Строительство фундаментов для успеха промышленного Data Science

Промышленные IoT-развертывания часто эволюционируют в полноценные data science инициативы. Подключенные сенсоры на машинах, инструментах, паллетах и готовых товарах генерируют огромные потоки данных, которые, когда используются правильно, могут разблокировать операционное превосходство, устойчивость и гибкость.

Однако реальная ценность лежит не в сборе данных в одиночестве, а в способности организации перевести эти инсайты в трансформационное действие. Как объясняет Стив Пилсбури, главный консультант PwC Consulting, цель — «достичь новых операционных бенчмарков или, в сегодняшнем мире, создать устойчивость и гибкость».

[IoT World — крупнейшее в Северной Америке IoT-мероприятие, где стратеги, технологи и исполнители связываются, внедряя IoT, AI, 5G и edge в действие по отраслям. Забронируйте билет сейчас. ]

Даже до COVID-19 многие промышленные фирмы нашли переход к data-driven операциям устрашающим. Data science таланты редки, и конкуренция за них интенсивна. Пока многочисленные компании запустили программы цифровой инновации, возврат инвестиций остается ограниченным. Исследование Accenture нашло, что с 2016 по 2018 год почти 80% цифровых проектов в промышленных фирмах не достигли ожидаемых финансовых возвратов.

Подготовка организации

Ключевой барьер — неадекватное планирование. Пилсбури отмечает, что большинство промышленных игроков застряли в пилотных или тестовых фазах, многие все еще борются для выхода за экспериментацию. Пропущенная деталь — «ноу-хау» — не просто правильные технические навыки, а способность встроить эти навыки по всей организации. Сотрудники должны понимать возможности и как их применять, что требует культурного сдвига к непрерывному обучению.

Исследование PwC Digital IQ идентифицировало фирмы «трансцендеры» — те, кто строят цифровые программы вокруг людей и культуры — как самые успешные. Эти организации приоритизируют образование сотрудников и поощряют устойчивый майндсет.

Внутри компании data зрелость может широко варьироваться. Мурали Радж, CIO в HIL, производителе строительных материалов, подчеркивает важность учета этой вариабельности при проектировании трансформационной дорожной карты. Ролл-аут предиктивного обслуживания HIL начался со строительства цифровой корежи для всего цеха, а не таргетинга одной линии или машины.

Human-Centered Design, примененный к процессам

Обеспечение бай-ина на всех уровнях — необходимо. Многие фирмы создают «Center of Excellence» для драйва цифрового лидерства и лучших практик. Пока эти эксперты хватают технологию и драйверы ценности, они часто обнаруживают, что энд-пользователи сопротивляются новым инструментам из-за плохого дизайна или нечетких воркфлоу.

Для завоевания поддержки сотрудников лидеры должны sollicировать обратную связь на фазе дизайна и применять human-centered принципы к внутренним процессам. Изучая контекст каждой проблемы и боли штата, команды могут создавать цифровые инструменты, которые натурально вписываются в ежедневную работу.

Идентификация лиц для лидерства трансформации

Помимо культурных изменений, правильное data-science лидерство критично. По словам Умеш Рамакришнана из Kingsley Gate Partners, только около 25% кандидатов, претендующих на экспертизу в AI, ML или data science, действительно квалифицированы. Краткое 20–30 минутное интервью может помочь выявить тех, у кого сильный фундамент в науке или инженерии и hands-on опыт с нейросетями или глубоким обучением.

Эффективные лидеры должны также переводить технический инсайт в организационный импакт. Они должны преуспевать в коммуникации, убеждении и способности связывать индивидуальные цели с миссией компании. Как отмечает Рамакришнан, титулы «чемпион» или «евангелист» упрощают изощренное лидерство, требуемое для успешной трансформации.

Промышленные фирмы, выравнивающие таланты, технологии и бизнес-стратегию — поддержанные лидерами, которые могут и артикулировать видение, и драйвить исполнение — те, что достигают длительного цифрового успеха.