调查片段#2:利用公共数据模型实现IT-OT融合的两个最佳实践

多年来，制造业和IT领导者一直在追求IT- ot融合战略。为了达到这种融合状态，LNS研究认为建立一个包括IT和OT数据118金博宝app的公共数据模型是必不可少的步骤。这个公共数据模型确保从多个来源和多种类型离开工厂的数据是准确、可信和安全的。

我们最近对重要分析(Analytics That Matter)的研究表明，29%的公司已经在IT和OT领域创建了通用数据模型。在过去的几年里，我们看到这个数字稳步增长，因为越来越多的公司(领导者和追随者)正在实现一个通用的整体数据模型来实现IT-OT融合。但领导者的突出之处在于他们管理数据模型的方式。虽然追随者大多让他们的IT团队管理数据模型，但领导者越来越多地让数据科学或过程工程团队管理数据模型。

让我们来看看为什么让数据科学或流程工程团队而不是it团队来管理这个数据模型很重要。通常，传统的IT团队与工厂的OT团队有不同的优先级和目标。IT团队，特别是那些参与了大型ERP实现的团队，可能会尝试使用集中的主数据管理方法来管理分布式工厂数据。这种差异，加上它们传统的数据层次结构和协议，通常会阻止IT快速为工厂提供价值。另一方面，新的数据科学和过程工程团队更有可能使用敏捷方法，根据用例指示增量地构建数据模型，使数据湖和高级分析算法的使用能够更快地提供价值。

然而，经验表明，仅仅让一个数据科学团队负责数据模型也不能保证成功。如果数据科学家团队独自工作，没有来自工厂的主题专家的输入，他们通常只是“发现”先前已知或理解的现象。因此，他们提供的见解对制造团队来说可能不那么有价值，导致数据科学家失去了业务的可信度。

为了解决这些问题，LNS Research坚信，良好的数据和118金博宝app良好的文化对于推动IT-OT融合和工厂内外的其他转型项目是必要的。在我们关于重要分析的研究中，我们确定了两个最佳实践，企业可以从IX领导者那里学习，通过公共数据模型实现IT-OT融合:

1. 数据调节和背景化以确保良好的数据:制造商越来越多地在其企业架构中采用数据调节和上下文化解决方案，该解决方案充当抽象层，在数据被吸收到数据湖或其他数据存储位置之前为数据提供上下文。公司可以从他们的IX平台或通过单独的pureplay供应商获得这项服务。无论哪种方式，LNS都将此上下文化层视为IX参考体系结构的重要部分，并且在推动IT-OT融合方面至关重要。
2. 数据治理团队培养积极的文化:数据治理是一种新兴的方法，它将敏捷、精益和DevOps整合到一个整体计划中，以管理组织的数据。它确保It和数据科学团队不会偏离工厂团队的目标。作为DataOps团队的一部分，我们看到公司创建了新的数据角色，如数据工程师、数据管理员，分配多个数据所有者来维护数据完整性和质量。这些新角色成功的关键是将数据的所有权和数据质量尽可能地推向数据的来源，并确保这些数据所有者不仅是数据的保管人，而且还是用户。

通过结合这两种最佳实践，公司可以在IT-OT融合中获得显著的好处。例如，公司可以创建一个数据治理团队，建立数据角色，以确保只有适当的数据包含在数据模型中，并且即使在运行任何类型的分析之前，也可以对其进行上下文化，而不是将所有数据加载到这些数据湖中，并将其留给数据科学家来寻找模式。在此之后，与数据治理团队和运营团队一起工作的数据科学家还可以包括一些来自适当来源的新的上下文化数据，并在主题专家的支持下测试他们的假设。

总之，我们的研究表明，IX领导者与较新的数据科学团队一起管理他们的公共数据模型。然而，数据科学团队需要制造业的支持，才能从数据模型中获得最大收益，并推动IT-OT融合。我们发现的两个最佳实践是数据情境化(好的数据)和数据治理团队(好的文化)。LNS相信，良好的数据和良好的文化的结合是推动IT-OT真正融合的先决条件。