如何利用人工智能和机器学习技术释放工业数据的价值

据Forbes 4月1日报道，随着人工智能（AI）在各行各业的业务流程中日益深入，数据的可访问性正在成为确定企业是否能够适应并与新技术景观一起增长的越来越重要的因素。虽然人工智能和机器学习（ML）技术可以推动运营效率并实现业务洞察，但AI和ML应用程序和算法的输出只有数据输入的好坏而定。

为了确保他们的应用程序能够获得尽可能好的数据，企业应首先通过强大的数据集中平台打破组织中存在的数据孤岛。这样的平台将来自不同来源的数据摄取和存储到一个单一的、统一的系统中，保留数据的上下文，并通过数据清洗和ESL（提取、转换和加载）等过程实施良好的治理。

然而，数据集中和治理只是企业需要实现数字转型并获得AI好处的现代数据战略的开始。事实上，一个更重要的元素是数据共享。

分享的重要性

在工业数据背景下，分享不仅指使内部和外部利益相关者能够访问对他们的工作职能至关重要的数据，还指在各种系统和应用程序之间分发数据。在过去，将数据集导出为CSV文件并通过电子邮件发送给操作员或分析师可能是唯一可行的数据分享方法，但对于正在进行数字转型的企业来说，这些手动操作已经不再可接受。

对于希望将工业物联网（IIoT）和工业4.0的概念付诸实践的企业来说，他们的数据解决方案需要强大的实时数据分享支持。Snowflake和AVEVA Data Hub等平台提供的一种传统数据共享选项基于视图。通过创建视图，您可以轻松控制要共享的数据的细节，并实施最小特权原则，确保与数据打交道的团队成员只能访问他们需要的数据，同时保持敏感数据的私密性。

虽然视图是数据共享的基本组成部分，但您还应考虑提供基于发布-订阅（pub-sub）模型的数据共享的数据历史记录。在这种模型中，您创建定义要共享的数据的主题，您的应用程序订阅与其相关的主题。流数据随后实时推送到订阅应用程序。这种向应用程序主动发送数据的方法非常适合需要随时获取最新数据的人工智能软件。

选择数据共享平台

考虑到数据共享对数字转型的重要性，为前瞻性的工业企业提供强大共享能力的数据平台是必不可少的。在升级数据基础设施时，请记住以下几个关键要点。

• 考虑选择一个不仅提供传统视图共享，还提供基于订阅的共享的数据平台。通过使用视图与团队成员共享数据，并使用订阅将数据与应用程序共享，您的应用程序可以根据需求实时获取数据，确保计算反映组织中的最新情况，同时分析师和管理人员可以使用熟悉的格式提供相关数据。

• 确保您的数据平台安全，并符合相关法规。在涉及数据共享时，数据安全性和隐私性至关重要。您的数据平台必须实施最佳安全实践，例如基于角色的访问控制（RBAC），根据用户组分配权限，而不是命名用户，并为共享数据定义到期日期。此外，选择已完成广泛接受的安全认证（如SOC 2）的解决方案供应商是个不错的主意。

• 坚持使用易于使用的系统。为了使数字转型成功，所有团队成员必须全力以赴。如果您的数据平台复杂且不简化数据共享流程，一些员工可能不愿分享其数据，甚至可能通过不正确设置权限引起潜在安全问题。强大的数据共享平台必须简单而强大，并使用熟悉的界面和语言获得公司全员支持。

在新的数据经济中，分享是成功的关键。通过实施一个使数据分享简单且安全的数据历史记录平台，您可以为整个企业的数字转型之路铺平道路。

来源：Forbes 作者：Jeff Tao

（声明：请读者严格遵守所在地法律法规，本文不代表任何投资建议）