|
在回答怎么办之前,首先要知道存在着哪些主要问题:
1、在数据治理生成环节,主要存在跑冒滴漏和非标准的问题;
2、在数据利用环节,主要存在数据不足、质量不高、各个环节协同存在制度、核算、标准等大量障碍;
3、在发展需求环节,主要存在缺乏预见性、缺乏有效的模型和工具、缺乏制度和标准规范等问题。
要想建设好、应用好大数据治理,首先要解决这三个问题:
首先是建设,什么是建设?我记得三年前说过,把大数据作探矿、采矿、炼矿、用矿,实际上探矿和采矿就是建设好信息,可以从三个纬度四个方面来建设好信息。三个纬度首先是发现,然后才可以按照应用需求结合起来。第二要有制度,要有标准,要实现系统之间的互操作。同时我们还要发现、收集、组织,来提升系统性、完整性、及时性、准确性。这是建设好、运用好。
亿信华辰利用好有三个方面或者三个层次和若干个关键环节。由于时间关系就不再展开讨论了。
最后,要特别注重取得实效、最佳实践和理论研究。
1、要特别注重实效。因为今天的大数据,每一个环节的形成都有它的实效,这件事情从开始到做完以后,效果究竟是什么?有很多企业家,当你用大数据对你企业各个环节进行改善提升的时候,你首先第一条要把提高效率放在首位,这是关键,而且对于制造业来说,要永远把利润率放在最重要的位置。当然,工业大数据不能直接用钱来算,有的环节是企业老板在管理上、服务上提效,但是这个效果必须是可测量的,不管是定性的还是定量的。
2、要特别注重最佳实践。i5数控机床,从开始研发到今天位列智能数控机床试点领先的行列,花了十年的时间。为什么前面几年没有成功?就是因为数据缺失。缺什么数据?高端数控机床为什么长期被国外控制?数控机床的技术为什么那么长时间没有克服?因为不管是材料的发展,还是装备的发展,都没有数据,没有实践过程中的数据,它是发展不起来的。接下来是模型怎么建,也需要数据来支撑,但是原来由于高端数控机床都由国外来控制,我们没有数据。另外,它在这个过程里面还倡导商业模式,这个机床是按服务钥匙收费。所以它又变成了今天最新最热门的制造行业分享。这显然是一个最佳实践,这里面工业数据是极其重要的。
3、要注重理论的研究,注重方法、制度创新的研究。在这个过程中,需要对制造业发展的趋势、特征,工业大数据的内涵外延,工业大数据建设和利用的系统方法,工业大数据质量保证、协同发展、制度创新等等一系列问题进行研究。
|
|