在最近的播客中，ARC的吉姆·弗雷澤與Uptake Technologies的安德魯·索伊格尼爾就公司如何做到這一點進行了交談
將未充分利用的數據轉化為洞察，使工業運營更加智能。
這聽起來可能很簡單，但組織每天都在失敗。事實上，工業設施僅有效地使用了1%的機器數據。
Jim和Andrew探索了Uptake在深度工業智能的背景下，以直觀的UI從您的PP&E提供實時洞察的能力，這樣您就可以做出更好的商業決策，從而轉化為更健康的底線。
而且，由於Uptake是專為重工業而設計的，他們的產品比其他標準AI/ML解決方案更容易使用，更容易擴展，並且更快地返回價值。
如需收聽完整對話，請點擊以下鏈接:Uptake Technologies的Andrew Soignier說。
對話中的一些見解……
吉姆·弗雷澤-大家好，讓我們從一個簡單的基本問題開始。你能告訴我們一些關於你自己的情況嗎?你是如何開始進入工業分析領域的?
安德魯Soignier-當然了。謝謝。我做這個已經超過25年了，作為一名工程師，在自動化和OT技術以及旋轉設備和過程安全方麵有大約10年的經驗。實際上，我在207年被招募到企業軟件部門。並且從未回頭。每次我都在接受新的挑戰。重力總是把我帶回到圍繞最新技術的能源、製造業和化工石油和天然氣。在過去7年多的時間裏，它已經演變成數字化以及所有與之相關的先進技術。
吉姆·弗雷澤-那麼，讓我問一下那些可能不完全精通工業分析的觀眾，什麼是工業分析?
安德魯Soignier-所以，我認為我最近看到的最簡單的答案是能夠在整個企業內解決問題和回答問題。能夠以一種最終通過技術來實現的方式做到這一點，其中一些技術是我們在消費者世界中使用的。
吉姆·弗雷澤-那麼讓我們看看可能會有什麼挑戰，它可能，它甚至可能在子組件中，所以我在想數據，可能需要一個數據存儲庫，可能需要不同的傳感器。但是，部署一個工業分析係統有什麼挑戰，讓你有能力解決這些問題?
安德魯Soignier-是的，我認為這種吸收的優勢是我們一直在多個垂直領域解決這個問題。這讓我們能夠理解這種模式，它本身並不是工業分析。每個市場的基石都是數據，以及所有垂直領域和郊區數據的獨特性。所以在一天結束的時候，通常，就像許多客戶分享的那樣，即使很長時間，你知道，他們在這個過程中經曆了這個旅程，數據仍然不僅是最大的挑戰，但現在我認為，在過去的幾天裏，你真的看到了，在COVID之後，把數據作為基石，而不僅僅是一個挑戰。因此，對於我們的每一個垂直領域，我們現在都有發現模式的優勢，並在真正的資產密集型行業中找到共同點。
安德魯Soignier-是的，我認為那很準確。我認為在一天結束的時候，當它歸結為我們宣揚的一個大座右銘是連接數據人和機器。你知道，我們試圖解決的數據人機器，是無關緊要的。如果我們展示的是風車，拖拉機，拖車渦輪，水泵，屏幕的右側仍然必須顯示特定資產的活動。我們能給公司什麼樣的見解能讓他們做出不同的決定。你知道的，理解和不理解。我堅信，如果你有吸收能力，每台機器都會變得更好。因為我認為，我們展示信息的方式，以及我們在整個企業中把這些組織結合在一起的方式，我認為我們做得比任何人都好。
吉姆·弗雷澤-所以在你部署解決方案之前，你需要這個數據集。那麼獲取這些數據的挑戰是什麼呢?你該怎麼做呢?你知道，那個領域的最佳實踐是什麼。
安德魯Soignier-所以我認為用外行的話來說，每個客戶都是他們自己的網絡安全挑戰。所以，你知道，我們都有點熟悉，在世界上發生的一切，如果你隻看每個客戶。雖然他們遵循很多常見的方法和模式，但他們對數據的敏感性都不一樣。因此，這種數據難題或數據問題，實際上可以追溯到技術的很多層麵，由於過去25年的建設方式。這最終是一個安全保護和隔離問題，圍繞著他們CAD如何管理，如何成長，以及如何通過原始的模擬到數字範式工作。現在他們在森林裏工作從傳統的數字範式到我們今天看到的完全的數字。