这是释放重工业数据力量的关键

几乎任何类型的企业内部都有数据的宝库。只有懂得如何最大化这些数据的价值，并利用这些数据来改进决策、加速创新、增强客户体验和提高运营效率的公司，才会拥有竞争优势。然而，说起来容易做起来难，企业可能会发现提取这些数据价值具有挑战性。

孤立的数据、过时的工具和影子IT是工业企业面临的最常见障碍。如果企业想要实现数据和分析的民主化、简化协作并加快洞察时间，就必须克服这些障碍。全球技能短缺是另一个障碍，如果公司想要获得合适的人才库来利用这些数据，显然必须解决这个问题。根据DNV的一项研究，91%的能源公司表示，油气行业需要数字技能培训。

根据英国商业与能源战略部(Department for Business & energy Strategy)的数据，能源行业还面临着劳动力老龄化的问题，43%的工人年龄超过50岁。这使得数据的优化和背景化至关重要，以确保维护和运营团队能够获得见解，否则，随着劳动力的关键部分进入退休，这些见解可能会丢失。这也是为什么通过工业数据的力量来推动业务连续性和运营弹性至关重要的另一个原因。

处理私有数据协议
在研究流程密集型行业时，关注核心运营技术是关键。来自多个供应商的系统，每个都配有专有协议，可以锁定数据，这些系统的平均寿命约为20年。遗留套件、不同的控制系统、不兼容的数据模型和通信接口混合在一起的影响，可能会限制公司收集数据并将其背景化的能力。

Cognite在支持一家拥有30个石油平台、300多口井的油气公司时，亲身经历了这一挑战。运营商缺乏对所有资产内部和之间的维护活动的统一概述-最终是一种昂贵且无效的工作方式。当数据团队来解决这个挑战时，Cognite的重点是确保该业务没有太多使用专有数据模型和通信的不同控制系统。通过将这些系统整合到一个共享平台中，油气运营商可以优化调度，改善跨组织的沟通，并做出数据驱动的决策。

关注用户需求
许多成功公司的秘诀是保持对用户的高度关注，提高他们的运营效率和做出快速和更有信心的决策的能力。数据在这里发挥着作用，构建组织数据的工作可以为多个用户带来价值。关键在于理解人们如何在整个运营过程中与数据交互，并意识到数据需要如何呈现给公司中的不同角色。通过保持以用户为中心的关注，并拥有可扩展数据的坚实基础，公司可以加快实现价值的时间。

在整个工业运营中，还主要关注数据分析，以支持优化决策和提高运营效率。在未来，这可能会导致人工智能和机器学习在复杂用例中介入工业设施的运行，例如分布式能源(本地化能源发电)的部署。

对用户来说，环境影响也越来越重要。Cognite的另一个客户Aker BP就是一个例子。这家石油和天然气公司使用机器学习智能监测系统来可视化所有与水污染故障排除相关的数据，并确定与高水包油浓度相关的因素。这帮助公司减少了在缓解措施上花费的时间，节省了相当于每年600万美元的潜在收入。因此，关注用户需求不仅有助于释放数据的力量，还有助于提高运营弹性。

使用可信数据源
工业数据赋予每个参与其中的人权力，但利用这些数据的分析和应用程序将来自最终用户、软件提供商和设备制造商。当你拥有一个具有共同资产的可信数据源时，你就有了一个非常强大的基础，可以使用低代码开发内部应用程序，以及人工智能来提高决策的准确性。考虑到当前的产业格局，以及更大的市场需求，例如数据密集型的碳报告和数字技术采用带来的商业模式颠覆，不把数据作为关键资产的公司将面临显著的竞争劣势。

幸运的是，大多数公司意识到，如果他们今天开始运营，考虑到我们目前拥有的技术，他们的流程和团队相对于今天围绕传统技术构建的团队和流程会有很大的不同。能够调整人员和流程的企业将在这个数据驱动的新时代拥有先发优势。那些仍然执着于过去投资的公司最终将不得不承担两倍的技术债务。

在这一点上，在工业领域，很多人都专注于分析，以支持优化决策和提高运营效率。在未来，可能会采用人工智能和机器学习来操作工业设施，以实现更复杂的用例，如智能城市概念。释放数据的力量将是确保企业保持业务连续性、提高运营弹性、并尽可能从新兴技术中获得所有好处的关键。