Manufaktur industri
Industri Internet of Things | bahan industri | Pemeliharaan dan Perbaikan Peralatan | Pemrograman industri |
home  MfgRobots >> Manufaktur industri >  >> Manufacturing Technology >> Sistem Kontrol Otomatisasi

Menangani Big Data Sebelum Keluar Dari Tangan

Ada suatu waktu, belum lama ini, ketika operator bekerja secara paralel pada dua sistem bisnis. Salah satunya biasanya ERP atau program keuangan dengan yang lainnya adalah aplikasi milik Microsoft office suite. Namun dalam beberapa tahun terakhir, teknologi telah berubah dengan kecepatan yang mencengangkan. Masuknya arsitektur Perangkat Lunak sebagai Layanan telah merevolusi proses, dengan pengguna lebih memilih berlangganan untuk semua yang mereka butuhkan. Dilaporkan di “State of SaaS-Powered Workplace 2017” bahwa penggunaan 16+ aplikasi SaaS oleh perusahaan telah naik 33% dibandingkan tahun 2016.

Sistem SaaS dapat membuat akumulasi dan analisis data menjadi sangat mudah, secara instan menghasilkan laporan estetika sambil memegang kemampuan operasi jarak jauh. Tapi ini lebih mudah diucapkan daripada dilakukan dan membutuhkan strategi yang jelas dan sumber daya teknis yang melimpah.

Karyawan dapat melewati strategi teknologi konvensional hanya dengan berlangganan produk ini. Hal ini dapat menyebabkan upaya duplikasi, kurangnya pengawasan. Misalnya, dalam hal penyimpanan cloud &berbagi file, ada kemungkinan besar jika Anda mensurvei karyawan Anda, Anda akan menemukan berbagai produk yang digunakan, mis. Google Drive, OneDrive, Dropbox, dll. Meskipun tren penggunaan alat digital mungkin dihargai, operasi berisiko menjadi mubazir dan mahal karena berbagai biaya langganan sulit dilacak. Selain itu, data perusahaan menjadi berantakan, sekaligus membuatnya rentan terhadap ancaman keamanan.

Ini adalah masalah yang signifikan, namun ada satu yang lebih besar:kemampuan aplikasi SaaS untuk menghasilkan banyak data. Dinyatakan sebelumnya bahwa perusahaan menggunakan lusinan aplikasi tetapi mari kita mempertimbangkan data yang dihasilkan setiap aplikasi. Setiap login, setiap modifikasi, notifikasi, peringatan, dll. menghasilkan data. Kalikan ini dengan ratusan atau ribuan karyawan yang hadir dan informasinya menjadi berantakan.

Ingat, sampah masuk berarti sampah keluar. Kualitas data sangat penting jika perusahaan ingin memanfaatkan alat yang merupakan bagian dari Industri 4.0 . Masukan pengguna yang tidak lengkap, ekstensi pihak ketiga yang rusak, dan kebijakan data yang buruk, semuanya dapat menjadi pencemar untuk kumpulan data. Akibatnya, mereka menyia-nyiakan sumber daya komputasi yang berharga.

Sebuah penelitian mengungkapkan bahwa perusahaan sering menghabiskan 50 – 80 persen waktu mereka untuk membersihkan kumpulan data. Ini keterlaluan, karena sumber daya yang ditugaskan untuk pekerjaan ini sangat berkualitas dan disewa untuk analisis daripada memperbaiki kesalahan ketik. Pendekatan strategis untuk manajemen data dapat memecahkan banyak masalah ini. Seperti halnya keputusan bisnis lainnya, rencana komprehensif yang dirancang oleh pimpinan dan didukung oleh semua fungsi sangatlah penting.

Menyiapkan tim manajemen data lintas fungsi harus menjadi langkah pertama. Tim harus melibatkan pakar teknologi, tidak hanya dari departemen TI, tetapi juga orang-orang yang menggunakan layanan, sehingga pendapat mereka dapat dipertanggungjawabkan. Setelah tim terbentuk, upaya para anggota dapat difokuskan pada tiga prioritas utama:

Penyelarasan Proses dan Sistem

Proses bisnis harus dipelajari secara rinci. Poin pembuatan data harus diidentifikasi, sambil memiliki dua tujuan utama dalam pikiran:

Mengurangi Hambatan Pengelolaan Data

Seperangkat alat SaaS yang umum harus diidentifikasi yang memungkinkan tim bekerja secara efisien. Anda harus mencari alat yang sudah digunakan di dalam ruang kerja, sehingga proses implementasi menjadi lebih mudah. Aplikasi inti kemudian harus digunakan sebagai bagian dari strategi peluncuran mini, sehingga penggunaannya secara luas dapat dipromosikan. Jika perlu, tenaga kerja harus cukup terlatih dan termotivasi. Juga, setelah keputusan dibuat, karyawan harus diinstruksikan untuk mengikutinya, mis. tidak ada yang harus menggunakan Google Drive, jika DropBox telah dipilih.

Mendorong Penggunaan Data

Setelah proses baru dirancang, pertimbangkan bagaimana aplikasi SaaS dapat mendukung tujuan analisis data secara keseluruhan. Apakah Anda sekarang memiliki kemampuan untuk menambang data untuk mendapatkan wawasan tentang kebiasaan kerja karyawan? Dapatkah koneksi API dibangun antar layanan untuk memperlancar aliran data ?

Jika perusahaan telah menerapkan platform bisnis tingkat perusahaan, maka menggabungkan data dalam satu sistem dapat menjadi pilihan yang layak. Karena itu, Anda harus sangat ketat dengan pilihan data yang ingin Anda simpan, karena menghambat sistem dengan data yang tidak perlu adalah hal terakhir yang ingin Anda lakukan.

Sekarang, Anda harus melibatkan seluruh tim ke dalam brainstorming cara-cara di mana data dapat digunakan secara efektif dalam operasi sehari-hari. Membuat dasbor dan menjadikannya bagian dari rapat tim adalah strategi yang baik untuk digunakan karena memungkinkan KPI karyawan dilacak dengan mudah sambil menawarkan wawasan tentang target yang terlewatkan. Karyawan juga harus mengetahui semua strategi ini, karena begitu mereka mengetahui bahwa masukan mereka penting, mereka akan memperhatikan kualitas data.

Adopsi Pengguna

Setiap orang dalam organisasi harus memahami pentingnya menjaga integritas data dan mengambil bagian di dalamnya sebagai kewajiban.

Komunikasi memainkan peran utama dalam adopsi pengguna. Dalam setiap tim, manajer harus berperan aktif dalam meyakinkan dan memotivasi anggota. Hasil dari data yang dikumpulkan juga harus dibagikan secara teratur sehingga karyawan mengetahui nilai dari tindakan mereka. Demikian pula, bahaya data bermasalah juga harus dinyatakan dengan jelas, dan jika perlu tindakan disipliner harus dikaitkan dengannya.

Pengelolaan data harus menjadi aspek utama program pelatihan perusahaan untuk memastikan partisipasi karyawan secara maksimal. Dari waktu ke waktu, departemen terkait dapat memulai rapat tim, lokakarya, webinar, dan makan siang agar karyawan mendapatkan semua panduan dan pelatihan yang diperlukan.

Pemeliharaan dan Tata Kelola

Jika adopsi pengguna dan penyelarasan proses adalah tujuan utama dari inisiatif data Anda, maka pemeliharaan dan tata kelola yang efektif akan berperan sebagai manual “bagaimana caranya”. Setiap saat, tim manajemen data harus bekerja untuk mengembangkan peta jalan yang diperbarui untuk menjaga kualitas data. Dokumen tersebut harus dapat diakses oleh pemimpin tim, sehingga mereka selalu dapat memiliki informasi eksplisit kapan pun mereka mengalami kesulitan. Melakukannya juga akan memastikan bahwa kueri tidak menumpuk di tim tata kelola data, dan konsistensi tetap terjaga.

Panduan harus jelas, singkat, dan to-the-point. Ini harus memasukkan peran untuk keamanan data, kebersihan dan strategi, memberikan instruksi yang komprehensif tentang bagaimana pengguna harus berinteraksi dengan data. Model keamanan data juga harus disertakan dalam panduan, memastikan bahwa tim hanya memiliki akses ke data yang terkait dengan mereka.

Semua ini mungkin terdengar seperti pekerjaan penuh waktu, dan ya, memang demikian. Semua masalah ini dapat ditangani oleh individu terlatih yang memiliki banyak nama:Ilmuwan Data, Analis Bisnis, Petugas Data, dan sebagainya. Anda tidak boleh menahan diri untuk tidak mempekerjakan sumber daya teknis yang diperlukan, karena biaya pengelolaan data yang buruk bisa jauh lebih tinggi dibandingkan dengan gaji orang tersebut.


Sistem Kontrol Otomatisasi

  1. Big Data Dan Cloud Computing:Kombinasi Sempurna
  2. Penggunaan Big Data Dan Cloud Computing Dalam Bisnis
  3. Menyelesaikan kebutuhan AI yang berkembang
  4. Apakah Anda harus mengontrak pemeliharaan?
  5. Bagaimana backlog pemeliharaan tidak terkendali?
  6. Data kota:Mengapa kita harus peduli?
  7. Data Besar vs Kecerdasan Buatan
  8. Membangun Data Besar dari Data Kecil
  9. 5 Menit Dengan PwC pada AI dan Big Data dalam Manufaktur
  10. 5 alasan mengapa semua perusahaan manufaktur perlu menggunakan big data