دریاچه های بلامصرف داده و نیروی انسانی متخصص

ارسال‌شده در 29 سپتامبر 2021 توسط The Manufacturer

دریاچه‌های داده دارای پتانسیل عظیمی برای تولیدکنندگان است. با این حال، بسیاری از سازمان‌ها ارزش واقعی این دارایی خود را درک نمی‌کنند، زیرا اغلب فقط افراد خاصی می‌دانند چگونه در آن‌ها حرکت کنند. به طور خلاصه، سیلوی دریاچه داده ما امری انسانی است. تا زمانی که به این موضوع پرداخته نشود، سازمان‌ها همچنان به کسب حداقل بینش ادامه خواهند داد.

دریاچه‌های داده استفاده نشده

«یکپارچه سازی داده‌ها هر روز کمتر چالش برانگیز می‌شود. بزرگترین درد ما در حال حاضر توانایی درک داده‌هایمان و مفید بودن آن است.»

این خودشناسی به سرعت در حال تبدیل شدن به یک امر معمول برای تولیدکنندگان است و پایه‌ای است برای درک اینکه چرا از دریاچه‌های داده بسیار کم استفاده می‌شود.

اکثر تولیدکنندگان گروه کمی از متخصصان موضوعی خود را دارند که می‌توانند به طور موثر در دریاچه داده‌های خود حرکت کنند. تخصص SMEهای آن‌ها از طریق چندین دهه تجربه آموخته شده است و نمی‌توان آن‌ها را به آسانی یا سریع به اشتراک گذاشت و این امر تنگنایی برای استفاده از داده‌ها توسط سازمان گسترده‌تر ایجاد می‌کند. به طور خلاصه، سیلوی دریاچه داده ما امری انسانی است.

برای توانمندسازی همه این مصرف کنندگان داده، به رویکرد جامع‌تری در مورد دریاچه‌های داده خود نیاز داریم. ما باید پیچیدگی بین افراد و داده‌ها و تقاضای SMEهای خود را کاهش دهیم.

سه قابلیت اصلی

فعال‌کردن دریاچه داده‌های شما برای تعامل انسانی و قابل استفاده در بسیاری از مصرف‌کنندگان داده‌ها به سه قابلیت اصلی نیاز دارد:

زمینه داده

زمینه سازی فرایند ایجاد روابط معنی دار بین منابع و انواع داده است. این روابط داده‌های مربوط به دارایی‌ها یا فرآیندهای موجود در یک مرکز را به هم متصل می‌کند. به عنوان مثال، دارایی‌های موجود در تأسیسات شما ممکن است دارای متغیرهای فرایند، دستورات کار، اسناد و داده‌های بازرسی باشند که همه در دریاچه داده شما قرار دارند. زمینه سازی روابطی را ایجاد می‌کند که به کاربران اجازه می‌دهد هنگام مشاهده سفارشات کاری مرتبط، به متغیرهای فرآیند زنده دسترسی داشته باشند. این به ایجاد یک پایگاه داده کمک می‌کند که توسط همه مصرف کنندگان داده قابل استفاده باشد.

کشف داده‌ها

با ایجاد زمینه، داده‌ها نیز باید به آسانی برای بررسی کاربران در دسترس باشند. کاربرانی که بتوانند داده‌های مورد نیاز خود را بیابند می‌توانند به طور موثر از راه حل‌های کم یا بدون کد استفاده کنند. از این راه حل‌ها می‌توان برای ساخت داشبوردی استفاده کرد که بینش‌هایی را در زمان واقعی ایجاد می‌کند که قبلاً فقط به صورت متناوب از طریق گزارشات وقت گیر در دسترس بود. قابل کشف‌تر شدن داده‌ها نیاز به درک مصرف کنندگان داده از ساختار هر سیستم که در قالب داده خام در یک دریاچه داده وجود دارد را حذف می‌کند.

کیفیت داده

در زیر مجموعه‌ای از حاکمیت داده‌ها، کیفیت داده‌ها کلید اطمینان از اعتماد داده‌ها توسط مصرف کننده است. به نقل از فارستر در مورد اهمیت کیفیت داده‌ها، «داده‌ها ارزشی ندارند مگر اینکه کسب و کار به آن‌ها اعتماد کرده و از آن‌ها استفاده کند.» در زمینه عملیات، با هزاران داده سری زمانی به طور یکبار در ثانیه (یا در بسیاری از موارد سریع‌تر) به روز می‌شود، مصرف کنندگان باید راهی آسان برای تأیید کیفیت توصیه‌های محرک داده داشته باشند و باید بتوانند الزامات را بر اساس در مورد استفاده خاص آن‌ها ایجاد کنند. به عنوان مثال، یک راه حل نظارت بر عملکرد در زمان واقعی نیاز به قوانین کیفیت دقیق‌تری نسبت به گزارش تولید هفتگی دارد.

تا زمانی که این قابلیت‌های اصلی مورد توجه قرار نگیرند، سازمان وسیع‌تری برای درک ارزش از دریاچه‌های داده تلاش می‌کند و کسب حداقل بینش‌ها همچنان بر تخصص موضوعات تکیه می‌کند.

سریع‌ترین مسیر رو به جلو

یک رویکرد متداول برای تحقق قابلیت‌های فوق با نیروی انسانی است، زیرا سازمان‌ها به SMEها یا شرکای خود برای دستیابی به داده‌ها و مدیریت فراداده‌ها مراجعه می‌کنند. در حالی که این فرایند اغلب در اثبات مفهوم موفقیت آمیز است، تولیدکنندگان به سرعت متوجه می‌شوند که مقیاس مورد نیاز برای راه حل سازمانی باید از طریق یک رویکرد خودکارتر حاصل شود. این نیاز به اتوماسیون به همین دلیل است که پلتفرم‌های Industrial DataOps، که به طور خاص برای رفع چالش‌های تولیدکننده داده طراحی شده‌اند، می‌توانند مکمل اساسی هر دریاچه داده باشند.