运营数据是宝贵的。如果处理得当，它可以解决以前无法解决的操作问题。它还可以基于知识对假设进行证实(或证否)。最重要的是，它可以带来改进操作性能的新方法。
今天，各组织机构都感受到了压力；他们听到分析师和竞争对手在讨论数字化、工业4.0、机器学习和人工智能等热门话题。这些新话题被奉为“下一个时代的事物”。似乎在某种程度上，未来几年的竞争中，没有它们就无法生存。他们要求IT部门研究这些新课题，并帮助组织转型。
他们需要积累源于日常运营的技术数据(OT)来做出明智的运营决策。这些数据都来自生产流程和运营表现——IT通过提供技术和服务来支持这些功能。
因此长期以来，只有工程师和操作人员拥有这些数据的权限。然而，他们并不知道如何利用所有传感器生成的新数据和历史数据来提升价值。
问题在于他们该从哪里开始呢？数据无处不在。人们很难通过陌生的数据源去构建业务案例。而且，由于上文提及的IT在这一过程中的辅助性，运营者为了更好地理解数据，通常不得不求助于数据科学家。但数据科学家是出了名的难找，而且可能索取高昂的薪酬。
不仅如此，还有许多数据科学家可能不太熟悉信息的来源；毕竟，OT数据与业务和利润错综复杂地交织在一起。工程师和操作人员对生产过程了解最多，因此研究他们如何从自己的数据中提取更多信息是最有意义的。
问题是，他们不知道怎么做。多年以来，他们可能一直在收集数据，却没有构建一个专门的工具来最大限度地利用所捕获的数据。他们或许像历史学家一样是趋势分析的忠实客户，或使用Microsoft Excel电子表格去处理这些数据。但这些工具并不有效——即使是Excel大师也需要花费大量时间将1%或2%的关键资产呈现在Excel表格中。
这就是TrendMiner的切入点：为工程师提供自主分析所有数据并找到提高运营性能的新方法的工具。
他们能实现什么?
——可以解决以前无法解决的操作问题；
——可以根据知识来检验假设；
——可以找到改善运营的新方法，因为他们可以利用他们数十年积累下来的历史数据。
TrendMiner最终授权工程师使用操作传感器生成的时间序列数据，帮助他们不断提高操作的卓越性，例如:
1.减少生产设施的碳足迹；
2.提高产品质量，满足客户需求；
3.增加产量；
4.通过减少故障和流程停机时间来提高资产可靠性；
5.预防和预测维护；
6.提高运营安全。
那么从哪里开始呢？从小规模快速开始。
作者简介：Edwin van Dijk是Software AG TrendMiner市场营销副总裁。他在将流程和电力行业软件解决方案推向市场的方面拥有超过20年的经验。从商业咨询到产品管理的多种角色，Edwin留下了拓展TrendMiner市场的印记。
