《IDC PeerScape：面向工業(yè)場(chǎng)景的大數據管理分析平臺最佳實(shí)踐案例》正式發(fā)布
加入技術(shù)交流群
2023年5月23日 北京
本文引用地址：http://dyxdggzs.com/article/202305/446841.htmIDC于近日發(fā)布了《IDC PeerScape：面向工業(yè)場(chǎng)景的大數據管理分析平臺最佳實(shí)踐案例》報告，總結了行業(yè)用戶(hù)在應用過(guò)程中面臨的四大挑戰和實(shí)踐路徑，并評選最佳實(shí)踐案例，為行業(yè)用戶(hù)提供了相關(guān)的指導建議，供市場(chǎng)參考。
工業(yè)大數據平臺的核心價(jià)值是建立數據要素全周期流通和價(jià)值挖掘體系，以實(shí)現覆蓋能力、生產(chǎn)效率、數據治理、企業(yè)管理、業(yè)務(wù)生態(tài)的全面升級。工業(yè)涉及制造、能源、工廠(chǎng)等復雜場(chǎng)景下的視頻、圖像、文本、語(yǔ)音、日志、文檔等結構化數據、半結構化數據和非結構化數據。數據庫類(lèi)型多樣，數據質(zhì)量參差不齊，當前大部分情況下缺少統一的數據標準與管理流程，企業(yè)自身水平也難以建設全面的工業(yè)大數據管理能力。因此需要外部廠(chǎng)商成熟的一站式大數據管理平臺來(lái)打通底層數據壁壘，只有確保數據安全自由流通，才能促進(jìn)上層業(yè)務(wù)管理升級和經(jīng)營(yíng)效率提升。同時(shí)，專(zhuān)家經(jīng)驗也發(fā)揮著(zhù)越來(lái)越重要的作用，知識即服務(wù)（Knowledge as a Service）成為趨勢，將業(yè)務(wù)經(jīng)驗打包成標準化產(chǎn)品服務(wù)，以更好地規?；亟鉀Q企業(yè)的多樣化需求。
當前工業(yè)大數據應用以單點(diǎn)離散統計分析形式為主，且作業(yè)過(guò)程難以追溯、數據交互存在壁壘，導致難以發(fā)揮規?；盒?。大部分的工業(yè)企業(yè)在數字化轉型升級中仍處于從0到1的階段，企業(yè)自身掌握了大量的行業(yè)knowhow，但缺少與大數據和人工智能技術(shù)融合來(lái)解決實(shí)際問(wèn)題的經(jīng)驗，比如多設備管理、數據軟件打通、趨勢預測、知識圖譜、設備預測性維護、質(zhì)量檢測等，這就需要廠(chǎng)商在企業(yè)服務(wù)過(guò)程中豐富大數據技術(shù)架構，例如存儲引擎、分析工具以及行業(yè)模型，為廠(chǎng)商打造可解耦靈活適配的功能體系，并貫穿產(chǎn)品線(xiàn)核心環(huán)節，完成工業(yè)數據的采、存、管、用全流程管理。IDC預測，到2027年，10%的中國500強企業(yè)將部署數據和行動(dòng)反饋循環(huán)系統，從而在數據和內容獲取和分析投資方面獲得更高的回報。
市場(chǎng)面臨的主要挑戰
● 數據煙囪和孤島是導致企業(yè)無(wú)法擴大規?；a(chǎn)以及管理低效的主要原因，工業(yè)生產(chǎn)涉及ERP、MES、WMS等相關(guān)應用系統，數據來(lái)源復雜、種類(lèi)多樣、質(zhì)量參差不齊、數據量較大，客戶(hù)也逐漸意識到對數據中臺、數據統一管理的需求，來(lái)搭建專(zhuān)業(yè)化數據指標體系；
● 傳統生產(chǎn)和設備控制完全依靠專(zhuān)家經(jīng)驗，而人員的迭代與更加精準化的管理需求迫使企業(yè)需要開(kāi)發(fā)模型來(lái)實(shí)現更加智能的管理，減少 人員成本以及能源損耗或提高產(chǎn)品良率，而且工業(yè)企業(yè)需要一個(gè)統一的平臺來(lái)開(kāi)發(fā)、管理、編排、更新、部署相關(guān)業(yè)務(wù)；
● 工業(yè)場(chǎng)景涉及多種硬件與軟件設備維護，任一設備故障都可能導致長(cháng)時(shí)間的維護以及資源浪費，并帶來(lái)較大的經(jīng)濟損失，而運維這些設備所需人工成本較高，人員管理也更加復雜，且人員技術(shù)水平參差不齊，可能無(wú)法及時(shí)發(fā)現并解決故障，這也無(wú)法發(fā)揮多設備數據源的相互分析作用；
● 對于大型工業(yè)廠(chǎng)商，其具有豐富的行業(yè)經(jīng)驗以及一定市場(chǎng)壁壘，面臨數字化轉型需求以及新興技術(shù)型企業(yè)競爭壓力時(shí)，受限于龐大的組織體系以及技術(shù)能力，更需要外部廠(chǎng)商提供一體化的改造能力，這包括云服務(wù)、智能計算、數據治理、設備管理、模型開(kāi)發(fā)、預測運維等多樣化需求。
IDC觀(guān)察到，工業(yè)大數據平臺建設中，數據質(zhì)量、模型產(chǎn)品化、分級分批驗證落地是項目成功實(shí)踐的關(guān)鍵。
一是數據質(zhì)量
不同于互聯(lián)網(wǎng)、金融等信息化較為成熟的場(chǎng)景，工業(yè)企業(yè)所管理的數據設備種類(lèi)與數據存儲格式多樣，采集標準和管理協(xié)議各不相同，解決壁壘化、孤島化的數據存儲管理問(wèn)題是實(shí)現企業(yè)統一管理與數據流轉和價(jià)值挖掘的前提，因此廠(chǎng)商大多會(huì )從統一的數據采集管理入手，進(jìn)行數據清洗治理，建立滿(mǎn)足各個(gè)設備系統要求的標準協(xié)議與管理流程，并在此基礎上進(jìn)行數據指標制定、主題庫搭建與可視化大屏呈現，將無(wú)序的多模態(tài)數據變成按照時(shí)間和主題等類(lèi)別整理的數據庫，并為后續模型開(kāi)發(fā)訓練和分析決策提供支撐。
二是模型產(chǎn)品化
面對廠(chǎng)商在數據統一管理、決策分析、時(shí)序預測、可視化、運維、質(zhì)檢、設備維護、運輸儲配等多樣化需求，廠(chǎng)商會(huì )在集成數據庫、AI、BI等多種外部工具和平臺的同時(shí)，在上層開(kāi)發(fā)標準化的模型產(chǎn)品，將數據訓練后的算法打包成可直接使用的預訓練模型，并提供低代碼/無(wú)代碼的拖拽式操作服務(wù)來(lái)降低使用門(mén)檻，以提高項目交付效率。
三是分級分批驗證落地
工業(yè)大數據平臺往往服務(wù)周期較長(cháng)，覆蓋前期調研、方案制定、產(chǎn)品開(kāi)發(fā)、落地測試、不斷調優(yōu)、最終落地等多個(gè)階段，且場(chǎng)景要求更加復雜，因此帶來(lái)的時(shí)間、資金、人力和商務(wù)投入成本較高。廠(chǎng)商往往在前期階段分析大數據技術(shù)和行業(yè)Knowhow融合路徑，制定方案分級分批落地，進(jìn)行短中長(cháng)期規劃并先進(jìn)行小范圍驗證以測試可用性，避免無(wú)法支撐長(cháng)期投入或一次性交付導致的建設和使用可持續性不強，也規避陷入過(guò)于IT化而缺少實(shí)用性的陷阱。
IDC PeerScape報告展示了不同領(lǐng)域和發(fā)展階段的工業(yè)企業(yè)在大數據平臺建設方面的前沿實(shí)踐案例，展示IT技術(shù)如何解決企業(yè)問(wèn)題，幫助更多企業(yè)建立符合自己發(fā)展特色的大數據平臺建設路徑。中國長(cháng)江三峽集團、納愛(ài)斯集團、某能源企業(yè)入選工業(yè)大數據平臺數據統一管理、數據治理類(lèi)別領(lǐng)導者實(shí)踐；北京智信遠景軟件技術(shù)有限公司、江蘇沙鋼集團入選工業(yè)大數據平臺智能生產(chǎn)類(lèi)別領(lǐng)導者實(shí)踐；某市工業(yè)互聯(lián)平臺入選工業(yè)大數據平臺智能運維類(lèi)別領(lǐng)導者實(shí)踐，徐工集團、無(wú)錫威孚入選工業(yè)大數據平臺數字化轉型、一體化建設類(lèi)別領(lǐng)導者實(shí)踐。
對工業(yè)大數據管理分析平臺的發(fā)展建議
● 云原生湖倉一體是數據管理主要趨勢。傳統的數據倉庫與管理軟件無(wú)法滿(mǎn)足海量數據存儲與治理分析需求，廠(chǎng)商可以選擇更先進(jìn)的湖倉一體架構，引入實(shí)時(shí)數據湖，通過(guò)全域數據秒級入湖和加工整理，可以實(shí)現快速處理和響應，全面數字化感知生產(chǎn)狀態(tài)，以保證上層生產(chǎn)和管理的高效進(jìn)行和精準管控。另外，數據指標體系的搭建離不開(kāi)規范標準與企業(yè)自身特點(diǎn)。
● 開(kāi)箱即用的預訓練模型是企業(yè)關(guān)注點(diǎn)。工業(yè)企業(yè)往往缺少相關(guān)技術(shù)人員以及模型服務(wù)開(kāi)發(fā)能力，服務(wù)廠(chǎng)商需要結合底層數據庫，支撐海量工業(yè)時(shí)序和時(shí)空數據的聚合、關(guān)聯(lián)分析以及智能預測，開(kāi)發(fā)預訓練模型，并結合實(shí)際數據來(lái)微調，滿(mǎn)足服務(wù)的快速落地。機器學(xué)習平臺的MLOps全周期服務(wù)能力以及低代碼能力是衡量平臺質(zhì)量的關(guān)鍵。
● 數據與歷史經(jīng)驗幫助搭建高效的模型服務(wù)。應以該行業(yè)相關(guān)理論研究以及算法為基礎，指導大數據與人工智能模型的建立與使用。另外，應使用盡量多的歷史數據，對模型進(jìn)行訓練，并以部分歷史數據對模型預測結果進(jìn)行驗證，并在試運營(yíng)階段收集使用和運營(yíng)的經(jīng)驗教訓，來(lái)分階段進(jìn)行更新和推廣應用。
● 實(shí)現客戶(hù)、人員、設備管理升級的多線(xiàn)并行。傳統大型企業(yè)改造升級周期長(cháng)、投入成本高，且內部架構較為復雜，在設計統一的頂層規劃后，需要劃分不同的部門(mén)和業(yè)務(wù)領(lǐng)域，來(lái)進(jìn)行多部門(mén)同步部署與跨部門(mén)協(xié)同交互。
IDC中國新興科技研究組高級分析師李浩然表示，當前工業(yè)企業(yè)已有一定的基礎，但數據采集與管理軟件離散化仍是制約企業(yè)管理和生產(chǎn)的最大挑戰之一。數據的統一管理是搭建工業(yè)大數據平臺的前提。工廠(chǎng)自身?yè)碛械膶?zhuān)業(yè)行業(yè)經(jīng)驗與判斷，對大數據平臺的開(kāi)發(fā)落地和實(shí)施效果產(chǎn)生至關(guān)重要的作用，要避免重技術(shù)、輕經(jīng)驗。另外，“模型即服務(wù)（MaaS）”趨勢明顯，廠(chǎng)商應盡快沉淀上層應用能力，提供更加靈活、松耦合化、易上手的服務(wù)體驗。本研究甄選了工業(yè)大數據平臺建設的優(yōu)秀實(shí)踐，希望對工業(yè)企業(yè)在大數據平臺建設方面有所啟示。
評論