3数据分析提示：适应数据，利用员工技能，创新
行业4.0需要适当地使用数据结构，人员技能和分析工具。
学习目标
- 适应工业数据分析的数据。
- 利用员工数据技能进行分析。
- 为了获得最佳分析，将数据访问与人，创新集成。
行业4.0举措包括从数据转移到基于数据的决策时的成功的三个关键方面：数据，人员和分析。如果那些声音熟悉，他们应该，如果你想在一个组织中取得成功，那么同样的事情总是很重要。
1.适应分析数据
首先是数据和持续访问它，在传统系统和工业应用中，因为在行业4.0举措的过程中，最佳策略将被调整和改进。俗话说：“没有战斗计划幸存下来与敌人联系。”
启动高级分析项目的能力与在孤岛和不同的系统和各种类型的数据中的数据至关重要。计划从关于所需要的数据的假设开始，数据移动或聚合的先决条件，摘要与不可避免的所需更改和调整不兼容。敏捷和调整改变是行业4.0的核心，因此开始在固定期望和昂贵的数据转换努力之前，在实现的洞察中的益处和价值证明是错误的方式。
2.利用员工数据技能进行分析
其次，在成功的行业4.0项目中一致的发现是承认和利用员工的技能，因为这些人最能知道植物，流程和程序。这意味着实际术语的意思是将创新和能力带给当前的员工，这导致组织的整体能力提高，因为洞察力和能力是分布而不是集中于行动。
这可能会对数据科学家和机器学习的所有关注进行抵制。关于数据科学家们错过的炒作是他们不了解植物，资产或植物如何运行的第一个原则模型。因为数据科学家没有植物运营知识，他们能够在原材料，价格和时间表的不断变化的环境中找到价值洞察的能力有限。另一方面，了解植物的员工确实知道改善结果所需的东西;他们需要改进的高级分析软件，以便更容易和更快的洞察力。
3.与人们集成数据访问，创新以获得最佳分析结果
第三，通过访问数据和合适的人，是时候将它们桥在一起，并为具有最大的能力和需求提供创新。因此，势在必行是将分析的数据科学和创新带到劳动力的前线。“不是那种软件点，”作为Microsoft的创始人曾经说过的比尔盖茨。
这意味着高级分析应用程序必须勾结并使得软件场景背后的创新，如Google搜索栏包裹MapReduce算法，或者Uber应用程序集成映射，AI和账单系统。
结果是互动，视觉和协作软件体验（图）。这使得流程工程师，科学家或分析师能够在几分钟内完成，以前有几个小时或几天使用前一代软件。易用性似乎似乎在2020年制造的主要方面，但要成功地降落分析软件，这是一个关键要求。
迈克尔瑞斯，CMO＆VP，Seeq Corp.由Mark T. Hoske，Content Manager编辑，控制工程，CFE媒体，mhoske@cfemedia.com.。
关键词：自动化实施建议
考虑一下这一点
最好使用现有数据进行工业数据分析。
