許多產業的製造部門已採用大量物聯網裝置與平台來管理營運，期待藉由數位科技創造競爭優勢。然而，即使資料量屢創新高，若不知如何運用取得的資料，要達成前述基本目標恐有困難。且在不同平台上部署的上萬個物聯網裝置未經統整，也會讓工廠陷入資料量過大、難以負荷的困境。
智慧製造應隨著人和系統需求不斷地與時俱進。根據希捷科技在精密工程的專業經驗，製造優質產品需要創新的資料分析與偵測異常方法，亦即運用人工智慧和機器學習的創意來管理大量且複雜的營運，並掌握資料增加帶來的契機，而其中的關鍵就是資料連結與整合。
然而，根據IDC全球調查的最新報告《Rethink Data 資料新思維》，多數製造業者的資料管理方式相對落後。不論是將資料管理自動化或整併資料管理功能至單一平台，製造業的比例都低於其他產業。雖然製造業會產生大量感測器及裝置相關資料，但絕大多數發生在邊緣且直接被棄置，而不會傳送至核心環境做長期儲存。
顯然製造業的數位資產與資料管理之間存在斷層，但究竟讓製造業難以轉型的問題是什麼？除了技能不足外，如何讓工廠裡分屬不同世代的資產順利連接也是一大挑戰。很多時候，舊有的資訊系統根本無法應付廠內大量相互連結的資產。於是工廠只好採用特定製程來連結、管理資產，而非仰賴原本的基礎設施做全面管理。用這種拼湊的方式來管理資料，完全無法達到資料驅動策略的整體目標：汲取洞見以促進業務增值。
事實上，很多資料管理的問題只要實施DataOps即可迎刃而解。DataOps指的是連結資料生產端和資料使用端的新方法，可用來找出不同來源資料間的相關性，這是透過其他方式很難做到的一點。正因為難度高，能夠掌握此一功能的組織勢將較競爭者更具優勢。然而，在報告中也指出，台灣受訪企業對於DataOps認知與部署皆低於全球平均值，尤其在組織內部署上，只佔了19%。
傳統分析方式是看到問題才去找答案，DataOps則能夠串聯不同的資料，從中汲取創新洞見。這種作法可以更有效地預測分析、找出事件彼此的關聯性。要實施DataOps，的確需要在技術面先做投資，例如必須長期儲存歷史數據，才能做資料探勘（Data Mining）並用以訓練模型；快速儲存緩衝資料以饋入運算基礎設施來獲取即時洞見，還需要資訊匯流排和簡訊通知系統，讓系統與工具之間資訊傳遞無礙。不過，對於加工機具工程師和資料科學家等人才投資，以及資料治理、模型生命週期和監控等製程的投資也同樣不可或缺。
＜本文作者：黃又青現為希捷科技台灣區總經理。＞