英國數學家克萊夫·漢比（Clive Humby）被認為是“數據是新的石油”這一公理的創(chuàng)造者。在人們收集和囤積各種信息的背景下，他的精辟表述經常被重復——通常沒有注明出處。數據勘探者們不知從哪里冒出來進行鉆探。但是Humby的措辭并沒有到此為止;它繼續(xù)。他接著說:“它是有價值的，但如果未經提煉，就不能使用。它必須被轉化成氣體、塑料、化學品等，以創(chuàng)造一個有價值的實體，推動有利可圖的活動。因此，必須對數據進行分解和分析，才能使其具有價值?！?/span>

Humby是對的。而今天，隨著數據量的爆炸式增長，他的洞察力比以往任何時候都更加重要。例如，在制造業(yè)中，快速增長的工業(yè)物聯(lián)網使我們能夠將傳感器連接到工業(yè)過程的每個組件。結果是每天都在收集難以估量的數據。然而，就像石油一樣，需要處理、分析大量數據，并將其轉化為可供組織人員建設性使用的易于理解的見解。

在上下文中

但是，究竟誰可以使用它以及用于什么目的？答案是開放式的；基本上，產品制造業(yè)務中的每個功能都可以從數據驅動的洞察中受益。但是，只有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，他們才能做到這一點。

例如，如果您的目標是減少特定機器使用的能源，則需要在有關其速度、進給、位置和其他與該機器不同的過程參數的數據的上下文中理解其功耗的測量。出于同樣的原因，其他功能（例如設計、規(guī)劃、檢查和維護）都需要自己精心策劃的數據集，以將某些重要影響與有關相關變量（例如該主題的特征、功能或其他特征）的信息相關聯(lián)。

組織有很多機會從數據衍生的見解中受益。從數據驅動的決策中看到了巨大價值的工業(yè)運營方面包括提高產量、提高質量、提高安全性、減少浪費、更容易合規(guī)、更少召回和運營節(jié)省。其中許多成果源于管理者擁有更好的信息，從而做出更好的運營選擇。但是，在自動化已成為大多數制造過程的重要組成部分的時代，數據也被用于使用機器學習和人工智能來指導自主設備的操作。

雖然數據收集很重要，但這只是個開始。一個沒有辦法從中提取情報的數據湖更像是一個數據沼澤。真正的魔力是通過去除其中的智能來提高制造性能。今天，有一些商業(yè)公司專門為他們的客戶做這件事。

分類帳

然而，我在這里提到的大部分數據都是關于庫存、設備和現(xiàn)場人員的信息。這些是很重要的。但還有一個顯而易見的問題。它與通過公司供應鏈從外部進入的材料有關。而大多數公司所缺少的是一個材料分類帳——一個詳細的系統(tǒng)，用來跟蹤進貨材料的屬性、來源、質量差異、能源使用、浪費、庫存、生產瓶頸，以及所有其他影響如何將購買的材料轉化為銷售產品的因素。

雖然公司的損益表通常會從收入中減去銷售成本，但這些成本的匯總方式通常很難讓人看到其材料。在很多情況下，這些材料是生產中最大的開支。傳統(tǒng)的細節(jié)水平不足以有效地管理材料的使用。

例如，您需要知道的事情包括：您是否購買了合適的材料？您是否為無法為您提供價值的品質支付高價？您是否使用了正確的能量？您使用的是最好的生產配方嗎？你消耗的材料太多還是太少？在召回事件中，您的產品追蹤能力如何？您的流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解答。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料流的數據是邁向數據轉換的工業(yè) 4.0 組織的第一步。當然，您收集的數據需要適當的分析和解釋。但是有一些資源可以幫助您將原始數據的原油提煉成實用的、高價值的業(yè)務資產?，F(xiàn)在是利用它們的絕佳時機。