Préparer le terrain pour le succès de la science des données industrielles

À un moment donné, l'Internet des objets (IoT) industriel le plus réussi les initiatives deviennent des projets de science des données. Les capteurs connectés sur les machines et équipements, les outils, les palettes et les articles manufacturés génèrent des volumes de points de données.

Mais la perspective de réussite commerciale ou opérationnelle ne dépend pas uniquement de la collecte de données, mais d'un large éventail de compétences s'étendant à l'ensemble de l'organisation. Cela nécessite également d'utiliser ces données pour alimenter la transformation. Cela pourrait inclure la réalisation de nouveaux repères opérationnels ou, "dans le monde d'aujourd'hui, la création de résilience et de flexibilité", a déclaré Steve Pillsbury, directeur chez PwC Consulting.

[ Le monde de l'IoT est le plus grand événement IoT d'Amérique du Nord où les stratèges, les technologues et les responsables de la mise en œuvre se connectent, mettant l'IoT, l'IA, la 5G et la périphérie en action dans tous les secteurs verticaux. Réservez votre billet maintenant. ]

Avant même l'émergence de la pandémie de COVID-19, conduire une métamorphose de la science des données industrielles était intimidant pour de nombreuses organisations. Les experts en science des données étaient rares et la concurrence pour le recrutement était féroce. Si de nombreuses organisations industrielles ont lancé des programmes d'innovation numérique, peu ont atteint le retour sur investissement souhaité. De 2016 à 2018, les projets numériques de près de 80 % des entreprises industrielles n'ont pas atteint le niveau de rendement financier attendu, selon une étude d'Accenture.

P réparer l'organisation 

L'une des raisons pour lesquelles les organisations industrielles luttent avec la science des données industrielles est le manque de planification. « La plupart des entreprises [industrielles] sont maintenant, au minimum, en phase pilote et de test et, dans de nombreux cas, en phase d'application et d'adoption », a déclaré Pillsbury.

Un facteur qui les empêche d'atteindre l'échelle et la valeur est le manque de « savoir-faire », a ajouté Pillsbury. « Cela ne signifie pas qu'ils ont nécessairement les mauvaises compétences [techniques] ou pas assez des bonnes compétences. Cela signifie également qu'ils n'ont pas vraiment préparé l'organisation à appliquer les types de compétences nécessaires. » Les organisations industrielles doivent éduquer l'ensemble de leur personnel sur « ce qu'est l'art du possible et comment l'adopter », a-t-il déclaré. C'est-à-dire que les organisations doivent également être qualifiées pour la transformation culturelle.

L'étude Digital IQ de PwC a révélé que, dans divers secteurs, les organisations dotées des programmes numériques les plus réussis les ont construites autour de leurs employés et de leur culture. Qualifiant les organisations numériques de « transcenders », PwC a découvert qu'elles accordaient la priorité à la formation des employés et à la création d'une culture résiliente.

Au sein d'une organisation, cependant, la maturité des données des employés et des services peut varier considérablement, a observé Murali Raj, directeur de l'information chez HIL, un fabricant de matériaux de construction. Lors de l'élaboration d'un plan de transformation, tenez compte de cette variabilité et construisez une base de données étendue, a recommandé Raj. Lorsque HIL a déployé la maintenance prédictive, l'entreprise a construit une base pour tirer le meilleur parti des données. "Plutôt que de nous concentrer sur une petite ligne de fabrication ou quelques machines pour la maintenance prédictive, nous nous sommes concentrés sur la création d'une épine dorsale d'atelier numérique et connectée", a déclaré Raj.

H Conception centrée sur l'homme appliquée aux processus

Les organisations industrielles qui réussissent gagnent l'adhésion des employés seniors et juniors pour les initiatives numériques et de science des données.

De nombreuses organisations qui pilotent de tels projets dédient une équipe au leadership numérique et aux bonnes pratiques. Ces « personnes de type « Centre d'excellence » ont tendance à très bien comprendre la technologie et la science des données et ont une idée générale des facteurs de valeur et des problèmes qu'elles essaient de résoudre», a déclaré Pillsbury. Mais lorsque ces experts créent des outils numériques que d'autres peuvent utiliser, "ils constatent que les gens ne les aiment généralement pas", a déclaré Pillsbury. Les utilisateurs finaux « n'aiment souvent pas le design, la façon dont [une technologie] fonctionne, la façon dont ils sont censés s'interfacer avec elle ou ce qu'il faut faire avec les nouvelles informations », a-t-il ajouté.

Les organisations peuvent obtenir le soutien des employés pour les outils numériques basés sur les données en sollicitant des commentaires lors de la conception, a recommandé Pillsbury. Les leaders du numérique et des données peuvent également déployer des concepts de conception centrés sur l'humain dans les processus internes, en étudiant le contexte d'un problème donné ainsi que les points faibles des employés avant de concevoir des outils ou des flux de travail numériques pour les résoudre.

Je identifier les individus pour diriger la transformation

Bien que la transformation culturelle et l'éducation soient vitales, rien ne remplace le leadership en science des données. Alors que des dizaines de personnes ont ajouté des termes tels que «science des données», «intelligence artificielle», «apprentissage automatique» à leur curriculum vitae, seul un candidat sur quatre est des experts, selon Umesh Ramakrishnan, bureau du PDG de la société de recherche de cadres Kingsley Gate. Les partenaires. "Par définition, beaucoup de ces ensembles de compétences [d'intelligence artificielle] sont nouveaux", a déclaré Ramakrishnan. Cela devrait être un signal d'alarme « si quelqu'un vous dit qu'il a 25 ans d'expertise en science des données ».

Selon Ramakrishnan, lors des entretiens avec des leaders potentiels de la science des données, il devrait prendre 20 à 30 minutes par personne pour déterminer si elles ont des connaissances importantes. "Beaucoup de ces personnes ont une base en science ou en ingénierie liée à l'intelligence artificielle, à l'apprentissage automatique ou à la science des données", a déclaré Ramakrishnan. « Les personnes qui ont travaillé sur les réseaux de neurones ou l'apprentissage en profondeur dans le passé et qui ont continué à garder leur avantage par une expérience sur le terrain ou par une formation supplémentaire sont celles que nous voyons entrer dans des postes de niveau intermédiaire à supérieur. »

Les experts en science des données qui peuvent partager leur expertise avec d'autres et induire des changements dans l'ensemble de l'organisation sont les plus précieux. Mais sélectionner des candidats pour des compétences stratégiques est nettement plus difficile que d'identifier une expertise technologique discrète, a déclaré Ramakrishnan. "La transformation technologique au sein d'une industrie est bien moins difficile que la transformation culturelle de cette entreprise, surtout s'il s'agit d'une entreprise traditionnelle", a-t-il déclaré.

Les organisations industrielles avec des programmes numériques réussis ont tendance à avoir une vision partagée entre les cadres supérieurs et intermédiaires ainsi que la capacité « d'aligner les pools de talents et les actifs technologiques sur les fonctions commerciales clés », selon Accenture. Les leaders de la science des données peuvent aider à inculquer des traits de caractère, mais ils doivent exceller dans la communication et la persuasion. "Vous devez avoir la capacité de montrer aux gens pourquoi il est avantageux pour une personne dans l'atelier d'utiliser, par exemple, un iPad dans un contexte de travail plutôt qu'un presse-papiers", a déclaré Ramakrishnan. Cette personne devrait également être capable d'expliquer la valeur de la technologie à un travailleur ainsi que la valeur pour l'entreprise. "La capacité de lier les objectifs d'un individu à la mission de l'entreprise est un attribut de leadership qui est très rarement vu chez les cadres."

Des termes comme « champion » ou « évangéliste » ne rendent pas justice à cette capacité de l'avis de Ramakrishnan. "Ces termes recouvrent les attributs de leadership sophistiqués qui sont requis", a-t-il déclaré. Les organisations qui déplacent des projets IoT industriels de validation de principe vers des initiatives de transformation numérique plus larges ont besoin de plus que des experts en science des données industrielles qui sont articulés. "Le simple fait d'être un bon orateur peut faire de vous un bon évangéliste", a conclu Ramakrishnan. "Mais si vous n'avez aucun moyen de traduire votre évangélisation en une exécution réelle, alors tout ce que vous êtes est un prédicateur, et vous n'en avez pas besoin dans l'entreprise."