[摘要] 數字化這一主題對于要實施規(guī)范性敏捷操作流程的企業(yè)至關重要。數字知識正是實現這一過程的行業(yè)術語。
數字化這一主題對于要實施規(guī)范性敏捷操作流程的企業(yè)至關重要。數字知識正是實現這一過程的行業(yè)術語。數字知識是將人類專業(yè)知識及業(yè)務數據信息化的手段和規(guī)則，將這些見解變成數字化信息，并提供輔助決策。分析是數字知識的關鍵工具，盡管許多公司正是以這種方式使用它們的前端。
許多企業(yè)都在謀劃數字化轉型路線圖。這一點在復雜的全球工業(yè)市場的世界500強企業(yè)表現的更為明顯。其中涵蓋多個行業(yè)，包括石油、天然氣、航海和制造業(yè)等。
對于這些大型組織而言，轉型不僅僅是技術層面的問題。它是一場關于超越20世紀的商業(yè)實踐，并利用顛覆性創(chuàng)新能力，在數據驅動的繁榮經濟體系下茁壯成長的革命。這場數字革命的關鍵不僅在于盈利能力，安全性，客戶滿意度，運營效率，環(huán)境管理等，還取決于企業(yè)數字化轉型的能力以及比競爭對手更快的轉型速度。
數據無處不在，但還不夠
數字化轉型并不缺乏可以利用的數據。大型企業(yè)通過系統(tǒng)或手動收集數據的歷史由來已久。如今，技術已經破除了許多壁壘，打通了信息孤島。使企業(yè)可以更容易地追蹤訪問豐富的歷史性能數據?；ヂ撗b置，設備，系統(tǒng)和組織架構可以隨時生成，收集和共享實時數據。
然而，許多工業(yè)企業(yè)在數據應用于數字化轉型的過程中遇到了困阻。數據的數量，復雜性和傳輸速度往往使系統(tǒng)不堪重負。價值實現被無限期延遲，甚至是無法實現。
這些問題出現的部分原因在于組織錯誤地認為數據、數據湖、算法和分析引擎的簡單組合本身就是完美的解決方案。而在行業(yè)專家看來，簡單的數據集組合很難得到完美的行業(yè)解決方案。特別是對于世界500強的工業(yè)企業(yè)而言，這些公司必須輕松處理可以想象到的最大數據集。
知識是關鍵，但仍然被隱藏
在數字化轉型的方程式中，往往缺乏任務關鍵型能力。人類的專業(yè)知識將驅動數據中的內在價值并確保價值即時實現。專業(yè)知識可以理解數據的含義以及知道如何、何時采取合適的建議來實現效益轉化。最終，人類的專業(yè)知識優(yōu)化了轉型的價值，并確保執(zhí)行中的準確性和速度。
通過提供必要的背景知識，公司可以利用其專業(yè)的洞見實現理想的成果：流程效率、盈利能力、績效、安全性等。然而，這種來自于人的洞見往往隱藏在組織中，緊密地束縛在落后的企業(yè)文化中，就像大多數非結構化數據一樣。
克服知識障礙
部落知識(tribalknowledge)繼續(xù)混淆
幾十年來，獲得和應用知識是工業(yè)公司持續(xù)追求的關鍵任務之一。新技術、培訓和教育方法以及系統(tǒng)和工作工具已被嘗試用于獲取和轉移部落知識(tribalknowledge)。
整個行業(yè)都在努力“破解”部落知識(tribalknowledge)的代碼。此外，無數的內部倡議已經得到資助，然后在進展中消亡。在建立組織知識的需要和對高價值專家的工作安全的潛在前景的考慮下，公司一直在努力取得進展。
現在，很多經驗豐富的個人，包括大型組織中數以千計的專題專家都已達到退休年齡。因此，企業(yè)正在面臨失去這些工作者的經驗和專業(yè)知識的困境。
數字化轉型中被擱淺的知識
除了處理部落知識(tribalknowledge)所面臨的挑戰(zhàn)外，有著長期搜集數據歷史的工業(yè)公司將可以操作的信息留在了未處理的數據及其來源中。盡管他們提高了訪問這些信息的能力，但這種趨勢仍將繼續(xù)。許多知識面臨的困境是，它們被收集起來，但很少被使用。
這些數據通常是結構化和非結構化格式的組合。數據格式包括照片、音頻、電子表格、紙質工作單、電子郵件、報告、維護日志、流式視頻、信任評級、行業(yè)標準流程、社交媒體發(fā)布內容等。
數據無處不在，但是知識在很大程度上是被隱藏的。如果大型工業(yè)組織無法識別、訪問、場景化并分享這一重要的專題知識，即其知識產權。轉型將仍然被限制。
實施數字知識戰(zhàn)略
為了保持競爭力和企業(yè)繁榮，工業(yè)企業(yè)需要將人力資源整合到數字化轉型中。這樣做意味著克服部落知識和被擱淺的知識所固有的障礙。
數字知識是將人類專業(yè)知識及業(yè)務數據信息化的手段和規(guī)則，將這些見解變成數字化信息，并提供輔助決策。這使得行業(yè)專家能夠做出更好和更快的決策，從而改善操作流程。
從業(yè)務相關的問題開始，而不是數據。缺乏以業(yè)務問題為中心導向的企業(yè)往往會在數字化轉型項目中失敗。過于關注數據的公司，會因數據的數量和復雜性而不堪重負。反過來講，數字化轉型計劃最后成為一個復雜的IT項目，是因為領導層認為技術團隊應該有解決數據管理問題的能力。當企業(yè)通過首先確定業(yè)務問題開始數字化轉型時，需要解決的專業(yè)知識和決策流程成為任務的核心。因為它們最能推動中小企業(yè)知識創(chuàng)造，為解決問題提供必要的背景知識和決策流程。通過消除識別問題和解決問題所需要的知識之間的差距，加速企業(yè)數字化化轉型。
使用數據格式和源代碼來引導分析技術。當涉及實現以知識為中心的數字化轉型時，簡單和復雜的應用都可以被使用。這些數據可能是結構化和非結構化格式的組合，包括工作日志、應用程序、事件報告、圖像、電子郵件、使用手冊、互聯網數據等。在分析過程中可能需要一系列的技術，例如決策樹、認知分析等。
通過持續(xù)改進消除中小企業(yè)的數據科學技術障礙。一旦開啟數字化轉型，中小企業(yè)將會通過不斷創(chuàng)新，來改善和簡化其業(yè)務流程。但是，他們缺乏關鍵的高級數據科學技術。因此，他們可以利用旨在協助以知識為中心的分析工具(如：語義搜索、自然語言處理、拖放數據等)來消除差距，指導或自動生成模型以及模型庫。
擴大知識創(chuàng)造的新價值。隨著決策流程變得數字化和可操作化，在決策過程中可能存在更多有待挖掘的價值。可以識別和利用與二級或三級相互依賴的關系，為業(yè)務提供一個更全面，更明智的決策。各級決策相互聯動，合力提供的洞察結果可以創(chuàng)造新的價值。例如，將流程決策結果推送給任何受影響的人，包括工程師、財務以及現場工作人員等。
正如任何一個企業(yè)的業(yè)務轉型一樣，實現及時、可衡量的成果決定了轉型的成功。一些工業(yè)巨頭正在利用數字知識戰(zhàn)略來驅動巨大的商業(yè)利益。
|
您現在的位置：
