“工业4.0”的提出，为中国制造业提出了新的发展方向，也提供了新的发展机遇。工业4.0战略的核心在于：1、建设一个网络 ；2、研究两个主题；3、实现三项集成；4、数据处理。现在越来越多的企业在讲大数据分析，但是如何让数据驱动经营、推动企业业绩增长、让数据发挥价值这是值得我们去总结，去落实。
“工业4.0”时代，制造企业的数据将会呈现爆炸式增长态势。随着信息物理系统（CPS）的推广、智能装备和终端的普及以及各种各样传感器的使用，将会带来无所不在的感知和无所不在的连接，所有的生产装备、感知设备、联网终端，包括生产者本身都在源源不断地产生数据，这些数据将会渗透到企业运营、价值链乃至产品的整个生命周期，是工业4.0和制造革命的基石。
总体来说，工业“4.0”关注的工程数据分为四类：
1、 产品相关的数据，俗称企业主数据；
2、 运营数据，一般称为交易数据；
3、 整个价值链上的数据，如供应商、分销商、客户等数据，也是属于企业主数据管理的范畴；
4、 对企业经营分析有价值的外部数据。
工业4.0落地中国企业，工业大数据是一项重要抓手。利用工业大数据分析，可以找出隐性的问题并预测未知情况的发生，有助于及时地做好预防，避免故障和偏差。
工业工程数据分析最重要的是什么——建模。不同企业的工程数据的建模是有一定的共性，同时也有相同的方法论。《星际穿越》这边大片的五维空间给了我们提示，任何物体都离不开时空关系。所以工业工程数据建模的方法论，比如我们经常用到的的数据立方体模型、多维模型等，都是“数据空间关系”。
“数据空间关系”——即数据时空关系。业务的产生及执行是在一定的时间、空间维度实现的。任何一个行业的数据都逃不出这个“空间—时间”范畴，唯一不同的是度量指标（KPI），而且时间维度和空间维度（主数据）是两个比较独立的纬度，没有交集和关联关系，比如物料与时间没有直接的联系（但是对于有时效性的主数据与时间是有关系的，如食品、药品、化工原料等）这两个纬度一般是通过“度量”发生联系的，在“量”的属性中一定要关联时间及空间。
时间维度定义是数据标准化清洗时的标准规则，粒度设置一般视企业的管理深度。
常见的时间维度定义：– 小时 – 日 – 班次（白班、夜班；三班倒） – 需要去关注的特定业务时间段（如：订单处理时间段，制造时间段，物流时间段等） – 周 – 半月 – 月 – 季度 – 半年 – 年
对应时间维度的报表就有小时报表、日报表、月报表、季度报表、年报表
空间维度是数据抽取、清洗转换时的过滤条件和标准规则。是主数据的维度，不同的企业主数据不一样。
常见的度量指标有：“量”和“率”
– 总量、分量、平均量、单位产出量、比例、比率（单位分量，贡献率、利润率、投资回报率、投入产出率）、增量、差距量、排名名次、对比量
– 量是一个统计累加值，表明“多少”，一般业务系统中的记录都是反映这类指标，是由业务的流水量累加而成的
– 率是一个效率值，表明单位时间、单位“主数据”的值（如人均产值，单位成本等），表明一个效率
时空建模即数据空间模型一般采用链式结构表和星型结构。
链式结构表一般用于业务数据模型，便于扩展模型和存储流水数据，减少数据冗余。
星型结构一般用于报表分析模型，主要目的是分析查询，要求查询速度快，容许数据冗余。
斯欧工程数据分析解决方案——企业系统数据集成、清洗、转换、抽取、建立数据仓库、建模分析、多维度BI展现等一系列过程，确保数据分析的价值可以在各个层次得到体现，能够帮助企业更好的理解这个行业，建设起行业壁垒，为管理者提供决策支撑。
让企业IT更简单！
——————————————
联系客服
