大數據、供應鏈以及數據安全_數據分析師

IBM 將“大數據”定義為無法使用傳統流程或工具進行處理或分析的信息。大數據給各行各業帶來了大量的挑戰和潛在機遇，分析機構IDC預測2014年全球對大數據技術的投資將增長30%，超過140億美元。

　　但是一直以來，對大數據的關注主要集中于社交媒體、廣告、銷售和情感分析等領域。不過大數據戰略的商業應用尤其在產品設計與制造領域擁有巨大的潛力。正如過去十年來媒體、通訊和技術改變消費市場那樣，聚集于產品生命周期管理(PLM)與交易數據系統(ERP)中的龐大數據，以及長期的產品數據，可能會改變整個企業經營和工業格局。

　　以一家典型的制造企業為例，原材料、勞動力及能源是其主要成本。因此，就性質而言，企業的經營優化主要專注于物理層面，如精益化、供應鏈及卓越制造等領域。但是，利用大數據改善經營的過程，牽涉到對設計和制造流程中的各元素進行更深、更廣、更智能的分析。

　　對大數據進行分析并利用其結果為決策制定提供依據可帶來的關鍵效益包括：通過主動采用與市場同步的戰略來實現企業目標，以及降低采購、轉換及經銷成本等有形價值。雖然各企業所采用的方法在細節方面完全是根據各自的實際情況而設計，但他們所遵循的關鍵原則卻是統一的，即關注所有數據源，分析和利用內外環境中的各種變化。

　　市場動力

　　在一個不斷擴大、日趨全球化、且競爭極其激烈的市場上，對新產品開發、發布及投資進行優化具有至關重要的意義，因此企業必須對所有PLM相關的信息實現快速、高效而有序的組織和管理。所有數據必須實現可視化，以便讓流程中的所有參與人員及時獲取適當的信息。

　　重視PLM領域并管理大量離散型數據集，同時逐漸擺脫以ERP與電子表格為中心的企業流程，是實現業務價值的關鍵所在，因為這給予了決策者有意義的分析和發現。由于應用分布式計算集群和框架，對大數據集和聚合進行分析的成本降低了不少。

　　因此，在制造業中利用大數據的關鍵在于，企業不再單純地僅以結構性數據為制定業務決策的依據。傳統制造企業內部及其周邊存在大量原始數據有待收集。流入企業網絡的龐大數據來自諸多源頭，包括所謂的智能設備，它們可通過傳感器自動監控各種環境因素并生成大量關于性能、通訊、環境及位置等數據。這些原始數據中蘊藏著重大的業務機遇，但是除非對之進行合理分析，否則無法揭示其隱含的價值。相對于其可能帶來的潛在收益而言，捕捉此類數據所需的成本并不算高。對于決策制定而言，通過對非結構化數據進行分析所收集的信息同樣具有重要意義。

　　大數據挑戰

　　制造企業若要有效挖掘大數據的潛力，首先必須解決多重挑戰，才能說服所有相關的利害關系人。

　　這包括大數據的所有權、問題的規模和復雜性、技術和業務流程的集成、以及解決問題所需的大量工具。事實上，所有企業都與大數據的增長存在千絲萬縷的內在關聯。不過令人欣慰的是，其潛在效益同樣對企業的各個方面都有利。

　　雖然大數據的規模不可小覷，但其復雜性同樣不容忽視。因此，要解決大數據挑戰，不是簡單地加大資源投入就可以，而是要采用完全不同的思維方式。相應的，技術也只是解決方案的一部分而已。如果不能將結果融入業務，并不斷反饋給流程和工作流，絕大部分潛在效益都將得不到實現。

　　技術和流程的結合是不可或缺的，大數據挑戰也絕非單一解決方案所能解決的，而是需要一個集成的方法，有效利用各種工具和資源。其中，關鍵是要確保在正確的應用場合部署適當的系統。最理想的情況是集成所有這些要素，以求實現最大效益——不只是實現單項應用的效益，而且要實現它們的綜合效益以及綜合搜索等支持功能。

　　數據安全

　　除了上述難題之外，有關大數據的另一顧慮在于數據保護方面。造成這一顧慮的原因有很多，如IT環境的改變以及不斷變化的業務舉措和規則等。

　　在應對內部威脅的同時，企業還需對付越來越精明復雜的黑客技術，以及信息大爆炸現象，以至于任何大數據解決方案都必須具備穩健的數據安全保護機制，這一點不容置疑。這就意味著制造企業必須確保往常被視為比較脆弱的工具和應用的安全性，因為在與其它系統相集成、以及在與供應商和第三方合作伙伴進行數據共享時，這些工具和應用因其開放性容易成為新的被攻擊點。

　　供應鏈

　　流入企業網絡的龐大數據來自諸多源頭，包括使用傳感器自動監控各種環境條件并生成大量性能數據的所謂智能設備。

　　過去，大家最關心的是產品設計?？墒乾F在，在產品設計和開發過程中，相關人員相互協同，工廠與制造能力也在同步設計和開發中。當前的壓力在于向市場交付更具競爭力、更高配置、更低價格、更高質量的產品，而同時滿足所有這些要求，是制造和工程企業的下一個重大的價值所在。這也正是大數據的用武之地。

　　處理大數據，指的是要能夠共享、集成、存儲和搜索來自眾多源頭的龐大數據。而就供應鏈而言，這意味著要能夠接受來自第三方系統的數據，并加快反饋速度。其整體影響是增強協同性、加快決策制定和提高透明度，這對所有相關人員都有幫助。

　　總結

　　大數據可以分為兩個獨立的部分，分別針對其規模和信息的有效利用。第一部分針對的是對如今所生成、傳輸和存儲的海量信息進行簡單處理所帶來的挑戰。當前，數據量呈爆炸式增長，而隨著M2M(機器對機器的通訊)的應用，此趨勢仍將持續下去。但是，如若能夠解決這些挑戰，將可以打開嶄新的局面，這便是大數據的第二部分所對應的問題。

　　通過挖掘這些新數據集的潛力，并結合來源廣泛的信息，就可能獲得全新的洞見。如此，企業可以開發全新的流程，并與產品全生命周期的各個方面直接關聯。與之集成的還有報告和分析功能，為流程提供反饋，從而創建一個良性的強化循環。

　　以Siemens PLM Software為骨干，并以Teamcenter這樣的技術平臺為核心，企業便可以設想出整個集成實施情景。在此情景下，由于客戶、用戶、設計和測試提出的所有需求和反饋都能被反饋至開發環節，因此實現安全管理的大數據便成為變更和競爭優勢的催化劑。由設計部門向仿真部門提出仿真要求，仿真部門將結果反饋給設計部門，然后再傳至供應鏈、制造、包裝和物流部門，從中我們看到了一個基于大數據的良性循環的誕生。

　　領先制造企業的管理人員正利用大數據，以近乎實時的方式實現經營優化。雖然目前只有少數企業可利用大數據來建立競爭優勢，但我們預期在未來幾年，大數據應用將成為制造業的進入門檻。