用于制造的 DataOps：一个 4 阶段成熟度模型

工业 4.0 的前景让许多制造业领导者有了远大的想法。他们设想了一个未来，在这个未来，实时访问数据将打开通向前所未有的操作灵活性、可预测性和业务改进水平的大门。对于许多人来说，早期阶段的胜利通常会导致更大的项目停滞或无法扩展，因为他们的数据基础设施无法支持不断增加的项目复杂性。进入工业 DataOps。DataOps（数据操作）是人员、流程和技术的编排安全地向所有系统和需要它的人提供可信赖的、随时可用的数据。技术顾问和《信息周刊》特约编辑莱尼·利布曼 (Lenny Liebmann) 在 2014 年一篇题为“DataOps：为什么大数据基础设施很重要”的博客文章中首次提到“DataOps”一词。根据莱布曼的说法：“你不能简单地抛出数据科学越过墙，并期望运营能够提供您在生产环境中所需的性能——比您在应用程序代码中所能达到的性能更高。这就是为什么 DataOps——确保数据科学和基础设施之间保持一致的学科——对于大数据的成功与 DevOps 对应用程序的成功同样重要。他们知道他们现在可以访问的海量数据包含高价值的洞察力，并且他们正在尝试确定他们需要什么样的分析来提取这种洞察力。但是，您还必须考虑您的基础设施。

制造业的 DataOps

DataOps 解决方案在制造环境中是必不可少的，在这些环境中，数据必须从工业自动化资产和系统中聚合，然后供整个公司及其供应链中的业务用户利用.Intelligence Hub是专为制造业设计的DataOps解决方案。这成熟度模型将帮助像您这样的读者了解您在自己的数据之旅中所处的位置——以及您需要去哪里才能获得预期的结果。这是一个包含数据访问、数据情境化、站点可见性和企业可见性的四个阶段的过程。

填写下表以下载完整的白皮书。