随着英国寻求在世界上开辟新道路，气候变化和供应链收紧带来的外部冲击和压力将英国制造业的生产力推向了高度关注。为了在全球范围内具有竞争力，制造商必须转向数字化能力来提高生产力、增加创新并找到所有重要的边际收益，而未来工厂通常被提出作为答案。然而，在孤立的数据环境中，未连接的系统和技能集稀缺压力如何才能实现这样的必杀技？最近由 The Manufacturer 和商业智能和分析软件公司 Tableau 主办的虚拟圆桌会议见证了制造业社区聚集在一起进一步讨论。如果您有兴趣参加TM 董事论坛，请在此处注册您的兴趣。
制造商的主要痛点：
“数据是数字化转型的未来，我们拥有丰富的数据和我们工厂内部的见解，但很少有高于工厂的。我们在区域基础上做的很少，或者实际上让工厂跨工厂对话。包括制造和供应链。我们面临着传统和新设施的挑战，例如利用现有的大量数据。然后，我们在建立新事物方面应该有多大的雄心？那里有很多选择 - 我们应该追求所有这些还是其中一些有点时尚？”“在你考虑数据的重要性并利用它之前，你需要考虑要存储哪些数据，为什么您需要它以及您将如何处理它，因此，找出存储它的最佳方式。在你弄清楚如何调整之前，它似乎是最重要的因素将其转化为有用的信息。”“我们如何才能让人们信任数据，尤其是在传统工作领域部署数据时。车间里的人已经尝试过并相信他们知道如何解决问题的经验。在让他们同意这是正确的方法方面出现了很多问题。这种信任和理解是关键，不仅仅是分析。”“在我的角色中，我正在进行一项战略计划，即数据分析。然而，我正在努力让企业，尤其是供应链，为未来工厂的样子制定路线图。危险在于他们都提出了很好的概念验证，但问题是如何从端到端的角度弄清楚它们是如何组合在一起的。”“我的职责之一是领导整个数据战略业务，与所有部门合作。我们可以在 Excel 电子表格上运行工厂（许多人实际上尝试）但是当然，这有很多挑战，因为每个人都有自己的数据副本，对数据有自己的解释，并将以他们选择的方式展示数据来讲述他们的故事。这不是他们的错，但那是信任问题开始蔓延的时候。我们在这条道路上相对较早——从非常手动的数据收集开始。”关键问题：
获取数据时跨系统共享如何构建有价值的大图？
数据在不同部门之间当然是不同的，如果您查看跨单元、生产线或整个设施的连接性，它确实会有所不同，并且在某些情况下的地方，它可能还很不成熟。但是，如果您谈论的是价值，即您开始涉及的其他二级和三级数据集，您就会开始看到其他模式。例如，在引入新的合格技术人员时，您可能会开始发现某些生产线的质量有所下降刚刚结束他们的学徒生涯，或者你可以开始看到环境数据的模式。增加或解决质量问题的离散自动化制造组织已经开始增加一些二级和三级信息。虽然查看单元格和线路级别并在特定设施中使用它很有价值，但当您开始引入更高级别并引入其他一些数据点时也很有价值。您也可以开始看到模式。这并不是说没有差异，因为存在差异，但是一旦你对它进行一定程度的抽象，你就可以开始看到这些模式。所以我认为那里有价值。制造商洞察力：“要关注的一个关键点是数据告诉你什么，而不是数据本身可能是什么。”“目前，我们公司正在研究如何整合我们的供应连锁店，目前非常复杂，有很多公司为我们提供服务，所以我这将是一项艰巨的工作。但是，让数据从供应商流向我们并通过数据连接和数据分析加速这种关系也将带来巨大的好处。”“如果你将数据抽象化，很大一部分成本是供应链的内部和外部，以及顶部的一些关键级别指标在不同部门之间确实有所不同。可以提取数据来支持那些重要的商业 KPI，您可以在这些 KPI 中开始查看不同的设施，找出您可能表现不佳或表现出色的地方。”重新研究为什么事情的表现与您的预期不同。我们有很多例子，工厂内的环境条件改变了我们某些产品的行为。直到我们开始将数据与我们得到的信息相关联之前，我们才注意到这一点从工厂环境传感器荷兰国际集团。我们还遇到过来自两个不同供应商的相同材料导致我们生产的产品具有不同属性的情况。 “因此，如果您拥有合适的分析套件，那么在诊断生产线的最终产品时，拥有所有丰富的数据可能会很有价值。”其他组织如何最大限度地发挥科学和技术的内在计算能力和创造力分析和洞察环境中的工程团队？
在广泛利用技能方面，许多组织内的工程团队通常相对未被开发。数据领导者很少看到在整个企业范围内扩展的数据项目——它往往是许多概念验证解决方案，并且在这些领域发生了大量繁重的数据处理。跨组织扩展数据和分析通常来自非常不同的领域，并且大多数数据使用将来自研发团队，以及 f财务团队。数据真的很难。各种组织中的大多数人都不是数据流利的，他们不知道如何编码，所以你越能使数据易于访问和人性化，你的结果就会越好。企业尝试使用各种技术使数据人性化，无论是用数据讲故事，还是提升用例和视频内容，以增加对数据的需求。一旦制造商确实得到了这种需求，重要的是要跟进数据供应以使其随时可用。这将需要转变思维方式；在充分利用数据方面，公司通常不愿意信任他们的员工。这一切都是关于同时处理数据的需求和供应——你需要提供受监管的、准确的数据，人们可以同时根据这些数据做出决策。刺激组织各个领域对数据的需求很重要。 Manufac更深刻的见解：“这就是我们踏上自助式分析之旅的原因。我们有一个极端到另一个极端，人们的桌面上使用 Excel 几乎是“对所有人免费”，然后在另一端，我们有非常固定的报告方法，可以生成自动 PDF，这对大多数人来说没有用，因为他们想要深入了解更多细节。“我们需要一种灵活的工具，让人们可以查看不同的数据集，从而有可能使他们得出自己的结论——这其中有很多价值。”“我们都经历了这个过程拥有非常有能力的工程师来填写电子表格并维护电子表格以生成报告。几年前，我们任命了一位首席数据官，负责标准化报告以及我们生成数据和可视化数据的方式。这不仅使我们可以根据数据做出的决策变得更加容易，而且实际上也节省了给我们赚了很多钱。我能给人们的最好建议之一就是做类似的事情。”“我们目前正在努力对我们的最终用户进行数据术语方面的教育。这很重要，因为很遗憾，危险在于他们不了解自己的数据。我们的原则是走自助式分析路线，我的目标是获取数据、加载数据、确保数据清晰，然后让最终用户使用它做他们想做的事。”哪些方法可以我尝试为流程提供有益的智能，同时最大限度地减少采用它们导致的排放增加？
区块链令人兴奋，这是一个我们都为之着迷的热门话题，但现实是，在量子上线之前，当前平台不会扩展。按照他们目前扩展的方式，他们将消耗越来越多的电力，因此技术正在迎头赶上。但是，有很多数据集 ava不幸的是没有人从中获得价值。需要建立正确的框架，以允许个人使用 Tableau 提供的技术等技术从现有数据集中获得更多收益，这样就可以从现有数据中获得增量收益，而无需从所有东西中吸取数据并尝试使用区块链作为解决方案。这将是与当前轨迹的平衡，因为当前存在的一些技术堆栈不会扩展，它们将使用比节省更多的功率。制造商的洞察力：“我们在这方面处于相同的位置目前的数据分析——以我们可以使用的通用格式从多部分站点收集数据非常重要。然而，我们一直使用“数据”这个词，但我一直使用“信息”这个词，因为它很容易获得数据，但很难从中获得高质量的信息。“最近出现了一种情况，我们有能力的工程师致力于与跨多个站点的有能力的开发人员合作，使用不同的平台创建大量有价值的信息。尝试和扭转这是一件非常困难的事情，因为没有跨软件和平台的标准化。另一个重大挑战是创建一个能够管理大量信息的全新物理网络。很难以一种通用格式获取所有信息，并以一种人人都能理解的方式使用。”我们如何建立信任以在保持竞争力的同时在整个供应链中实现数据共享？
有三个关键点：使用数据实现所需的可见性。采用正确的商业模式来激励这种变化。拥有允许协作的工具。制造商洞察力：“当我们谈论在供应链中共享数据时连锁并确保其有益，我们突然有了一个位置l 数据有价值。该数据的价值将被货币化。所以会有一个全新的维度，它会让你在竞争中处于优势地位还是处于劣势地位。事实上，在一些更受消费者驱动的行业中存在可见性。当您开始谈论净零，并开始谈论整个供应链以及产品端到端的整个环境影响时，您必须共享该数据在供应链中。而且，这可能会推动货币化，供应商的竞争优势愿意出于环境影响和净零的目的共享信息。但很快，消费者就会期望所有制造商都能够对完整的 en 做出非常自信的声明。d 结束描绘环境影响。”“数据和数字计划的高级赞助对于在整个组织中大规模推广数据分析至关重要。改变组织内每个人的心态至关重要——让人们认识到数据是一种基本能力，这是数据未来发展的关键。 “大型制造商通常每年都会招收大量毕业生，毕业生通常会在这些组织内形成社区。制造商应该利用那些已经具备数字技能的年轻毕业生。这将是有益的，因为这将使他们能够激发围绕业务的许多想法。”总结
讨论的重要内容表明，每个人都在同一个旅程中——无论哪个部门，挑战都非常大相似的。讨论中多次出现的挑战本质上是人性的。不管数据是什么，或者是什么正在使用技术，很明显问题在于采用和提高技能，但听到制造业如何比以往任何时候都加速变革是积极的。当晚强调的另一个要素是信任。尽管数据是数字化的未来，但需要获得信任。数据带来了巨大的好处，但也带来了巨大的脆弱性。在制造业中众所周知，我们的劳动力正在老龄化，但年轻一代是解决方案。制造商可以利用他们和他们的数字技能来驾驭老一代的力量。
