战

• 确定需求

大数据战略是关于收集信息并使用它们来改变业务运营方式的。一家制造公司在生产中执行许多流程，因此了解大数据策略对改进特定流程的需求至关重要。当然，首先需要确定需要解决什么问题，否则，我们可能无意识地探索大量不必要的数据，最后还希望能够找到我们需要的东西。在大多数情况下，制造公司会花费大量时间和资源来捕获随机数据并对其进行处理，而这一行为在大多数情况下并没有带来任何好处。确定实际需求并收集可帮助您实现目标的数据是一项挑战。例如，如果公司需要解决库存损失问题，则要求该公司收集在仓储和存储过程中产生的所有数据以供进一步执行。

• 数据选择

内部产生大量数据，例如客户交易数据，内部供应链数据和整个公司的许多绩效数据。对于许多公司而言，单单处理这些数据是一个挑战，但这由不是可以创造所有价值的地方，因此了解其他可用数据来源非常重要。例如，我们可以将天气和气候数据，交通模式数据，价格比较数据等外部数据带入市场，以了解市场上还提供了哪些其他价格。确定要使用的数据，如何获取数据，如何将其汇总为可在整个公司中使用的集成形式是一个挑战。

• 转型能力

大数据实施中最困难的部分是转换功能，重要的是要了解数据的真正影响通常需要大量的策略，团队的努力和所花费的时间。使具有适当技能的人有能力使用最新的数学技术和最新的统计方法来处理数据并带来收益。需要招募在行业中以相同方式工作多年的人员。建立一支由熟练专业人员组成的高效团队是一项真正的变革管理挑战。在许多情况下，公司会聘用现有人员并对他们进行新方法，新流程和新技能的培训，这需要用在不同环境中拥有丰富经验的人员来补充现有团队。

总结

随着数据的增长，制造公司正在应用分析技术以更快的速度和效率获得可观的价值。 但是，在花费数百万美元用于数据分析之后，由于仍未解决的挑战，公司仍无法看到收益。这些挑战发生在实施的所有级别，例如捕获正确的数据，快速处理和分析数据。同样，大数据缺乏情感智能，公司还必须想出对大数据产生情感影响的方法。