智慧應用 影音
台灣亞馬遜網路服務有限公司
event

【專家觀點】工業數位轉型的挑戰與致勝推手(上):比缺人才更嚴峻的是組織斷層

工業人才斷層讓企業面臨更嚴重的組織斷層問題。Synergies

在我的上一篇文章《加速製造業數位轉型?先解決「長尾問題」》中宏觀的提到製造業長尾問題的挑戰,以及如何馴服這條長尾巴,其中包括建立核心基礎能力來規模化的解決問題、敏捷、文化和態度等方法避免轉型的失敗。接下來我會分別談談核心基礎能力的價值,以及如何展開成可被落實的策略與行動方案。

過去幾年,當我向工業或製造業的客戶們詢問對於數位轉型升級的意願時,幾乎無一例外的,大家都點頭稱是,並開始高談自己心目中理想的工廠以及工業4.0。然而,當我們再往下深入到數據準備的情況及相關預算投入時,上一秒還很熱鬧的會議室瞬間安靜了下來,這就是我過去幾年幾乎每一次遇到的情況。

 點擊圖片放大觀看

(圖一)傳統數據產生價值的流程:專案式作法。Synergies

然而,這一切在過去的一年多當中有了明顯的改變,不可諱言COVID-19(新冠肺炎)的突襲讓許多企業老闆們開始認真思考轉型的迫切性,並讓大家感受到過去那一套做事方式似乎真的需要做出改變了,而我也看到了其他的變化讓工業的轉型突然間加速了。

低程式碼平台將重新定義數據分析

過去一年,在美國與中國幾乎每週都有一家新的AI平台或無程式碼(No-Code)的公司籌到一筆可觀的資金。根據 Gartner的報告顯示,低程式碼(Low-Code)或無程式碼的市場光在2021年就成長了25%,原本市場規模已經相當龐大的分析軟體市場,也在一年內成長了20%。

此外,他們也發現了市場正在發生變化。在接下來的四年中,購買低程式碼平台以及增強型分析工具的部門,將有一半會是IT「以外」的部門。而這也代表著:那些過去是專門為了協助IT團隊分析問題及簡化開發流程的軟體工具,其定位開始產生了巨大的變化。

這類強調簡單易用的軟體到底為產業帶來什麼改變,以及當非IT端的人員能夠自己做數據分析甚至是開發應用程式時,對數位轉型又意味著什麼?

工業企業對數據價值的共識

過去幾年工業數位轉型的速度,雖然遠未達到大家的期望和效果,但是,許多企業主意識到,未來商業環境中數據是轉型少不了的一環,幾乎所有想的到的環節都需要大量數據與分析為基礎。

例如,如何將過去數周的產品良率分析流程減少到幾小時,同時還能夠更大幅提升良率,亦或是,在如今超快供應鏈變化下如何以最小化缺料風險同時還能滿足最低成本庫存。因此,不少製造業老闆們雖然對於數位轉型仍處於觀望階段,卻願意投入些許資源在企業的數位化,也就是數據的收集上。

有了這樣的基礎,雖然企業的數據價值仍然未被有效挖掘,但這些企業手上至少有了一座數據金礦了。那麼,該用什麼樣的工具來挖掘這座金礦強化企業價值呢?

工業的長尾問題,其中包含產、銷、人、發、財等各種大大小小的問題,如果用過去數據分析專案的標準做法,大量的問題交給公司內為數不多的IT與分析團隊,卻又因為大量需求堆積在IT與分析團隊手上,效率過低導致能解決的問題十分有限,在資源的不匹配下,工業中推動數位轉型勢必須要不一樣的做法。

難以突破孤島式專案導入,數位轉型困難

如圖一,我們先簡單了解一下傳統作法企業的數據是怎麼經過一系列的過程產生價值的。

首先,數據蒐集後一般要由一群懂得產業知識的人提出分析的需求,接著由一群具備分析技能的人根據這些方向進行各種數據探索,嘗試從龐大的數據中找出有用的洞察。最後,找出洞察後根據分析的結果可以開發相關的應用程式對特定KPI進行追蹤或是具體執特定流程,也可以更進一步開發AI演算法來對特定場景做預測或判斷。

但是,這整個流程中一個主要的瓶頸就出在現在具備分析或AI技能的人才實在是太稀缺了。根據Gartner報告指出,資料科學家的需求量至少是供給量的5~10倍之多,這樣巨大的人才缺口到了製造業、傳統產業等可以說是更嚴峻了。

因此,在工業中能順利按照這樣的分析流程產生效益的企業少之又少。此外,比人才斷層更嚴峻、但更少被提及的是組織斷層(Organizational Silos),即是當問題的擁有團隊、分析團隊和系統建置團隊為幾個不同的團隊時,權責的歸屬、解決問題範圍的定義、持續的優化改善與更新、以及運維等等都會是嚴重問題。

而如何化解企業組織斷層,在下一篇,我們將會談到最新的無程式碼(No-code)AI平台技術,如何透過改變分析流程進一步解決人才和組織瓶頸問題。(本文作者為美商訊能集思(Synergies)智能科技執行長張宗堯)

延伸閱讀:【專家觀點】加速製造業數位轉型?先解決「長尾問題」
延伸閱讀:專家觀點】工業數位轉型的挑戰與致勝推手(下):AI平民化為何掀起產業熱議?


  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: 製造業 數位轉型