如何在制造业中启动数据分析项目

这篇文章是关于

• 作为专注于软件解决方案的营销专家，Stefanie 讨论了一些生产专家通常会提出的有关数据分析的基本问题。

数据分析的话题被炒得沸沸扬扬，也受到质疑——意见范围从“数据作为经济的新石油”到“分析结论并非 100% 可靠”以及介于两者之间的所有细微差别。每个人都以自己的方式真实。为了帮助您更好地理解这个主题，我收集了一些生产专家经常提出的反复出现的问题，并与我们的制造分析工程师、IT 专家和数据科学家进行了讨论。

1.我们的数据分析项目应该在哪个组织级别或哪个职能部门开始？

没有最好的水平或功能。从哪里开始项目取决于几个因素：

贵公司是否已经很好地理解数据分析的概念？
如果没有，最好的开始方式是为专家和管理层举办数据分析培训班。本次研讨会的目标是让大家对分析的可能性有一个基本的了解，并确定潜在的用例。

管理层是否对技术流程有（深入）了解？
如果没有，拥有生产现场专家的需求车间可能是您的首选。输出通常是一个因果图（见下文）。通常，我们的数据分析团队（由 IT、制造和数据科学专家组成）会提出深入的问题，例如：“您想区分返工和报废吗？”在最好的情况下，让管理层参与以实现认真的支持会非常有帮助。

资料来源：Bosch.IO

数据分析希望解决的问题是否已具体定义？
如果是这样，您可以先选择分析工具。问题可以具体到“EoL 测试工作量太大，需要减少”。然后，分析团队可以立即开始与生产现场专家合作，以确定是否可以应用现有的测试时间缩短工具，或者如何对其进行定制或扩展。

2.我们需要在数据分析项目中管理哪些观点？

多亏博世进行的一项用户体验研究，我们知道需要解决三种类型的植物专家，每一种都以完全不同的方式——例如。更多在业务层面，更多在技术层面，或者更多在数据层面。

资料来源：Bosch.IO

怀疑型 需要数据分析将带来的好处的证据。为了说服怀疑者，我们需要对 ROI 机制有深入的了解，而且我们必须能够快速验证这些机制的结果，重点关注产出、质量和成本。

思想开放 type 对优化事物的新方法感兴趣。重点应该放在解释使用哪些方法，为什么选择某些算法，以及为什么生成的预测模型可以应用于实时数据。

信徒 通常已经接触过数据分析并相信它可以对业务产生影响。最好的开始方式是立即与他或她以及数据分析项目的团队一起应用 CRISP-DM（数据挖掘的跨行业标准流程，见下图）。

资料来源：Bosch.IO

根据我们的经验，定向研讨会通常被证明在获得所有利益相关者的支持方面非常有用。我们通常从业务问题开始，然后通过理解与该问题相关的技术流程和约束进行迭代。我们的工程师不止一次成功地让客户相信，可以轻松地将复杂的回归分析作为一种好处进行交流。

3.开展数据分析项目需要哪些知识？

斯蒂芬妮·佩茨克

我拥有地理专业的管理学研究生学位（德国奥格斯堡大学）。自 2003 年以来，我为 Bosch.IO（前身为 Bosch Software Innovations）工作：我为 Visual Rules（我们的业务规则管理系统）建立了营销体系，并为赢得全球客户做出了贡献。自 2009 年 1 月以来，我在 Bosch.IO 管理营销解决方案团队，该团队目前由七名员工组成，他们都在努力永久了解客户的需求和市场趋势——专注于使软件解决方案成为一种真实的体验。

您的数据分析团队需要对以下三个方面有基本的了解：

业务： 作为客户，您需要从业务角度告诉他们项目目标和要求，以便他们可以将这些知识转化为数据分析问题的定义。

数据： 数据准备、建模、评估和部署——从简单的报告生成到预测模型的实时部署。事实证明，纯数据理解是一个坚实的基础，对许多行业都有帮助，但没有关注制造业。

技术流程： 您作为客户需要提供整个生产价值链的基本解释，例如焊接过程、激光过程、测试或拧紧过程，取决于分析要回答的问题。这就是分析团队需要制造分析工程师的地方。

4.在部署制造分析之前，我的制造组织需要做哪些基础工作？

乍一看，数据收集和准备对许多生产专家来说似乎是一个挑战。他们的基础是根据需要提供数据。 “我们没有数据”不是有效的回应。但这不是火箭科学。我们建议制定数据质量指南，以指导客户完成分析所需的数量、质量和有效性方面的数据准备过程。

资料来源：Bosch.IO

5.应用分析所需的最少数据量是多少？

根据经验，我们建议每个影响变量至少有 15 个观察或数据集。也就是说，要分析 30 个工艺参数对一个质量指标的影响，至少需要 30 * 15 =450 个数据集。

一般来说，当然，您拥有的数据集越多越好。别担心——更多的数据集不会显着增加手动工作量。此外，它们对计算时间的影响很小，如果使用正确的数据分析 IT 基础架构，这种影响通常可以忽略不计。

由于获取和准备的数据的数量、质量和有效性对项目成功至关重要，因此在项目的这个阶段进行投资是值得的。为了进一步指导您完成它，我们将我们从许多项目中获得的经验汇集到一套数据质量指南中。我们的客户使用这些指南来生成足够的数据库，而无需在数据收集上投入不必要的时间或金钱。

6.如果我的公司没有任何数据科学家或大型 IT 团队，我还能利用分析吗？

这正是您的专业分析合作伙伴将为帮助您实现项目和解决方案所做的贡献。一个有能力的团队由制造工程师、IT 专家和数据科学家组成。这种组合是使用精益分析方法解决问题的关键，因为开发基于分析的解决方案需要了解业务、数据和技术流程。您无需为您的组织聘请任何数据科学家。您的专业合作伙伴将举办关于基本分析的项目前研讨会，在那里您将学习如何识别可能的用例并帮助验证开发的模型。然后，您将在项目会议中应用这些知识来讨论结果。

资料来源：Bosch.IO