제조에서는 데이터와 재료가 중요합니다.

새로운 제조 사업이든 수십 년 동안 존재해 온 사업이든 관계없이 단편화된 데이터 문제는 비즈니스 전반에 걸쳐 심각한 문제와 비효율성을 빠르게 유발할 수 있습니다. 제조 과정에서 문제를 해결하는 프로세스가 물리적인 경우가 많기 때문에 많은 기업에서 이러한 위험을 완전히 이해하지 못할 수 있습니다. 그러나 대부분의 비즈니스 영역과 관련된 디지털 데이터가 있으며 문제가 발생하면 즉각적인 결과가 나타나지 않기 때문에 간과되거나 우선 순위가 낮아질 수 있습니다.

제조 스타트업은 종종 데이터 단편화를 처리할 적절한 리소스를 보유하고 있지만 문제를 인식하지 못할 수 있습니다. 제조 기술이 발전함에 따라 의심할 여지 없이 새로운 기술을 채택하고 활용할 기회가 증가하고 있습니다. 그것은 컴퓨터 생성 디자인을 사용하여 즉시 판매할 준비가 된 무언가를 만드는 3D 프린터의 사용일 수 있습니다. 이러한 제조업체는 최신 설계 도구와 응용 프로그램 및 기술을 사용하여 일상적인 비즈니스 운영을 수행할 것입니다.

일상적인 운영 관리와 관련된 가장 일반적인 문제 중 하나는 비즈니스를 운영하는 사람들이 생성되는 데이터를 관리할 때 편협한 사고 방식을 가질 수 있다는 것입니다. 우리는 작업을 완료하기 위해 공급업체로부터 적절한 양의 자재를 확보하는 데 매우 집중하는 일상적인 주기에 있습니다. 무엇을 생산해야 하는지, 얼마나 많이, 어디서, 언제 제공해야 하는지를 아는 것입니다. 그런 다음, 가장 중요한 일상 업무가 있습니다. 돈을 관리하고 어떤 고객 계정이 최신 상태인지, 어떤 공급업체에 지불해야 하는지, 언제 지불해야 하는지 파악하는 것입니다.

그러나 제조업체가 해결해야 하는 현대 비즈니스의 더 넓은 측면도 있습니다. 즉, 설계에서 제조, 배송 및 미지급금에 이르기까지 제조 수명 주기 전반에 걸쳐 생성되는 모든 데이터에서 무엇을 배울 수 있는지입니다. 과거 데이터를 조사하면 거의 항상 비즈니스 수익에 긍정적인 영향을 미칠 수 있는 무언가를 배울 수 있습니다. 문제는 그것을 찾고 무엇이 가치 있고 무엇이 소음인지 아는 것입니다. 데이터가 비즈니스 전반에 걸쳐 사일로에 분산되어 있기 때문에 쓸모없는 정보에 압도되기 쉽습니다. 데이터는 다양한 애플리케이션에서 생성되고 종종 다른 위치에 저장되기 때문에 비즈니스의 다른 부분에서 잘못 해석될 수 있습니다.

잘 정립된 제조 기업은 시간이 지남에 따라 생성된 훨씬 더 많은 과거 데이터가 자주 사용되지 않거나 완전히 폐기된 수많은 레거시 애플리케이션에 걸쳐 훨씬 더 많은 과거 데이터를 가지고 있기 때문에 더 큰 문제에 직면하게 됩니다. 오늘날의 최신 기술과 호환되지 않습니다. 그러나 제조업체는 이 데이터가 여전히 비즈니스에 막대한 가치를 보유하고 있기 때문에 이 데이터를 제거할 수 없습니다.

데이터 조각 모음은 결국 모든 제조업체에게 중요합니다. 수집된 데이터의 양이 기하급수적으로 계속 증가하고 산업 전반에 걸쳐 경쟁 압력이 증가함에 따라 해당 데이터에서 통찰력과 가치를 얻을 필요가 있습니다.

1단계는 데이터를 찾는 것입니다. 제조업체 데이터의 대부분은 단조로운 일상적인 비즈니스 운영을 담당하지 않는 애플리케이션 깊숙이 숨겨져 있을 가능성이 높기 때문에 쉽지 않을 수 있습니다. 이 과거 데이터의 대부분은 이제 "2차"로 간주되어 보관을 위해 보관됩니다. 그러나 아카이빙된 데이터는 비즈니스 전반에 걸쳐 생성된 나머지 데이터와 마찬가지로 통찰력을 도출하는 데 중요하기 때문에 이 프로세스에서 가치가 손실됩니다.

예를 들어, 개발 및 테스트 아카이브에 보관된 데이터는 실패했지만 여전히 가능성이 있는 새로운 프로세스에 대한 초기 시도에 대한 통찰력을 제공할 수 있습니다. 해당 데이터가 새로운 재료, 도구 또는 기술에 대한 정보와 결합되면 이러한 새로운 프로세스가 현재 어떻게 작동하는지 보여줄 수 있습니다. 그러나 그렇게 하기 위해 제조업체는 데이터가 얼마나 오래된지 또는 저장 위치에 관계없이 데이터를 찾아 액세스하고 분석할 수 있는 능력이 있어야 합니다.

이는 비즈니스 전반에 걸쳐 데이터를 사용할 수 있도록 하는 가장 중요한 요소입니다. 데이터를 찾으면 해당 데이터에서 가치를 추출하는 작업을 시작할 수 있습니다. 이를 통해 소규모 또는 대규모, 신규 또는 기존의 모든 제조 기업이 비즈니스 전반에 걸쳐 새로운 효율성을 주도하고 현재 필요한 경쟁 우위를 제공할 수 있는 정보에 대해 질문하고 질문할 수 있습니다.

테레사 밀러는 Cohesity의 수석 기술자입니다.