数据湖对制造商来说具有巨大的潜力。然而，许多组织并没有意识到它们的真正价值，因为通常只有某些人知道如何驾驭它们。简而言之，我们的数据湖筒仓是人类。在解决这个问题之前，组织将继续仅获得最少的见解。
未利用的数据湖
“数据集成的挑战越来越小。我们现在最大的痛点是理解我们的数据并使其有用的能力。”这种自我认知正迅速成为制造商的普遍现象，并且是理解为什么数据湖未得到充分利用（如果有的话）的基础。大多数制造商拥有稀缺的主题专家 (SME) 团队，他们可以有效地浏览他们的数据湖。他们的 SME 的专业知识是通过数十年的经验积累的，无法轻松或快速地共享，这造成了使数据可供广泛使用的瓶颈呃组织。简而言之，我们的数据湖孤岛是人类。在最近对制造业数字领导者的调查中，超过 75% 的受访者确定生产经理 (93%)、质量 (80%)、运营 (76%) 和维护 (75%) ) 作为目标数据消费者以及中小企业 (90%)。为了增强所有这些数据消费者的能力，我们需要对我们的数据湖采取更全面的方法。我们必须降低人与数据之间的复杂性，减轻对我们中小企业的需求。三大核心能力
要让您的数据湖与人交流并在众多数据消费者中可用，需要三个核心能力核心能力：数据上下文上下文化是在数据源和类型之间创建有意义的关系的过程。这些关系连接来自整个设施的资产或流程的相关数据。例如，您设施中的资产可能具有过程变量、工作单、文档和检查数据，所有这些都驻留在您的数据湖中。情境化建立允许用户在查看相关工作订单时访问实时流程变量的关系。这有助于建立可供所有数据消费者使用的数据基础。数据发现在建立上下文后，数据还必须随时可供用户查询和访问。能够找到所需数据的用户可以有效地使用低代码或无代码解决方案。这些解决方案可用于构建仪表板，生成实时洞察力，以前只能通过耗时的 Excel 报告间歇性地获得这些洞察力。使数据更易于发现，数据消费者无需了解数据湖中以原始数据格式存在的每个源系统的结构和命名约定。数据质量数据治理的一个子集，数据质量是确保数据信任的关键消费者。引用 Forrester 所说的数据质量的重要性，“除非企业信任并使用数据，否则数据没有任何价值。”在在操作上下文中，每秒更新一次（或在许多情况下更快）的数千个时间序列数据点，消费者必须有一种简单的方法来验证数据驱动建议的质量，并且必须能够根据他们的具体用例。例如，实时性能监控解决方案将需要比每周生产报告更严格的质量规则。在解决这些核心功能之前，更广泛的组织将难以从数据湖中实现价值，即使是获得最小的洞察力也将继续严重依赖主题专业知识。前进的最快途径
实现上述能力的一种常见方法是借助人力，组织转向 SME 或合作伙伴以手动将数据背景化并管理元数据。虽然这个过程在概念验证期间通常是成功的，但制造商很快意识到企业解决方案所需的规模必须是通过更自动化的方法实现。这种对自动化的需求就是为什么专门为解决制造商的数据孤岛挑战而构建的工业 DataOps 平台可以成为任何数据湖的重要补充。关于作者Cognite 是全球工业软件即服务 (SaaS) 的领导者，拥有着眼于未来并推动工业世界数字化。要了解更多有关使您的组织能够从数据中提取更多价值的信息，请下载此 IDC 技术聚焦和/或查看 Cognite 关于建筑最佳实践的点播网络研讨会工业 4.0 平台。*所有图片均由 Shutterstock 提供
