制造业数字化转型落地场景——数据孤岛与数据湖技术

打破数据孤岛

企业中的每个部门为了自身管理的需要，会上线不同的软件与工具。

财务业务一体化——ERP系统；

研发技术、数据管理——PDM/PLM；

生产制造环节计划执行——MES系统；

供应链运营——SCM系统；

实验室管理——LMS系统；

上线的不同系统，都是为了解决不同部门内部业务场景的需要。部门内的问题得到了解决，但部门之间薄弱的联系导致系统间的数据无法互联。

部门的孤岛导致了企业的数据孤岛。每个系统都有海量的数据，但却无法形成总体大数据。

各个系统的数据模型不统一

数据结构不能有效地治理

来自于设备的DCS、SCADA的数据没有有效的存储，管理和应用

财务数据、制造、采购、客户、设备、产品等各个方面的数据不能够构建成公司完整的数据模型

企业应该重视数据作为核心的生产要素，建立公司整体的治理体系，将数据资源化、资产化、价值化，才能打破数据孤岛，实现企业的数字化转型。

通过数据纽带建立起企业内部透明、全维度的数据平台，每个维度上多角度精准协同，从而实现管理的智能化，以数字流自动化驱动技术流自动化驱动业务流自动化。

数据湖技术, 打破数据孤岛最好的解决方案

数据湖——数据集约化管理

打破数据孤岛

分析各种数据集

管理数据访问

加速机器学习

数据湖能力

01 数据集成能力

对任意类型的数据进行集成和存储，包括结构化、半结构化和非结构化数据。

02 数据治理能力

核心是维护好数据的元数据，另外管理各类数据相关的要素。

03 自动探索能力

需要具备多样化的分析能力，包括但不限于批处理、流式计算、交互式分析以及机器学习。

04 安全管控能力

对数据的使用权限进行管控，对敏感数据进行脱敏和加密处理。

05质量检验能力

分析正确的前提是能够保证数据质量，因此需要对数据湖中的数据进行质量检验，为数据探索提供保障。

三大理念

1能够存储海量的原始数据

2能够支持任意的数据格式

3有较好的分析和处理能力

六大基本特征

保真性

灵活性

可管理

可追溯

丰富的计算引擎

多模态的存储引擎

如何打破数据孤岛，建立整个公司的数据链条？

公司建立数据治理能力

构建完整数据标准

数据入湖

数据有效的清洗、管理和分析

构建数据中台

数据支持各业务场景的数据应用