IOT-optimerad data för att stärka ingenjörer
Published on 01 Sept 2021
Intelligent användning av den mängd data som operativa teknologisystem (OT) producerar är central för industriorganisationers ansträngningar att förbättra operativ excellens. OT-data är råvaran som gör det möjligt för organisationer att bygga mer effektiva och motståndskraftiga verksamheter och förbättra de anställdas produktivitet och kundnöjdhet.
Industriella organisationer kämpar dock för att generera värde från sina allt mer sammankopplade verksamheter — med IDC-forskning som visar att endast en av fyra organisationer analyserar och extraherar värde från data i betydande utsträckning.
Vad är modern industriell Data Ops?
IDC definierar DataOps som en metod för att industrialisera datahantering och värdekedjan för dataanalys. Den tillämpar automatisering, agila metoder och DevOps-praxis på datalivscykeln, vilket förbättrar tid till värde, kvalitet, förutsägbarhet och omfattning av dataanalys.
Industrial DataOps-plattformar hjälper dataarbetare att distribuera automatiserade arbetsflöden för att extrahera, inta och integrera data från industriella datakällor, inklusive äldre driftsutrustning och teknik. De erbjuder en arbetsbänk för datakvalitet, transformation och berikning, förutom intelligenta verktyg som tillämpar branschkunskap, hierarkier och ömsesidigt beroende för att kontextualisera och modellera data. Denna kontextualiserade data görs sedan tillgänglig genom specifika applikationstjänster för människor, maskiner och system att utnyttja.
Vad du ska tänka på när du använder Industrial DataOps
Tillgångsintensiva organisationer bör se till industriella DataOps för att frigöra ET-, OT- och IT-datas fulla potential och förvandla sin traditionella verksamhetsmodell. När du börjar på denna resa bör företag:
- Tänk på AI som ett kritiskt verktyg för både faktadrivet beslutsfattande och effektiv hantering av den data som stöder den. Att kringgå mänsklig "midstream" datahantering är
- kritisk.
- "Datafrigöring" är avgörande för att maximera värdet från DataOps. Genom att maximera dina datautvinningsmöjligheter blir det lättare att koppla DataOps till din befintliga IT och OT
- arkitektur, vilket begränsar behovet av att investera i ytterligare systemintegration och OT-datakällor.
- Utveckla en IT/OT-styrningsmodell med datastyrning i centrum. Detta kommer att diktera hur ny data kopplas ihop och integreras i den övergripande dataarkitekturen. Det kommer också att hjälpa en växande population av data- och analysföretagsanvändare.
- Prioritera övercentralisering av dataorganisation. Börja driva anslutningen och kartläggningen av alla relevanta datakällor med en tydlig lista över målanvändningsfall i åtanke. Som en del av styrmodellen måste alla nya datakällor ha en plan för anslutning, taggning, delning och integration.
- Observera att inte alla DataOps-plattformsleverantörer har samma möjligheter. Domänexpertis och branschhistorik bör driva urvalskriterierna.
Ladda ner denna whitepaper från Cognite och lär dig mer om hur företag kan använda data mer effektivt. Prenumerera på whitepapers.online för resurser och whitepapers relaterade till IT, AI, big data och mer.
