必須將其轉化為氣體、塑料、化學品等，以創建一個有價值的實體，推動盈利活動。因此，必須對數據進行分解和分析，使其具有價值。”

　　如今，隨著數據量的快速增長，他的洞察力比以往任何時候都更為重要。例如，在制造業，快速發展的工業物聯網允許將傳感器連接到工業過程的每個組件上。其結果是每天都在收集大量的數據。然而，與石油一樣，大量的數據需要處理、分析，并轉化為可消化的見解，供組織人員建設性地使用。

　　在場景中

　　但是，究竟誰能使用它，又有什么目的呢?其回答是無限的;基本上，產品制造業務中的每一項功能都可以從數據驅動的洞察中獲益。但他們只能在對每個特定功能或任務都有意義的上下文中對數據進行策劃、組合、分析和解釋時才能做到這一點。

　　例如，如果您的目標是減少特定機器所使用的能量，則需要根據有關其速度、進給、位置和該機器特有的其他工藝參數的數據來理解其功耗的測量。同樣，設計、規劃、檢查和維護等其他功能都需要自己精心策劃的數據集，以將一些重要影響與相關變量(如該主題的特征、能力或其他特征)相關的信息聯系起來。

　　組織有很多機會從數據衍生的見解中獲益。從數據驅動決策中獲得巨大價值的工業運營方面包括提高產量、提高質量、提高安全性、減少浪費、更容易遵守法規、減少召回和運營節約。這些結果中有許多是因為管理者擁有更好的信息，從而做出更好的運營選擇。但是，在自動化已經成為大多數制造過程重要組成部分的時代，數據也被用來指導使用機器學習和人工智能的自主設備的操作。

　　雖然數據收集很重要，但這只是開始。一個沒有從中提取情報手段的數據湖更像是一個數據沼澤。真正的魔力在于從it中去除智能以提高制造性能。今天，有一些商業公司專門為客戶做這件事。

　　然而，我在這里提到的大部分數據都是關于庫存、設備和現場人員的信息。這些都很重要。但是房間里還有大象。它與通過公司供應鏈從外部進口的材料有關。大多數公司缺少的是材料分類賬——一個詳細程度要求的系統，用于跟蹤來料屬性、來源、質量差異、能源使用、浪費、庫存、生產瓶頸以及所有其他影響資金如何將采購的材料轉化為銷售的產品。

　　雖然一家公司的損益表通常會從收入中減去銷售商品的成本，但這些成本的合計方式通常對其材料的可見性很低。在許多情況下，這些材料是生產過程中最大的一筆費用。傳統的細節水平不足以有效管理材料使用。

　　例如，你需要知道的事情包括：你是否購買了合適的材料?你是否為那些不能給你帶來價值的品質付出了額外的代價?你用的能量合適嗎?您使用的是最好的生產配方嗎?你消耗的材料是太多還是太少?在召回事件中，您的產品跟蹤能力如何?在你的過程中，浪費的成本是多少?

　　雖然一家公司的損益表通常會從收入中減去銷售商品的成本，但這些成本的合計方式通常對其材料的可見性很低。在許多情況下，這些材料是生產過程中最大的一筆費用。傳統的細節水平不足以有效管理材料使用。

　　例如，你需要知道的事情包括：你是否購買了合適的材料?你是否為那些不能給你帶來價值的品質付出了額外的代價?你用的能量合適嗎?您使用的是最好的生產配方嗎?你消耗的材料是太多還是太少?在召回事件中，您的產品跟蹤能力如何?在你的過程中，浪費的成本是多少?

　　有了正確的數據，所有這些問題以及更多問題都可以以可行的方式得到回答。然而，所有這些都是更大圖景的一部分：在生產過程的每個階段收集有關物流的數據是成為一個經過數據轉換的工業4.0組織的第一步。當然，您收集的數據需要進行適當的分析和解釋。但也有資源可以幫助您將原始數據中的原油提煉成實用的、高價值的業務資產。現在是充分利用這些優勢的絕佳時機。