Greg Kinsey 是 Hitachi Vantara 的一名行业管，负责该公司在欧洲、中东和非洲地区的制造解决方案业务。他和他的团队主要与欧洲的工业企业合作，帮助他们构想、规划和实施数字化转型。用他的话来说，他的工作就是帮助企业利用数字化工具，提高业务敏捷性和生产力，实现更精益、更加可持续的运营。
Greg 拥有 30 多年与全球制造行业企业合作的经验，主要涉及汽车、电子、航空航天和消费品领域。我们有幸与他进行了一场访谈，听他分享他对数据科学的一些真知灼见，并将其加以整理，编撰了此博文。
实现数据分析民主化有多重要？
我认为，让工业行业的所有从业者都能使用数据分析至关重要。无论你是工厂工人、办公室职员、服务中心员工还是面向客户的一线工作人员，在当今世界，各行各业各个岗位的员工都必须能够轻松执行数据分析。数据能够帮助你制定更加明智的决策，取得更加出色的工作绩效。数据有助于避免犯错。利用正确的数据开展工作，可以帮助你提升工作效率，减轻压力，提高工作满意度。
数据素养对每个人有多重要？
数据素养很重要，但更重要的是，我们必须具备适当的工具，让我们能够轻松利用数据开展工作，就像我们在生活中使用数据一样。数字化变革最初发生在消费者领域，其核心是电子商务、社交媒体和个人数据。几乎每个人家里都有数字设备，包括手持设备和可穿戴设备。不管你的兴趣爱好是什么，你肯定会用到数据。无论你是马拉松运动员、业余厨师或音乐家、古玩修复师还是其他体育运动员，你都会用到数据。如今，我们在生活中做任何事情都会使用数据，数据让我们能够更好地享受生活。但是，在工业性工作领域，尚未全面实现数字化转型。
虽然有些人已经在采集和报告数据，但他们并非都能够执行所需的分析，进而提高工作绩效。这个问题与数据素养关系不大，更多的是需要企业营造合适的环境，在必要的地方部署简单易用的工具。这样一来，企业就能在整个工作场所实现数据分析民主化。
您是否需要提高自身的数据素养？看看您是否能够回答这 5 个问题，
请参加我们的测验 >
是否应该提高数据科学的可访问性，扩大用户社区？为什么这一点至关重要？
数据科学必须成为我们日常工作的一部分。其实“数据科学家”一词存在误导。我认为任何会使用基本统计工具的人都可以称为数据科学家。现在，几乎所有专业性角色都能缜密地使用数据。因此，无论从事什么工作，所有人最终都将成为“数据科学家”。
20 世纪 90 年代，我深度参与启动了六西格玛管理体系的实施。那时，我们就发现，支持工业从业者使用基本统计工具有着巨大的优势。当时我们不称呼他们为“数据科学家”，而是称呼“黑带”。他们使用数据科学来描述业务流程，解决问题，并将基础分析应用到日常运营中。这是数据科学植根于工业运营的雏形。六西格玛奠定了数字化转型的基础。
今天，商业世界开始真正拥抱数据的价值。事实证明，数据能够显著提升生产力，改善决策，甚至减轻员工的压力，因为正确的数据可以帮助企业更快速轻松地解决问题。
数字化是专属于 IT 部门的任务吗？
不是。我认为数字化是整个企业的工作。企业的每一个职能部门都必须使用数据和分析以及相关工具。在大多数企业，数据孤立地掌握在少数“专家”的手中，并不能支持所有人在日常工作中访问他们需要的数据。
如今，我们已经进入一个全新的时代，运营经理也需要为他们的职能部门制定数字化战略。因此，当你与维护部门、质检部门、营销部门或供应链部门的负责人交谈时，他们也是或者应该是这些职能部门数字化转型的负责人。
向 Hitachi 寻求咨询服务的很多是职能部门负责人。
IT 部门负责为数字化转型提供支持，但企业的数字化转型实际上是由运营部门推动的，因为这些部门的员工是数字化工具的用户。运营经理比其他人更清楚他们应该从何处着手实施数字化转型，并且通常对部门未来的发展制定了清晰的愿景。很多优秀的创意都是来自从事日常业务运营的员工，因此让他们参与数字化转型规划非常重要。
这在 20 年前是一个巨大的变革，新系统的实施使企业不得不变革其工作的方式，来适应 IT 架构。我记得很多企业都调整了业务流程，以满足缺乏灵活性的 MES 或 MRP 应用的要求。这种做法往往会阻碍企业的运营创新和优化。
现在，这种局面得到了逆转。我们能够构建适用于工作流程的数字化界面、算法和平台。这种敏捷方法专注于解决企业面临的问题，提供用户期望的体验。这种情况下，IT 部门必须支持这些创新，确保其契合整个 IT 基础架构。
企业是否应优先投资低代码和无代码解决方案？
是的，毫无疑问。试想一下我们使用智能手机的情况。我们不需要知道如何编码，就能用手机完成很多事情。我们在工作中使用分析工具也应如此。用户应能获得快速、轻松、相关的使用体验。
在 IT 进入商业领域的初期，所有的工具都非常复杂，只有专家能够使用。还记得被称为程序员的那些人吗？如今，企业都在寻求人人均可使用的分析工具。在 Hitachi，我们开发的解决方案根本无需利用高级语言进行大量编程或编码。 由数据驱动的专家常常在设法预测业务成果的最大影响因素。预测分析能够帮助他们在数秒内确定最重要的因素。
为什么预测分析如此重要？
预测分析是一款真正的颠覆性工具。工业行业如今使用的数据大多是后瞻性的，而历史数据描述的是过去发生的事情。在某些领域，我们可以获得实时数据，了解当下正在发生的情况。借助当今的高级分析工具，你可以根据因果关系因素预测未来趋势。例如，天气可能会影响你的业务运营，汇率的重大变化会影响你的成本结构，消费者偏好会快速发生变化。那么你就需要采集和分析有关这些因素的数据，了解当前的情况以及未来趋势。若想通过推算来预测下周或下个月的情况，预测分析可以助你一臂之力。该技术可以基于机器学习和析因数据，帮助你预见未来。
我喜欢将这称为“时间旅行”。预测分析能够旅行到未来某个时间，然后创建相应的场景，进行假设分析。例如，如果市场真的朝某个方向发展，客户需求真的发生某种变化，结果会怎样？如果我们能够加速或减缓某个流程，结果会怎样？如果能够模拟产品设计变更呢？如果能够考虑经济或政治因素的影响呢？这些将如何影响我们业务运营地区的经济或监管环境？分析的项目还有很多。
然后，我们可以将所有这些因素整合起来，梳理出下一年、下一季度或下个月的场景。你将能够了解这些不同的因果关系在未来如何发展，我们可以采取哪些应对举措，在这种未来场景中，我们需要进行哪些变革或采取哪些纠正措施。这些就是价值产生之处。你将在未来取得更卓越的绩效。
这也是预测分析如此重要的原因。你可以抢占先机，预测未来趋势，从而更好地管理你的业务、企业和流程，从容应对未来可能面临的一切变化。归根结底，其核心就是提高企业敏捷性。
借助易于使用但强大的功能增强您的预测分析技能。进一步了解按需在线研讨会：
你认为工程师可以借助低代码、无代码技术转型成为数据科学家吗？
当然能！我接受培训的时候就是一名工程师，我学的专业是机械工程专业。据我所知，工程设计的工作是解决问题、数学建模和运用科学方法。而数据科学正好是其中的一部分。
随着市场上出现了一些新的技术，让人们不再需要进行复杂的编程就能访问和使用数据，越来越多的工程设计用户开始使用数据科学。而且这种技术发展的影响还远不止这些。除了工程用户获益外，各种技能型员工，包括机器操作工、驾驶员、设备维护人员和制造人员，都开始转型成为数据科学家，这是技术发展带来的最大成果。还有企业的管理人员，包括首席级高管，他们也开始变成数据科学家。
当整个企业拥有更优质的数据和易于使用的分析工具，就能实现数据科学民主化。我认为这是第四次工业革命的基本要素之一。
已准备好实现数据的价值？与 Minitab 沟通
