【導(dǎo)讀】收集數(shù)據(jù)和使用數(shù)據(jù)是兩碼事，數(shù)據(jù)和知識也是兩碼事~

  數(shù)字化這一主題對于要實施規(guī)范性敏捷操作流程的企業(yè)至關(guān)重要。 數(shù)字知識正是實現(xiàn)這一過程的行業(yè)術(shù)語。數(shù)字知識是將人類專業(yè)知識及業(yè)務(wù)數(shù)據(jù)信息化的手段和規(guī)則，將這些見解變成數(shù)字化信息，并提供輔助決策。分析是數(shù)字知識的關(guān)鍵工具，盡管許多公司正是以這種方式使用它們的前端。

  許多企業(yè)都在謀劃數(shù)字化轉(zhuǎn)型路線圖。這一點在復(fù)雜的全球工業(yè)市場的世界500強企業(yè)表現(xiàn)的更為明顯。其中涵蓋多個行業(yè)，包括石油、天然氣、航海和制造業(yè)等。

  對于這些大型組織而言，轉(zhuǎn)型不僅僅是技術(shù)層面的問題。它是一場關(guān)于超越20世紀的商業(yè)實踐，并利用顛覆性創(chuàng)新能力，在數(shù)據(jù)驅(qū)動的繁榮經(jīng)濟體系下茁壯成長的革命。這場數(shù)字革命的關(guān)鍵不僅在于盈利能力，安全性，客戶滿意度，運營效率，環(huán)境管理等，還取決于企業(yè)數(shù)字化轉(zhuǎn)型的能力以及比競爭對手更快的轉(zhuǎn)型速度。

數(shù)據(jù)無處不在，但還不夠

　　數(shù)字化轉(zhuǎn)型并不缺乏可以利用的數(shù)據(jù)。大型企業(yè)通過系統(tǒng)或手動收集數(shù)據(jù)的歷史由來已久。如今，技術(shù)已經(jīng)破除了許多壁壘，打通了信息孤島。使企業(yè)可以更容易地追蹤訪問豐富的歷史性能數(shù)據(jù)。互聯(lián)裝置，設(shè)備，系統(tǒng)和組織架構(gòu)可以隨時生成，收集和共享實時數(shù)據(jù)。

　　然而，許多工業(yè)企業(yè)在數(shù)據(jù)應(yīng)用于數(shù)字化轉(zhuǎn)型的過程中遇到了困阻。數(shù)據(jù)的數(shù)量，復(fù)雜性和傳輸速度往往使系統(tǒng)不堪重負。價值實現(xiàn)被無限期延遲，甚至是無法實現(xiàn)。

　　這些問題出現(xiàn)的部分原因在于組織錯誤地認為數(shù)據(jù)、數(shù)據(jù)湖、算法和分析引擎的簡單組合本身就是完美的解決方案。而在行業(yè)專家看來，簡單的數(shù)據(jù)集組合很難得到完美的行業(yè)解決方案。特別是對于世界500強的工業(yè)企業(yè)而言，這些公司必須輕松處理可以想象到的最大數(shù)據(jù)集。

知識是關(guān)鍵，但仍然被隱藏

　　在數(shù)字化轉(zhuǎn)型的方程式中，往往缺乏任務(wù)關(guān)鍵型能力。人類的專業(yè)知識將驅(qū)動數(shù)據(jù)中的內(nèi)在價值并確保價值即時實現(xiàn)。專業(yè)知識可以理解數(shù)據(jù)的含義以及知道如何、何時采取合適的建議來實現(xiàn)效益轉(zhuǎn)化。最終，人類的專業(yè)知識優(yōu)化了轉(zhuǎn)型的價值，并確保執(zhí)行中的準確性和速度。

　　通過提供必要的背景知識，公司可以利用其專業(yè)的洞見實現(xiàn)理想的成果：流程效率、盈利能力、績效、安全性等。然而，這種來自于人的洞見往往隱藏在組織中，緊密地束縛在落后的企業(yè)文化中，就像大多數(shù)非結(jié)構(gòu)化數(shù)據(jù)一樣。

克服知識障礙

部落知識（tribal knowledge）繼續(xù)混淆

　　幾十年來，獲得和應(yīng)用知識是工業(yè)公司持續(xù)追求的關(guān)鍵任務(wù)之一。新技術(shù)、培訓(xùn)和教育方法以及系統(tǒng)和工作工具已被嘗試用于獲取和轉(zhuǎn)移部落知識（tribal knowledge）。

　　整個行業(yè)都在努力“破解”部落知識（tribal knowledge）的代碼。此外，無數(shù)的內(nèi)部倡議已經(jīng)得到資助，然后在進展中消亡。在建立組織知識的需要和對高價值專家的工作安全的潛在前景的考慮下，公司一直在努力取得進展。

　　現(xiàn)在，很多經(jīng)驗豐富的個人，包括大型組織中數(shù)以千計的專題專家都已達到退休年齡。因此，企業(yè)正在面臨失去這些工作者的經(jīng)驗和專業(yè)知識的困境。

數(shù)字化轉(zhuǎn)型中被擱淺的知識

　　除了處理部落知識（tribal knowledge）所面臨的挑戰(zhàn)外，有著長期搜集數(shù)據(jù)歷史的工業(yè)公司將可以操作的信息留在了未處理的數(shù)據(jù)及其來源中。盡管他們提高了訪問這些信息的能力，但這種趨勢仍將繼續(xù)。許多知識面臨的困境是，它們被收集起來，但很少被使用。

　　這些數(shù)據(jù)通常是結(jié)構(gòu)化和非結(jié)構(gòu)化格式的組合。數(shù)據(jù)格式包括照片、音頻、電子表格、紙質(zhì)工作單、電子郵件、報告、維護日志、流式視頻、信任評級、行業(yè)標準流程、社交媒體發(fā)布內(nèi)容等。

　　數(shù)據(jù)無處不在，但是知識在很大程度上是被隱藏的。如果大型工業(yè)組織無法識別、訪問、場景化并分享這一重要的專題知識，即其知識產(chǎn)權(quán)。轉(zhuǎn)型將仍然被限制。

實施數(shù)字知識戰(zhàn)略

　　為了保持競爭力和企業(yè)繁榮，工業(yè)企業(yè)需要將人力資源整合到數(shù)字化轉(zhuǎn)型中。這樣做意味著克服部落知識和被擱淺的知識所固有的障礙。

　　數(shù)字知識是將人類專業(yè)知識及業(yè)務(wù)數(shù)據(jù)信息化的手段和規(guī)則，將這些見解變成數(shù)字化信息，并提供輔助決策。這使得行業(yè)專家能夠做出更好和更快的決策，從而改善操作流程。

　　實施數(shù)字知識戰(zhàn)略需要一種具體但相對簡單的方法。這需要結(jié)合以知識為中心的發(fā)展方向，利用一系列分析技術(shù)和人工智能技術(shù)。公司應(yīng)該：

　　從業(yè)務(wù)相關(guān)的問題開始，而不是數(shù)據(jù)。缺乏以業(yè)務(wù)問題為中心導(dǎo)向的企業(yè)往往會在數(shù)字化轉(zhuǎn)型項目中失敗。過于關(guān)注數(shù)據(jù)的公司，會因數(shù)據(jù)的數(shù)量和復(fù)雜性而不堪重負。反過來講，數(shù)字化轉(zhuǎn)型計劃最后成為一個復(fù)雜的IT項目，是因為領(lǐng)導(dǎo)層認為技術(shù)團隊應(yīng)該有解決數(shù)據(jù)管理問題的能力。當企業(yè)通過首先確定業(yè)務(wù)問題開始數(shù)字化轉(zhuǎn)型時，需要解決的專業(yè)知識和決策流程成為任務(wù)的核心。因為它們最能推動中小企業(yè)知識創(chuàng)造，為解決問題提供必要的背景知識和決策流程。通過消除識別問題和解決問題所需要的知識之間的差距，加速企業(yè)數(shù)字化化轉(zhuǎn)型。

　　使用數(shù)據(jù)格式和源代碼來引導(dǎo)分析技術(shù)。當涉及實現(xiàn)以知識為中心的數(shù)字化轉(zhuǎn)型時，簡單和復(fù)雜的應(yīng)用都可以被使用。這些數(shù)據(jù)可能是結(jié)構(gòu)化和非結(jié)構(gòu)化格式的組合，包括工作日志、應(yīng)用程序、事件報告、圖像、電子郵件、使用手冊、互聯(lián)網(wǎng)數(shù)據(jù)等。在分析過程中可能需要一系列的技術(shù)，例如決策樹、認知分析等。

　　通過持續(xù)改進消除中小企業(yè)的數(shù)據(jù)科學(xué)技術(shù)障礙。一旦開啟數(shù)字化轉(zhuǎn)型，中小企業(yè)將會通過不斷創(chuàng)新，來改善和簡化其業(yè)務(wù)流程。但是，他們?nèi)狈﹃P(guān)鍵的高級數(shù)據(jù)科學(xué)技術(shù)。因此，他們可以利用旨在協(xié)助以知識為中心的分析工具（如：語義搜索、自然語言處理、拖放數(shù)據(jù)等）來消除差距，指導(dǎo)或自動生成模型以及模型庫。

　　擴大知識創(chuàng)造的新價值。隨著決策流程變得數(shù)字化和可操作化，在決策過程中可能存在更多有待挖掘的價值?？梢宰R別和利用與二級或三級相互依賴的關(guān)系，為業(yè)務(wù)提供一個更全面，更明智的決策。各級決策相互聯(lián)動，合力提供的洞察結(jié)果可以創(chuàng)造新的價值。例如，將流程決策結(jié)果推送給任何受影響的人，包括工程師、財務(wù)以及現(xiàn)場工作人員等。
 
　　正如任何一個企業(yè)的業(yè)務(wù)轉(zhuǎn)型一樣，實現(xiàn)及時、可衡量的成果決定了轉(zhuǎn)型的成功。一些工業(yè)巨頭正在利用數(shù)字知識戰(zhàn)略來驅(qū)動巨大的商業(yè)利益。