工業企業收集了從資產性能到維護需求的各種數據，但其中許多企業仍缺乏如何管理這些數據或最大化其價值的計劃。事實上，根據Forrester的數據顯示，一個企業中60%到73%的數據從未成功地用于任何戰略目的。結果，公司錯失了精簡運營和發展業務的關鍵機會。

　　一個好的數據策略是每一個成功的數字化轉型的核心。隨著工業企業開始為其數字化轉型計劃構建成功的數據戰略，他們必須：

　　•消除數據孤島

　　•增強數據存儲能力

　　•實施強有力的安全和訪問控制

　　•確保數據具有上下文

　　數據驅動型領導者，如首席數據官(CDO)，應該帶頭制定企業的數據戰略，并承擔構建強大數據基礎的主要責任。這并非易事，CDO必須在這個復雜的過程中尋找工具來幫助他們。

　　成功的數據基礎的一個組成部分是數據歷史記錄(Datahistorian)軟件。它不僅能夠記錄工廠和資產過程的實時數據，還是集中和獲得企業數據可見性的關鍵，從而促進協作。

　　開發成功數據策略的挑戰

　　工業企業在開始為其數字化轉型項目制定數據戰略時面臨著緊迫的挑戰。為了確保成功，他們必須克服幾個障礙：

　　數據孤島

　　工業數據的來源廣泛，且這些來源一般都使用不同的接口以及不同的樣本頻率和參數。這些數據可能來自工業物聯網設備、監測工廠和工業資產，通常存儲在本地機器上，而不是在給企業中的其他員工訪問的集中式數據庫中。

　　數據孤島增加了確保數據質量的難度。此外，數據孤島也是機器學習算法和其他軟件工作流程自動化質量測試的障礙。

　　數據碎片化

　　碎片化的數據使得在工廠級別上很難獲得高層次的、企業范圍的視圖。工業企業必須實時了解他們的工廠和資產的運行情況，以便做出關鍵的業務決策。

　　去中心化的數據剝奪了企業做出明智決策所必需的視圖和上下文。因此，領導者往往會錯過實施前瞻性戰略的機會，比如預測性維護，從而迫使他們只能在決策過程中被動地響應。

　　缺乏安全和訪問控制

　　數據碎片化掩蓋了公司擁有的大量數據，以及保護數據免受未經授權訪問所需的安全協議。如果沒有安全措施和數據訪問控制，企業將面臨數據泄露的風險。

　　考慮到這種風險，除非有一個安全的系統，否則客戶不愿意信任一個企業來處理他們的數據。不安全的數據也給客戶審計數據帶來了問題。

　　丟失企業的數據

　　如果沒有對所有數據的企業級視圖，決策制定的上下文就會丟失，因為員工在離開企業時會帶走他們的知識(例如，了解為什么收集某些數據以及如何利用這些數據)。更糟糕的是，如果有問題的數據存儲在本地機器上，那么當員工離開時，它可能會丟失。

　　技術在工業數據戰略中的作用

　　一個合理的工業數據戰略將為企業的數字化轉型帶來成功。數據策略還可以使企業更安全，從而提高工作流程的效率、更好的決策制定、改善工廠維護和增加客戶信任。當你的行業組織開始構建數據策略時，Datahistorian可以幫助你實現這些好處。

　　Datahistorian軟件可以為行業領導者(如CDO、管理者和數據科學家)提供許多改善企業數據基礎設施的機會。該軟件能夠使關注數據的領導者從過去的錯誤中吸取教訓，改進工作流程。Datahistorian還能豐富數據，并使其可供整個企業使用。

　　最后，當關鍵員工離職時，該工具可以幫助促進知識轉移。決策過程記錄在代碼中，以便在必要時進行逆向工程。這在維護和保養、問題診斷和預測未來維護期間特別有用。

　　該軟件還動員工業企業采取一些重要步驟，這些步驟是整體數據戰略的一部分。當Datahistorian位于企業級時，它可以跨工廠、資產和工業物聯網傳感器集中數據。然而，你必須有策略地進行以下過程：

　　•審計現有數據。智能數據存儲是每個工業企業的目標。你應該確定唯一且最新的數據。存儲低質量數據的成本或精力是不值得的。

　　•標準化數據。你必須確保所有數據“使用相同的語言”。通過使用Datahistorian作為連接不同供應商的數據并將其組織起來以供將來分析的中間層，盡可能地跨數據源標準化數據格式和參數。

　　•數據集中。將數據存儲從本地機器轉移到集中式基礎設施。在此過程中，執行自動QA檢查，以確保未來的數據質量。此外，還要確保到目標用戶群的性能和可靠連接。

　　•實施安全和訪問控制。不是每個員工都需要隨時訪問所有客戶數據。建立內部數據使用的訪問參數，以便相關員工只能訪問其角色所需的數據。為了審計和安全目的，確保所有數據都被記錄和跟蹤。

　　正確的工具可以幫助工業企業深入了解他們的數據。但是，為了利用工業數據基礎，了解企業面臨的更大挑戰以及如何從戰略上將軟件實現到現有的基礎設施和流程中是很重要的。通過這樣做，工業企業將在數字化轉型項目和管理不斷增加的海量數據方面取得更大的成功。