산업 데이터 과학의 성공을 위한 무대 설정

어떤 시점에서 가장 성공적인 산업용 사물 인터넷(IoT) 이니셔티브는 데이터 과학 프로젝트가 됩니다. 기계 및 장비, 도구, 팔레트 및 제조 품목에 연결된 센서는 대량의 데이터 포인트를 생성합니다.

그러나 비즈니스 또는 운영의 성공 가능성은 데이터 수집에만 달려 있는 것이 아니라 조직 전체에 걸쳐 확장되는 광범위한 기술에 달려 있습니다. 또한 변환을 촉진하기 위해 해당 데이터를 사용해야 합니다. PwC Consulting의 대표인 Steve Pillsbury는 새로운 운영 벤치마크를 달성하거나 "오늘날의 세계에서 탄력성과 유연성을 창출하는 것"을 포함할 수 있다고 말했습니다.

[ IoT 세계 는 전략가, 기술자 및 구현자가 연결하여 IoT, AI, 5G 및 에지를 산업 분야 전반에 걸쳐 실행하는 북미 최대 IoT 이벤트입니다. 지금 티켓을 예약하세요. ]

COVID-19 팬데믹이 발생하기 전에도 많은 조직에서 산업 데이터 과학의 변혁을 주도하는 것이 벅찼습니다. 데이터 사이언스 전문가는 부족했고 채용 경쟁은 치열했습니다. 많은 산업 조직이 디지털 혁신 프로그램을 시작했지만 원하는 투자 수익에 도달한 조직은 거의 없습니다. Accenture의 조사에 따르면 2016년부터 2018년까지 산업 기업의 거의 80%에서 디지털 프로젝트가 예상되는 재정적 수익을 달성하지 못했습니다.

피 조직 배상

산업 조직이 산업 데이터 과학에 어려움을 겪는 한 가지 이유는 계획이 부족합니다. Pillsbury는 "대부분의 [산업] 회사는 현재 최소한 파일럿 및 테스트 단계에 있으며 많은 경우에 적용 및 채택 단계에 있습니다."라고 말했습니다.

규모와 가치에 도달하는 데 방해가 되는 한 가지 요인은 "노하우"의 부족이라고 Pillsbury는 덧붙였습니다. “그렇다고 그들이 반드시 잘못된 [기술적] 기술을 가지고 있거나 올바른 기술이 충분하지 않다는 의미는 아닙니다. 또한 조직에서 필요한 유형의 기술을 적용할 준비를 하지 않았다는 의미이기도 합니다.” 산업 조직은 "가능한 기술이 무엇이며 이를 수용하는 방법"에 대해 전체 직원을 교육해야 한다고 그는 말했습니다. 즉, 조직은 문화적 변혁에도 능숙해야 합니다.

PwC의 디지털 IQ 연구에 따르면 다양한 부문에서 가장 성공적인 디지털 프로그램을 보유한 조직이 사람과 문화를 중심으로 구축한 것으로 나타났습니다. PwC는 디지털 조직을 "초월자"라고 부르며 직원 교육과 회복력 있는 문화 조성을 우선시한다는 사실을 발견했습니다.

그러나 조직 내에서 직원 및 부서의 데이터 성숙도는 상당히 다를 수 있다고 건물 공급업체 HIL의 CIO인 Murali Raj는 말했습니다. 변환 계획을 개발할 때 이러한 변동성을 고려하고 광범위한 데이터 기반을 구축할 것을 Raj가 권장했습니다. HIL이 예측 유지 관리를 배포할 때 회사는 데이터를 최대한 활용할 수 있는 기반을 구축했습니다. Raj는 "예측 유지보수를 위해 소규모 제조 라인이나 몇 대의 기계에 집중하는 대신 디지털로 연결된 작업 현장 백본을 만드는 데 집중했습니다."라고 말했습니다.

하 프로세스에 적용된 인간 중심 설계

성공적인 산업 조직은 디지털 및 데이터 과학 이니셔티브에 대해 상급 및 하급 직원의 동의를 얻습니다.

이러한 프로젝트를 시범 운영하는 많은 조직에서는 팀을 디지털 리더십과 모범 사례에 전담합니다. Pillsbury는 "'Center of Excellence' 유형의 사람들은 기술과 데이터 과학을 정말 잘 이해하는 경향이 있으며, 가치 동인과 그들이 해결하려는 문제 설명에 대한 일반적인 아이디어를 가지고 있습니다."라고 말했습니다. 그러나 그 전문가들이 다른 사람들이 사용할 수 있는 디지털 방식의 도구를 만들 때 "사람들이 일반적으로 도구를 좋아하지 않는다는 것을 알게 되었습니다"라고 Pillsbury는 말했습니다. 최종 사용자는 종종 "[기술의 일부]가 작동하는 방식, 디자인과 인터페이스하는 방식 또는 새로운 정보로 수행할 작업을 좋아하지 않습니다."라고 덧붙였습니다.

조직은 설계 중에 피드백을 요청하여 데이터 기반 디지털 도구에 대한 직원 지원을 얻을 수 있다고 Pillsbury는 권장했습니다. 디지털 및 데이터 리더는 또한 인간 중심의 설계 개념을 내부 프로세스에 배포하여 문제를 해결하기 위한 디지털 도구 또는 워크플로를 고안하기 전에 주어진 문제의 맥락과 직원의 고충을 연구할 수 있습니다.

나 변혁을 주도할 개인 식별

문화적 변혁과 교육이 중요하지만 데이터 과학 리더십을 대체할 수 있는 것은 없습니다. 경영진 검색 회사 Kingsley Gate의 CEO 사무실 Umesh Ramakrishnan에 따르면 수십 명의 개인이 이력서에 "데이터 과학", "인공 지능", "머신 러닝"과 같은 용어를 추가했지만 4명 중 1명만이 전문가라고 합니다. 파트너. Ramakrishnan은 "정의상 이러한 [인공 지능] 기술 세트 중 많은 부분이 새로운 것입니다. "누군가가 25년 간의 데이터 과학 전문 지식을 가지고 있다고 말하면" 위험 신호여야 합니다.

Ramakrishnan에 따르면 잠재적인 데이터 과학 리더를 인터뷰할 때 그들이 중요한 지식을 가지고 있는지 확인하는 데 1인당 20-30분이 소요되어야 합니다. Ramakrishnan은 "이들 중 많은 사람들이 인공 지능, 기계 학습 또는 데이터 과학과 관련된 과학 또는 엔지니어링에 대한 기초를 가지고 있습니다."라고 말했습니다. “과거에 신경망이나 딥 러닝 분야에서 일했고, 현장 경험이나 추가 교육을 통해 계속 우위를 점한 사람들이 중간에서 고위직에 진입하는 것을 보는 사람들입니다.”

자신의 전문 지식을 다른 사람과 공유하고 조직 전체에 변화를 유도할 수 있는 데이터 과학 전문가가 가장 가치가 있습니다. 그러나 전략적 기술 후보자를 선별하는 것은 개별 기술 전문 지식을 식별하는 것보다 훨씬 더 어렵다고 Ramakrishnan은 말했습니다. 그는 “산업 내부의 기술 혁신은 그 회사의 문화적 혁신보다 훨씬 덜 어렵습니다. 특히 레거시 회사라면 더욱 그렇습니다.”라고 말했습니다.

Accenture에 따르면 성공적인 디지털 프로그램을 보유한 산업 조직은 고위 경영진과 중간 경영진 전반에 걸쳐 비전을 공유하고 "주요 비즈니스 기능 전반에 걸쳐 인재 풀과 기술 자산을 정렬"할 수 있는 능력을 갖고 있는 경향이 있습니다. 데이터 과학 리더는 특성을 심어주는 데 도움이 될 수 있지만 의사 소통과 설득에 탁월해야 합니다. Ramakrishnan은 "작업 현장에서 클립보드가 아닌 작업 환경에서 iPad를 사용하는 것이 왜 유리한지 사람들에게 보여줄 수 있어야 합니다."라고 말했습니다. 그 사람은 또한 회사에 대한 가치뿐만 아니라 직원에게 기술의 가치를 설명할 수 있어야 합니다. "개인의 목표를 회사의 사명과 연결하는 능력은 경영진에게서 거의 볼 수 없는 리더십 속성입니다."

"챔피언" 또는 "전도사"와 같은 용어는 Ramakrishnan의 견해로 이 기능을 정당화하지 않습니다. "이러한 용어는 요구되는 정교한 리더십 특성을 설명합니다."라고 그는 말했습니다. 개념 증명 산업용 IoT 프로젝트를 보다 광범위한 디지털 혁신 이니셔티브로 옮기는 조직에는 명확한 산업 데이터 과학 전문가 이상이 필요합니다. Ramakrishnan은 "단순히 훌륭한 연사가 되는 것만으로도 훌륭한 전도자가 될 수 있습니다."라고 결론지었습니다. "하지만 당신의 복음화를 실제 실행으로 옮길 방법이 없다면 당신은 설교자일 뿐이며 비즈니스에서 그런 것은 필요하지 않습니다."