|
大数据、供应链以及数据安全对大数据的关注主要集中于社交媒体、广告、销售和情感分析等领域。不过大数据战略的商业应用尤其在产品设计与制造领域拥有巨大的潜力。正如过去十年来媒体、通讯和技术改变消费市场那样,聚集于产品生命周期管理(PLM)与交易数据系统(ERP)中的庞大数据,以及长期的产品数据,可能会改变整个企业经营和工业格局。 因此,在制造业中利用大数据的关键在于,企业不再单纯地仅以结构性数据为制定业务决策的依据。传统制造企业内部及其周边存在大量原始数据有待收集。流入企业网络的庞大数据来自诸多源头,包括所谓的智能设备,它们可通过传感器自动监控各种环境因素并生成大量关于性能、通讯、环境及位置等数据。这些原始数据中蕴藏着重大的业务机遇,但是除非对之进行合理分析,否则无法揭示其隐含的价值。相对于其可能带来的潜在收益而言,捕捉此类数据所需的成本并不算高。对于决策制定而言,通过对非结构化数据进行分析所收集的信息同样具有重要意义。 大数据挑战 制造企业若要有效挖掘大数据的潜力,首先必须解决多重挑战,才能说服所有相关的利害关系人。 这包括大数据的所有权、问题的规模和复杂性、技术和业务流程的集成、以及解决问题所需的大量工具。事实上,所有企业都与大数据的增长存在千丝万缕的内在关联。不过令人欣慰的是,其潜在效益同样对企业的各个方面都有利。 虽然大数据的规模不可小觑,但其复杂性同样不容忽视。因此,要解决大数据挑战,不是简单地加大资源投入就可以,而是要采用完全不同的思维方式。相应的,技术也只是解决方案的一部分而已。如果不能将结果融入业务,并不断反馈给流程和工作流,绝大部分潜在效益都将得不到实现。 技术和流程的结合是不可或缺的,大数据挑战也绝非单一解决方案所能解决的,而是需要一个集成的方法,有效利用各种工具和资源。其中,关键是要确保在正确的应用场合部署适当的系统。最理想的情况是集成所有这些要素,以求实现最大效益——不只是实现单项应用的效益,而且要实现它们的综合效益以及综合搜索等支持功能。 数据安全 除了上述难题之外,有关大数据的另一顾虑在于数据保护方面。造成这一顾虑的原因有很多,如IT环境的改变以及不断变化的业务举措和规则等。 在应对内部威胁的同时,企业还需对付越来越精明复杂的黑客技术,以及信息大爆炸现象,以至于任何大数据解决方案都必须具备稳健的数据安全保护机制,这一点不容置疑。这就意味着制造企业必须确保往常被视为比较脆弱的工具和应用的安全性,因为在与其它系统相集成、以及在与供应商和第三方合作伙伴进行数据共享时,这些工具和应用因其开放性容易成为新的被攻击点。 责编:李玉琴 微信扫一扫实时了解行业动态 微信扫一扫分享本文给好友 著作权声明:kaiyun体育官方人口
文章著作权分属kaiyun体育官方人口
、网友和合作伙伴,部分非原创文章作者信息可能有所缺失,如需补充或修改请与我们联系,工作人员会在1个工作日内配合处理。 |
最新专题 |
|