（技）现代工业物联网(IIoT)大数据+AI场景实战-风力发电机优化
工业物联网(IIoT)在过去的几年里，从一个主要在石油和天然气行业进行试点的草根技术栈，如今发展到在制造、化工、公用事业、运输和能源行业广泛采用和生产使用。传统的物联网系统，如Scada、Historians甚至Hadoop，由于以下因素，无法提供大多数组织所需的大数据分析能力，无法对工业资产进行预测性优化。 挑战 所需能力 数据量显著增大且更加频繁 从物联网设备中可靠地采集和存储亚秒级颗粒读数的能力，且成本效益要高，每天的数据流为TB级。 数据处理需求更加复杂 符合ACID标准的数据处理–基于时间的窗口、聚合、枢轴、回填、移动，并能轻松地重新处理旧数据。 更多的用户角色希望访问数据 数据是一种开放的格式，易于与运营工程师、数据分析师、数据工程师和数据科学家共享，而不会形成孤岛。 决..
更多
数据体系要简单直接，BI应该叫商业情报
对非技术行业公司（非IT，DT公司），千万不要太过痴迷于数据技术本身，能cloud的绝不OP，也不要把自己的数据体系搞得各种技术术语堆叠。这是非常错位的举动。 数据意图本质是为了洞悉数据背后所暗含的的商业规律和现象，并对进一步的商业运作决策给予依据。 很可惜，看到了太多只玩技术，忽略商业目标的事情。醒醒吧， 花那么多钱买的资源，浪费那么多算力和电力得到一堆不知所云的东西，不如去挖矿。建议做数据的人先把手上的《21天精通Hadoop》《万事不求人掌握spark》先放放，静心回顾一遍《情报学》《军事情报学》。 还是不明白，就品品“经管之家” 和“CSDN”的区别， 你品，你细品。避免技术很先进， 业务不成功。 情报学课本中讲到过，情报的转化需要经历data—information—intelligence（数..
更多
Cisco (思科) 如何做供应链系统转型?
数字化转型项目要点 非TOP创新企业，尽量使用基于最佳业务实践的标准化功能，所谓的“特殊需求”和“客制化” 并不是提升流程效率良药，而是破坏整体成功的人为噪音。 中后台流程支撑系统搞出N个系统/平台就是自嗨， 中后台Global One Instance是未来数据转型的捷径因素，客户/商品数据在数个系统存储，每个系统管一部分属性信息；一个订单到现金的端对端数据链要从8个系统拔出清洗整合，数据噩梦指日可待。 数据链如果由不同系统各管一段，谈数字化还太早。完美的算法远远不能弥补数据质量的低劣。 梳理，简化业务流程，业务根据out-of-the-box (OOTB) functionality调整，尽可能在标准功能下思考业务如何做。 聚焦点从流程执行转移到数据价值， 通过流程数据洞悉深层次业务价值并发现新的利润增..
更多
您的供应链是否已为数字化做好准备?
您的供应链是否已为数字化做好准备？投资于新的数字技术来修复破碎的供应链，就像买昂贵的新高尔夫球杆来修复糟糕的挥杆一样。与其说是要把比赛提升到更高的境界，不如说是把误打误撞的把球打到更远的树林里。虽然数字化无疑可以通过改善供应链计划流程来帮助企业，但如果认为基础工作不到位就会对企业有帮助，那就太天真了；相反，它可能只会加速糟糕的决策，使现有的问题更加恶化。 想要改善供应链规划的企业，反而应该迅速行动起来，找出自己的能力差距，然后用一系列的无悔之举来填补这些差距。同时，他们可以努力了解在新的计划技术中，有选择地投资于新的计划技术才最有意义。 数字化供应链的承诺企业依靠供应链计划来引导产品、服务和信息在整个价值链中以最佳方式流动。如果做得好，它还可以带来巨大的供应方和需求方的效益，包括提高产能利用率和卓越的客户..
更多