制造商正在经历数据浪潮，掌握它并非易事。现成的数据解决方案通常对实时事件反应不够灵敏。量身定制的解决方案可以提供令人兴奋和宝贵的机会，例如解锁实时和预测智能。在这次与全球创新咨询公司 PA Consulting (PA) 合作的制造商董事论坛虚拟圆桌会议上，与英国领先制造商的高级管理人员和 PA 的数据专家讨论了利用数据使企业更加敏捷的重要性。该会议的灵感来自 PA 最近为联合利华构建了一个世界领先且屡获殊荣的预测智能工具，该工具使该公司能够在整个大流行期间监控、预测和响应其全球供应链中的 COVID-19 趋势。这组制造商分享了他们对如何有效利用数据的痛点、经验和见解它的数量和复杂性呈指数级增长，数据分析如何改变运营敏捷性和决策制定。人们的态度已经从“数据很可怕，我宁愿远离它”转变为在日益数字化和技术驱动的世界中必须考虑和重视数据。情况迫使制造商更好地理解这个话题，但对应用数据的理解仍然有限。与五年前相比，人们更愿意参与数据对话，但仍需努力培养对数据可以为组织释放的实际商业价值以及如何最好地实现这一点的真正理解。
制造商的痛点包括：
“我对该主题的兴趣在于推动数字化和数据管理——尤其是围绕科学、技术、分析和微生物学数据。我们想尝试让业务更加顺利ure 级别，并从数据中获得不止一次使用。”“我们对这个领域的数据非常感兴趣。挑战在于试图推动和拉动一家目前非常分散且充满独立业务的全球公司——这是关于将它们拉到一起，向他们展示合作的好处。”“我们一直在寻找我们如何使用数据来优化制造流程，然后尽快在世界范围内推广这些流程。”系统。”“我们希望从数据中获得可操作的洞察力，然后我们可以使用这些洞察力以标准方式提高我们地区的质量，确保我们的 19 个设施使用相同的方法。” 驾驭数据浪潮——面临哪些挑战e 制造商面临的挑战？
本次会议的制造商反映了导航数据的困难。他们渴望听到虚拟房间周围最大的数字挑战。什么方法最有效？当公司采用新系统时会出现各种各样的问题，对于快速发展的数字技术来说也是如此。到推出新系统时，桌面上就会出现“更好或至少更闪亮”的解决方案。企业如何让人们相信数据是通向更明智的循证决策方法的大门？他们如何让他们像对待资产一样对待它？并非所有数据都是平等的，作为一个概念，这有时是一个挑战——缺乏对这一事实的认识可能会导致组织在试图平等管理所有数据时陷入困境。PA 和团队对此的见解point included:
“这是一个已经取得进展并将继续进行的对话。有一个有许多实际挑战会阻止组织像他们希望的那样有效地向前发展。第一是认识到关键推动因素与数据、技术或数字几乎没有关系——它与人有关，以及个人对在业务层面或个人层面创造的价值的看法。认识到在任何变革或转型计划中，清楚自己在做什么，然后以引人入胜且前后一致的故事的形式描述该目的非常重要。在数据和数字项目中提供战略的早期学习之一是确保你在房间里有一个讲故事的人，他可以将数据驱动的雄心转化为引起共鸣和人们理解的语言。”“此外，一些相当成熟的组织传统架构和技术试图尝试提高其数字和数据成熟度，而不是通过改变它们的工作方式，而是通过覆盖 n新技术。事实上，我们发现它就像一艘在海上漫游的大油轮——它们需要很长时间才能转一圈。数字化的一部分是变得敏捷——能够快速行动，并在某些时候能够解决和改变一些基本的运营方式。这不仅仅是用新技术增强现有流程，而是对您的工作方式进行更根本的重新构想，将数字放在首位并以设计为核心。”“最后，它认识到颠覆是困难的——人们通常不会想被打乱。同样，它又回到了人的元素，但这一次它是以价值为导向的。您如何以一种不仅引人注目而且可见并快速交付的方式展示重新想象的最终状态的价值？您如何使用它来确保在正确的地方获得赞助？您需要拥护者来帮助您宣传并保持交付大网膜阳性。因为归根结底，在任何类型的数字变革计划中保持积极的势头都至关重要。”您如何查明和访问正确的数据来回答您的业务问题？
一家制造商渴望了解有关评估技术投资的货币收益的最佳实践。收益通常根据运营流程来衡量，例如生产力、效率、向客户交付速度等方面的改进。当您与组织的运营部门打交道时，他们每个人都有自己的重点领域。然后，执行干系人会来寻找简洁的摘要。将改进的运营转化为利润或销售额等财务指标之间的桥梁并不总是线性的。该小组对这个问题的见解包括：
“当涉及到投资回报率时，传统思维面临着挑战数字投资。有一个完整的思考过程不知道如何创造、获取、计算和表达价值，这些价值不容易量化。我觉得其中有一个完整的元素仍在评估和解决中。一些传统的财务指标不允许您捕捉和传达价值。我认为整个组织都更加认识到这会限制投资，许多公司正在反思这一点并改变价值的衡量方式。”并证明这一点。其中很多是通过假设，并且在很多情况下假设是正确的。但有时，假设是不正确的，投资并没有创造价值。推出不创造价值的投资对任何企业来说都不是好事。”非常建议他们说，“投资回报率是多少？”正如前面提到的，很难明确说明投资回报率。我认为我们看到很多投资建议都处于基础阶段，这些投资本身不会带来投资回报。我们的团队已经提出了很多投资于许多活动的建议。大多数答案是否定的，因为作为个人投资，他们还没有证明回报。”走在前沿——使用数据解锁实时和预测智能
制造商对此感到兴奋人工智能和机器学习等技术。但是，在企业中探索这项技术的最有效方法是什么？很少有专家了解它是什么以及它的能力。只是试图创造“实验的火花”是一位参与本次会议的消费品制造商表示，这非常困难。“在记录决策方面，我们非常出色。我们直观地希望记录来自仪器、遥测和系统的数据。但我们通常不会记录所有数据的结果以及数据实际驱动的决策。”该小组的见解包括：
“人工智能和机器学习已经有了一些形象。如今，它被视为复杂数据解决方案的无所不能的代表。不幸的是，问题是它在大多数时候都不是一门被理解的科学。它通常被视为有点“即插即用”，没有任何定制。我们多次忽略的是，需要有意识地规划一项战略，以便通过人工智能实际交付价值。”“你必须给人工智能一个目的。设置一个您希望数据主导的解决方案交付的明确问题或假设很重要。因为吨帽子告诉你你在做什么——考虑到你的练习目标，你将把什么样的算法、模型、技术或技术付诸实践？把它放在前面经常被忽视，但它是基本的。”“这是关于小范围的。您需要确定要交付价值的位置并切入正题。将机器人过程自动化 (RPA) 引入 AI 空间的途径是一段旅程。我认为这与您围绕它建立的团队有关。如果您的组织中有两三个人具备执行此操作的技能，那么您如何在整个组织中利用这种神经多样性？您需要业务流程负责人将编码员和分析师召集在一起，这样他们才能了解机会，销售机会并告诉人们如何处理它。”领导力挑战 – 领导者现在需要成为“数据人”？
会议以关于什么造就“数据人”的讨论。企业的每个部门都需要了解数据吗？领导者必须成为数据人吗？制造商是否在其制造场所招聘具备正确技能的人员，他们是否能够解读数据并采取适当的行动？需要哪些核心技能？小组的见解
：“这可能是个性问题。我认为数据人员的性格与许多其他人略有不同。我关注技术曲线的扩散以及人们自然坐下的位置，无论是作为早期采用者还是作为并不真正购买技术的人。我认为需要特定类型的人才能看到数字，将它们放在一个模式中并期望得到一个结果。”“作为数据人员，我们都是有点独特的野兽。成为数据人当然有个性因素。我在解释、执行和理解 da 时遇到的挑战实际上，分析师级别并不经常出现，产生见解的人不一定会曲解或歪曲，而是在领导级别。”“我认为这可以追溯到对数据的解释。开发一个解决方案，而不是每个人都必须是数据科学家才能理解它是非常关键的。你想简化它——在不带走洞察力的情况下将其简化。以人们可以回应的方式提供它；拥有构建的核心能力、可以扩展的核心以及对在团队中培养技能的位置的理解，以确保你在班级中处于领先地位。”总结
作为数据浪潮流经组织，制造商正在分享共同的痛点。必须进行早期评估，以区分重要数据和不重要数据，并确定如何使用和管理数据。对话通常以捕获信息位为中心，但不是必需的迅速捕捉结果、产出和从中吸取的教训。公司应该考虑从哪里开始数据之旅，并确定他们想要了解的内容。如果某些信息不可用，则制定计划开始收集该信息。通过业务衡量、创建和传达数据的价值是关键。可持续性和环境控制变得越来越重要，围绕它的立法将会增加。无论是 ROI 还是监管和立法，都需要以不同且更严格的方式捕获、报告和评估数据。最后，拥有具有数据技能的人——以及讲故事的人来传达数据的价值和目的——是关键。这是关于数据提供的洞察力以及人们如何使用和响应它。这是关于在呈现数据时了解受众是谁，并确保它能帮助他们解决问题。数据应该简化企业的运营方式，r而不是增加复杂性。如果不传达这种好处，您就不会实现对数据重要性的广泛采用，如果没有这种采用，您将无法获得人们在整个企业中寻求的好处。有关制造商的相关文章，请单击此处图片由 Shutterstock 提供
