如果說數(shù)據(jù)是新開采的石油，很多公司正在忙于盡力不被其淹沒，但這不包括鎂光科技?？偛课挥贐oise的這家芯片制造公司開創(chuàng)了一個(gè)被專家稱為未來工廠的藍(lán)圖，幾乎全自動(dòng)化地利用軟件來對(duì)產(chǎn)品和制造產(chǎn)品工具的相關(guān)數(shù)據(jù)進(jìn)行分析。將機(jī)器學(xué)習(xí)軟件嵌入其集中化數(shù)據(jù)管理戰(zhàn)略，鎂光正在減少低效流程的相關(guān)浪費(fèi)，同時(shí)提高了累積收益并且加速了產(chǎn)品上市時(shí)間。
“從供應(yīng)鏈網(wǎng)絡(luò)到其他領(lǐng)域，我們工廠里的機(jī)器每天有大量數(shù)據(jù)涌出，因此具預(yù)測(cè)性且有實(shí)效的分析成為了競(jìng)爭(zhēng)優(yōu)勢(shì)。”鎂光CIO Trevor Schulze這樣說道，其帶領(lǐng)團(tuán)隊(duì)利用數(shù)據(jù)和分析來追求極致增長(zhǎng)。
據(jù)麥肯錫全球研究院上個(gè)月發(fā)布的一份報(bào)告顯示，當(dāng)近些年海量數(shù)據(jù)呈指數(shù)級(jí)增長(zhǎng)時(shí)，絕大多數(shù)公司僅僅攥住了以營(yíng)收和利潤(rùn)為表現(xiàn)的部分潛在價(jià)值。在麥肯錫調(diào)研的500位高管中，85%表示他們僅僅“某種程度上有效地”達(dá)成了既定數(shù)據(jù)和分析項(xiàng)目目標(biāo)。而鎂光因?yàn)槠浣M織化變革分析戰(zhàn)略大有成就。
開創(chuàng)正確的“數(shù)據(jù)文化”
Schulze在2015年加入鎂光時(shí)，他看到了很多大數(shù)據(jù)分析項(xiàng)目，但并沒有一種架構(gòu)幫助公司挖掘出其非結(jié)構(gòu)化數(shù)據(jù)的價(jià)值，而數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)僅僅用于資本資產(chǎn)利用——制造商的關(guān)鍵標(biāo)準(zhǔn)之一。另外，由于數(shù)據(jù)利用不能重復(fù)處理，工程師們一次又一次地面對(duì)同樣的問題，他們不得不手動(dòng)操作來提取和對(duì)比來自分散在全球各數(shù)據(jù)容器的數(shù)據(jù)。對(duì)于這種做法，技術(shù)人員不得不說：批處理吧。
認(rèn)識(shí)到這點(diǎn)，Schulze創(chuàng)建了企業(yè)級(jí)的分析和數(shù)據(jù)IT團(tuán)隊(duì)，其和業(yè)務(wù)團(tuán)隊(duì)合作，將來自于制造業(yè)、供應(yīng)鏈和人力資本管理的數(shù)據(jù)進(jìn)行清洗和收集。“其加速了數(shù)據(jù)文化，我認(rèn)為每個(gè)公司都將會(huì)這樣。一個(gè)集中化的團(tuán)隊(duì)可以一種介入的方式來解決主要業(yè)務(wù)問題。我們?cè)诜浅６痰臅r(shí)間內(nèi)就看到了巨量的業(yè)務(wù)價(jià)值。”Schulze認(rèn)為將數(shù)據(jù)科學(xué)家嵌入到業(yè)務(wù)中，將獲得數(shù)據(jù)和數(shù)據(jù)準(zhǔn)備的所需要的時(shí)間減少了一半。
就像一個(gè)搖滾樂隊(duì)如果沒有樂器就玩不轉(zhuǎn)音樂，沒有好的工具，許多分析團(tuán)隊(duì)也玩不轉(zhuǎn)數(shù)據(jù)。鎂光的IT團(tuán)隊(duì)利用許多開源分析軟件例如Apache Hadoop, Spark 和 NiFi構(gòu)建了一個(gè)全球化數(shù)據(jù)倉庫，同時(shí)利用適宜的機(jī)器學(xué)習(xí)算法來分析數(shù)據(jù)。
理解機(jī)器學(xué)習(xí)帶給鎂光的收益，其可以幫助理解它如何協(xié)助分析數(shù)據(jù)。多年來工程師們單次只能針對(duì)儀表盤上的大量數(shù)據(jù)對(duì)比兩個(gè)變量，如今，相應(yīng)的算法可以從鎂光的企業(yè)數(shù)據(jù)里探索出所有的信號(hào)，識(shí)別出哪些可能是某問題的初始原因，標(biāo)識(shí)出可以進(jìn)行庫存優(yōu)化的區(qū)域，以及計(jì)算出設(shè)計(jì)新產(chǎn)品需要多長(zhǎng)時(shí)間。
“如果每次只能對(duì)比兩個(gè)變量基本上不能解決任何問題。”鎂光企業(yè)數(shù)據(jù)科學(xué)總監(jiān)Tim Long說道：“并非規(guī)?；涂梢宰屇憬鉀Q問題，機(jī)器學(xué)習(xí)賦予我們同時(shí)測(cè)試數(shù)據(jù)之間數(shù)百數(shù)千種關(guān)系的能力。”
舉例而言，在鎂光的制造工廠中，全球數(shù)據(jù)倉庫偵測(cè)到安裝線上出現(xiàn)問題，就會(huì)立刻發(fā)出警報(bào)讓工程師去檢查工具，而在以前，鎂光只能等到晶片到達(dá)制造流程中的檢測(cè)步驟時(shí)才能偵測(cè)出問題。
以機(jī)器學(xué)習(xí)共贏
鎂光企業(yè)級(jí)分析和數(shù)據(jù)IT總監(jiān)David Leach認(rèn)為系統(tǒng)可以幫助工程師收獲2700種 “贏”，包括在數(shù)據(jù)科學(xué)技術(shù)或解決方案的幫助下，一位工程師可以直接指出一種關(guān)鍵制造規(guī)范的改善方式，這種類似的案例很多。“這些信號(hào)就在那兒，但是你能及時(shí)看到這些信號(hào)，并且及時(shí)有所作為么?這就是挑戰(zhàn)。”
好的工具并不代表其可以獲得卓越了，除非它們可以實(shí)施在質(zhì)量流程中的場(chǎng)景中。鎂光利用Data Vault方法論，尤其是其框架來應(yīng)用數(shù)據(jù)倉庫的敏捷開發(fā)流程，可以迅捷、不斷地改變?nèi)驍?shù)據(jù)倉庫。這代表傳統(tǒng)數(shù)據(jù)倉庫方法論的另一種開拓，以前工程師們手動(dòng)將數(shù)據(jù)錄入系統(tǒng)，一項(xiàng)大數(shù)據(jù)設(shè)計(jì)匹配大約需要18個(gè)月才能夠交付。如此多的“瀑布”項(xiàng)目中，交付并不和任何人的需求相吻合，Leach說道。Data Vault允許鎂光迅速做出改變，并且在事后增加事項(xiàng)而不需重構(gòu)軟件。
“最關(guān)鍵的是其可以讓我們數(shù)據(jù)科學(xué)團(tuán)隊(duì)在制造業(yè)加速前行，并且能夠迅速地回到他們的解決方案中去。”Leach說道。
鎂光成功地利用機(jī)器學(xué)習(xí)來做需求預(yù)報(bào)，將客戶需求與數(shù)千計(jì)芯片產(chǎn)品的生產(chǎn)緊密相連。Long表示機(jī)器學(xué)習(xí)改善了15%的預(yù)測(cè)精確性，這是一個(gè)以前未曾料到的驚人壯舉。
“機(jī)器學(xué)習(xí)讓我們可以產(chǎn)生數(shù)百不同時(shí)間序列的預(yù)報(bào)，并且利用技術(shù)來識(shí)別哪一些和哪一些的結(jié)合可以提供最厲害的預(yù)測(cè)。”他補(bǔ)充道。
京公網(wǎng)安備 11010502049343號(hào)