<var id="1dltj"><strike id="1dltj"></strike></var>
<var id="1dltj"></var>
<var id="1dltj"></var>
<var id="1dltj"></var>
<menuitem id="1dltj"></menuitem>
<var id="1dltj"></var> <var id="1dltj"><strike id="1dltj"></strike></var>
<var id="1dltj"><strike id="1dltj"></strike></var>
<menuitem id="1dltj"></menuitem> <var id="1dltj"></var>
<cite id="1dltj"></cite>
<cite id="1dltj"></cite>
<var id="1dltj"></var><menuitem id="1dltj"></menuitem>
<var id="1dltj"></var>

解讀 | 數字時代下的大數據管理

2020-09-04
?導 讀

數字經濟時代,大數據管理不僅僅是數據存儲架構的變革,更是大數據思維方式的轉變升級。用好數據是企業數字化轉型的關鍵,基于IOT架構的“邊緣+數據+應用”模式是大數據管理,更是數字增值服務的新趨勢。



Adobo和Econsultancy聯合發布的《2020年數字化轉型趨勢報告》顯示,從中國大數據市場發展趨勢來看,2023年中國大數據市場將達到224.9億美元的規模,未來五年GAGR復合增長率為23.5%。2019年的大數據的硬件、軟件和服務的占比分別是45.2%、32.2%、22.6%,到2023年基本上會達到各占1/3的理想比例。
微信圖片_20200904144659.jpg
(中國大數據市場規模和行業發展比例)
大數據時代已然來臨,智能制造與工業互聯網融合的本質正是數據驅動下的創新生產模式和商業模式,大數據貫穿于產品市場需求獲取、產品研發、生產制造、設備運行、市場服務直至報廢回收的產品全生命周期過程,甚至包括產品本身的智能化方面。

了解大數據

工業大數據具備雙重屬性:
 一方面是價值屬性和產權屬性,通過工業大數據的分析,能夠提升關鍵技術在設計、工藝、生產、管理、服務等各個環節的智能化水平,滿足用戶定制化需求,提高生產效率并降低生產成本,為企業創造可量化的價值;
 另一方面,這些數據具有明確的權屬關系和資產價值,企業能夠決定數據的具體使用方式和邊界,數據產權屬性明顯。
工業大數據的價值屬性實質上是基于工業大數據采集、存儲、分析等關鍵技術,來提升或變現工業生產、運維、服務過程中數據實現價值;工業大數據的產權屬性則偏重于通過管理機制和管理方法,幫助工業企業明晰數據資產目錄與數據資源分布,確定所有權邊界,為其價值的深入挖掘提供支撐。
大數據是數據分析的前沿技術,其最核心的價值就是在于對于海量數據進行存儲、分析,進而達成綜合成本最優的目標。
未來,數據可能成為最大的交易商品,數據量大不是“大數據”,大數據的特點概括為4個“V”:第一,數據體量巨大(Volume);第二,數據類型繁多(Varity);第三,處理速度快(Velocity);第四,價值密度低(Value)。大數據的價值是通過數據共享、交叉復用后獲取最大化的數據價值。

大數據管理和數據戰略

未來大數據將會如基礎設施一樣,有數據提供方、管理者、監管者,數據的交叉復用將成為智能制造、工業互聯網落地的助力器,同時,大數據也將催生一個新的產業大數據應用及服務產業。
因此,大數據管理平臺非常重要,數據分析和應用將發生四種轉變:
 第一,從統計分析向預測分析轉變;
 第二,從單領域、結構化數據向多學科跨領域轉變;
 第三,從被動分析向主動預測轉變;
 第四,從非實時階段性向實時持續處理轉變。
智能制造和工業互聯網對應著中國制造業轉型和變革的內循環和外循環,可以理解為智能制造重點在于制造過程本身的精益與智能,工業互聯網著力于企業全價值鏈的提升,但有效的結合智能制造和工業互聯網的內外循環時需要數據的互聯互通,即具有“互操作性”,形成企業數據資產的全價值鏈管理,這是信息時代大數據管理的核心價值,即源自企業運營回饋企業運營,平臺賦能,服務優化,形成數據資產的“數字孿生”。
微信圖片_20200904144704.jpg
(對大數據管理的理解)
為有效的實現數據資產的數字孿生,達到“平臺即實現、數據即服務”的狀態,需要對大數據管理進行變革,要從用戶的需求和市場的變化出發,與用戶就大數據管理的內容進行有效而充分的溝通,通過與用戶的共同互動來定義戰略,包括路徑、流程、改進目標、相應的管理組織能力和與之適應的落地技術架構。
數據戰略制定考慮的核心點:
 第一,企業的業務目標是生產盈利,無論在生產過程、運營過程、管理過程對于數據需求必須貼合工藝和實際需要;
 第二,企業智能制造的核心目的是提質增效,通過智能制造 來實現“工序牽引、場景驅動、數據核心”,達成制造智能化、生產少人化、管理精益化的效果;
 第三,為確保數據管理滿足業務目標需求,需要一個更加輕量化、可移植、有彈性、自主可控、自我管理的數據湖實現數據承載和數據治理;
 第四,數據資產管理的有效性和可測量性,需要一個云-邊-端的基于 SOA 架構的數據平臺的技術架構,實現數據資產的有效管理和度量?;跀祿娴臄祿脚_,結合行業應用和互聯網數據思維,形成可賦能、可推廣、定制化的應用。
微信圖片_20200904144709.jpg
(基于SOA架構的數據管理平臺技術架構)

數據湖架構與大數據生命周期

數據湖已經成為企業應用大數據的重要工具,它可以容納大量原始數據存儲庫和處理系統,有一個中心化的存儲,所有的數據以它本來的形式集中存儲,是一種經濟有效地存儲所有數據的方式。它可以更好地支撐數據預測分析、跨領域分析、主動分析、實時分析,以及多元化、結構化數據分析,可以加速數據到價值的實現過程,提升應用能力和業務增值能力。
傳統的數據IDC模式面臨挑戰有:
 第一,數據倉庫模式導致的煙囪式建設與數據需跨業務線廣泛和不同協議接口的連接之間的挑戰;
 第二,傳統數據庫不能應對數據的增長,數據 ETL、數據建模工作的響應速度與數據反哺業務迭代創新之間的挑戰;
 第三,數據賦能與業務場景探索脫節的挑戰。
大數據管理說到底還是為企業服務,數據管理從兩個視角:
 第一,從企業應用系統的視角來看,系統間的數據整合及維護費用達到最小化,提高跨系統間數據存貯和共享的效率;
 第二,從企業數據資產管理的角度來看,對整個數據生命周期中數據進行處理、存貯、轉換、整合,以及支持這些策略、模型、流程。
從而提出基于從數據全生命周期的全空間坐標,從數據的業務流程、數據的用戶體驗、數據的增值服務三個維度來考量數據生命周期的管理空間。
微信圖片_20200904144714.jpg
(數字價值空間)
 第一,業務流程維度,實現了對大數據平臺的數據全生命周期、全流程的數據治理,主要包括數據資產管理、元數據管理、數據開發流程管理、數據質量管理、數據安全共享管理。
 第二,數字經濟下的用戶體驗維度,實現了基于元數據全方位畫像的數據資產管理,數據全生命周期的管理與監控,全流程記錄的追本溯源,全景式的資產可視化,以及提供了數據資產全場景視圖,滿足了不同用戶的應用場景的需求,既有全局規劃的管理者,也有細節定義的使用者,還有加工、運維的開發者,進而提供多層次的圖形化展示,滿足應用場景的圖形查詢和輔助分析,對工業數據質量進行建?;蛘吣P蛯W習,可實時預警數據質量問題。
 第三,基于數據產品生命周期的增值服務端的維度,提供了經濟有效的方式來存儲組織的所有數據,低延遲實時數據處理,支持基于內容的檢索,可橫向線性擴展,內置支持各種并行化數據分析算法,構建工業邊界安全,傳輸通信安全和邊緣計算終端安全的防護體系,支持工業數據標準度量指標庫和分布式計算組件,并支持大規模數據糾錯等服務。

結語

以目前的實踐和探索來看,有四種模式可以應用于大數據管理下,結合用戶體驗的數據增值服務的商業模式:基于傳統數據系統集成模式的項目模式、基于軟件訂閱模式的服務收費模式、基于用戶體驗的服務分享模式、基于共享未來成長的生態協作模式。
無論哪一種模式都必須圍繞數據賦能和價值的角度,必須從用戶的需求和符合現場工藝需求的角度來考量,而數字孿生的核心正在于此。
工業4.0 時代的到來,大數據管理是技術+管理+治理的過程,是從煙囪式的IT架構, 真正走向以數據為核心,數據資產管理的全新理念和實踐過程。數字經濟時代,大數據管理不僅僅是數據存儲架構的變革,更是大數據思維方式的轉變升級。用好數據是企業數字化轉型的關鍵,基于IOT架構的“邊緣+數據+應用”模式是大數據管理,更是數字增值服務的新趨勢。沒有捷徑,也不是老舊系統的補丁,更不是原來不同層級系統的集合,面對新的時代,從數據出發,以價值為導向,來自企業回歸企業,唯天下之至誠能勝天下之至偽,唯天下之至拙能勝天下之至巧。

作者:陳江寧博士,來源:智能制造



電話

24小時熱線:

4006-371-379

咨詢電話:

0371-55056677

0371-55056699


舉報

“掃黃打非”舉報專區:


您可以通過郵箱舉報的方式向我們舉報不良信息,將舉報類型、舉報網址、舉報IP、舉報描述、違法截圖以及您的聯系方式等信息發送至我們的郵箱:

support@htuidc.com

又大又粗欧美黑人A片