Industriële fabricage
Industrieel internet der dingen | Industriële materialen | Onderhoud en reparatie van apparatuur | Industriële programmering |
home  MfgRobots >> Industriële fabricage >  >> Manufacturing Technology >> Industriële technologie

Hoe weet u of uw Big Data Project succesvol zal zijn?

Het toepassen van Big Data-technologie is misschien wel het belangrijkste project in de hoofden van de meeste executives van vandaag, allemaal met hoge verwachtingen over het te gelde maken van deze gegevens. Een zeer hoog percentage van hen faalt echter. Om specifieker te zijn, volgens een compilatie van onderzoeken die de afgelopen jaren zijn uitgevoerd door consultants die gespecialiseerd zijn in strategie en Big Data, waaronder Gartner en NewVantage Partners, over de implementatie van Big Data in bedrijven, mislukt ongeveer 80% van de Big Data-projecten”. En de eerste vraag die we onszelf moeten stellen is waarom?

Redenen voor mislukking in dataprojecten

De cijfers laten zien dat hoewel bedrijven kapitaal investeren in het lanceren van Big Data-projecten, velen geen waarde krijgen. Er zijn veelvoorkomende redenen waarom projecten de neiging hebben om te stagneren, en we zullen ze hieronder uitleggen:

Mismatch tussen strategische doelstellingen en technische vaardigheden :het eerste dat u moet doen bij de uitvoering van een dergelijk project, is het echte bedrijfsprobleem begrijpen en de risico's van meet af aan nauwkeurig inschatten. Het project lanceren zonder een duidelijke probleemanalyse en zonder gedefinieerde doelstellingen in lijn met een datastrategie zal de strategische visie verblinden en het project tot een mislukking maken.

Gebrek aan infrastructuur en middelen :grote dataprojecten vereisen een solide infrastructuur en belangrijke middelen, vooral met betrekking tot talent. Degenen die proberen vooruit te komen zonder deze cruciale functies te hebben vervuld, ervaren een vaardigheidskloof en zien dat hun projecten vastlopen door een gebrek aan adequate opleiding, training en ervaring in het toepassen van analyse.

Complexiteit en inflexibiliteit :je hebt echter de nodige ingrediënten om dit soort projecten te ontwikkelen, als de architectuur en de reikwijdte van het project te rigide zijn, zal het mislukken. Er is een neiging om het probleem te compliceren en oplossingen te bedenken die te complex zijn. Deze praktijk leidt de aandacht af van het grote geheel en leidt het af van de juiste oplossing.

Mislukt datawetenschapsmodel :slechte datakwaliteit en nauwkeurigheid zijn een groot obstakel voor projectsucces. De integratiekosten zijn hoog en data blijft vaak een grote bron van niet-ontcijferde informatie. Alle relaties in de gegevens moeten worden geëxtraheerd of afgeleid en expliciet gemaakt, zodat de machines de gegevens correct kunnen interpreteren.

Integratiehiaten :slechte communicatie tussen datawetenschappers en zakelijke belanghebbenden resulteert in gegarandeerde mislukking. Het is de meest voorkomende reden waarom grote dataprojecten niet worden toegepast op productie en mislukken. De informatiestroom is van cruciaal belang voor de integratie van een project van deze omvang.

De sleutels tot succes in dataprojecten

De realiteit laat zien dat de weg naar op data gebaseerde voordelen niet eenvoudig en niet eenvoudig is. Bedrijven moeten een reeks capaciteiten ontwikkelen om grote data om te zetten in business, die wereldwijd moet zijn (waarbij de hele organisatie betrokken is) en gebaseerd moet zijn op routinematige en herhaalbare processen en workflows.
Er zijn vier succesfactoren die u helpen risico's te beperken en ervoor te zorgen dat de resultaten overeenkomen met uw verwachtingen voor het project:

GEGEVENS

Op data gebaseerde groei is niet mogelijk zonder een robuuste datastructuur. Organisaties moeten interne en externe (zelfs aangekochte) data verzamelen, opslaan en beschikbaar stellen aan de organisatie.
De hoeveelheden data nemen toe en er komen steeds nieuwe formaten bij. Bedrijven moeten deze gegevens kunnen analyseren door middel van geavanceerde modellen en deze rapporteren op een manier die alle partijen in staat stelt waardevolle conclusies te trekken.
Deze mogelijkheid vereist vaardigheden in het ontwikkelen van sensoren, infrastructuur voor het opslaan van gegevens en methoden om gegevens te beschermen tegen hackers .

AUTONOMIE

Het idee van autonome teams en gedecentraliseerde besluitvorming is fundamenteel voor de ontwikkeling van elke strategie, waardoor werknemers hun eigen ideeën kunnen voorstellen en zelfs hun eigen beslissingen kunnen nemen. Maar de autonomie wordt op de proef gesteld door steeds complexere projecten, wendbare grootschalige teams en misschien steeds meer multidisciplinair.
Daarom is het essentieel om de functie van datamanager (CDO) te creëren, die verantwoordelijk is voor het tot stand brengen van gemeenschappelijke communicatie en ervoor zorgt dat de groep fungeert als een zelforganiserend of autonoom team.
Tegelijk is het belangrijk dat het team wordt getraind in wat de datawetenschapper kan en moet bijdragen, en dat de datawetenschapper ervoor zorgt dat de data de medewerkers helpt nieuwe beslissingen nemen.

TECHNOLOGIE

Technologie is even essentieel voor het succes van de data. Het is een belangrijke eerste stap in de applicatiefase en een essentieel onderdeel voor de digitale ruggengraat.
Het maakt niet uit hoeveel je de beste ideeën en de meest waardevolle gegevens hebt, als je technologie niet opgewassen is tegen de taak of niet schaalbaar is, zal het uiteindelijk geen echte waarde creëren voor het bedrijf. Daarom is het essentieel om een ​​strategische partner te hebben die deskundig is in het veld om u te adviseren.

VERANTWOORDELIJKHEID

Bij het overwegen van een datastrategie is het essentieel om te overwegen wat is toegestaan ​​en wat niet is toegestaan. Er zijn drie verantwoordelijkheden om te overwegen; de wet, formele contracten en sociale normen.
Wanneer gegevens een persoon kunnen identificeren, zijn bepaalde gegevensbeveiligings- en handhavingsregels van toepassing. Het is daarom belangrijk om de verwachtingen en doelstellingen van alle partijen te verduidelijken om een ​​solide contractuele basis te waarborgen.
Aan de andere kant kan het gebruik van gegevens legaal en rechtmatig zijn voor de partijen die bij het contract betrokken zijn, maar kan ongepast zijn voor klanten of de samenleving. Het bedrijf moet iemand hebben die verantwoordelijk is voor het ethisch omgaan met de gegevens en het instellen van de parameters.

Verdere implicaties

Het belang van cultuur en de menselijke factor spelen een even belangrijke rol bij de ontwikkeling van dataprojecten. Ontdek de 10 stappen voor het bereiken van een goede datacultuur, van het belang van een betrokken manager tot de noodzaak van een vloeiend communicatiesysteem.

De verdeling van middelen is een ander belangrijk punt bij het overwegen van de investering die nodig is voor het project. Als de middelen te dun worden verdeeld, kunnen we meer prioritaire projecten in gevaar brengen. Om deze reden is het noodzakelijk om advies in te winnen en een balans te vinden in de investering, een prognose te maken van de fondsen en rekening te houden met implementatieproblemen die zich kunnen voordoen naarmate het project vordert.

Uw Big Data-project

Omvang, tijd, budget en kwaliteit zijn kritische componenten van elk project. Het niet naleven van een of meer van deze maatregelen is de reden waarom de meeste dataprojecten worden uitgedaagd of volledig mislukken.
Als bedrijf moet u er eerst voor zorgen dat dataprojecten zijn afgestemd op en gerelateerd zijn aan zakelijke prioriteiten, en vervolgens een hele agile, zichtbare en niet-zichtbare infrastructuur om zich heen. Het is de moeite waard om dit beetje bij beetje te doen, met eenvoudige modellen en begeleid door een strategische partner als Nexus Integra.

Het geïntegreerde operationele platform van Nexus Integra bestaat uit een krachtige drielaagse structuur die uw bedrijf helpt om op een eenvoudige manier gegevens te integreren, verwerven, standaardiseren, verenigen, beheren en weergeven.
– De eerste laag, Nexus Connect , helpt uw ​​bedrijf ongestructureerde gegevens te integreren en te verwerven via geavanceerde IoT-apparaten en -hulpmiddelen.
– De tweede laag, Nexus Core , is verantwoordelijk voor het standaardiseren en verenigen van deze gegevens via de Big Data.
– De derde laag, Nexus Applications , bestaat uit native Nexus Integra-applicaties en andere die zijn ontwikkeld door derden en die u de nodige tools bieden in een wereldwijde operationele omgeving om de gegevens op een eenvoudige manier te beheren en weer te geven.


Industriële technologie

  1. Wist je dat? Hoe rubber wordt gevormd
  2. Hoe creëer je een succesvolle business intelligence-strategie
  3. Hoe Blockchain-technologie de mobiele gezondheidszorg zal verbeteren
  4. Weet u wat uw bedrijf waard is?
  5. Weet jij hoe een freesmachine werkt?
  6. Hoe kom je erachter dat de uitlaatklep in sulzer draait of niet?
  7. Feit of fictie:welk verhaal vertellen uw gegevens u?
  8. Hoe weet je of er lucht in je hydraulisch systeem zit?
  9. Hoe weet je of je hydraulische vloeistof slecht is?
  10. Hoe weet u wanneer uw hydraulische pomp bijna defect raakt?
  11. Hoe u de staalvereisten voor uw project kunt inschatten