英国数学家克莱夫·汉比（Clive　Humby）被认为是“数据是新的石油”这一公理的创造者。在人们收集和囤积各种信息的背景下，他的精辟表述经常被重复——通常没有注明出处。数据勘探者们不知从哪里冒出来进行钻探。但是Humby的措辞并没有到此为止。他接着说:“它是有价值的，但如果未经提炼，就不能使用。它必须被转化成气体、塑料、化学品等，以创造一个有价值的实体，推动有利可图的活动。因此，必须对数据进行分解和分析，才能使其具有价值。”
　　Humby是对的。而今天，随着数据量的爆炸式增长，他的洞察力比以往任何时候都更加重要。例如，在制造业中，快速增长的工业物联网使我们能够将传感器连接到工业过程的每个组件。结果是每天都在收集难以估量的数据。然而，就像石油一样，需要处理、分析大量数据，并将其转化为可供建设性使用的易于理解的见解。
　　但是，究竟谁可以使用它以及用于什么目的？答案是开放式的；基本上，产品制造业务中的每个功能都可以从数据驱动的洞察中受益。但是，只有在对每个特定功能或任务都有意义的上下文中对数据进行策划、组合、分析和解释时，他们才能做到这一点。
　　例如，如果您的目标是减少特定机器使用的能源，则需要在有关其速度、进给、位置和其他与该机器不同的过程参数的数据的上下文中理解其功耗的测量。出于同样的原因，其他功能（例如设计、规划、检查和维护）都需要自己精心策划的数据集，以将某些重要影响与有关相关变量（例如该主题的特征、功能或其他特征）的信息相关联。
　　从数据驱动的决策中我们看到了巨大价值的工业运营方面包括提高产量、提高质量、提高安全性、减少浪费、更容易合规、更少召回和运营节省。其中许多成果源于管理者拥有更好的信息，从而做出更好的运营选择。但是，在自动化已成为大多数制造过程的重要组成部分的时代，数据也被用于使用机器学习和人工智能来指导自主设备的操作。
　　虽然数据收集很重要，但这只是个开始。一个没有办法从中提取情报的数据湖更像是一个数据沼泽。真正的魔力是通过去除其中的智能来提高制造性能。今天，有一些商业公司专门为他们的客户做这件事。
　　然而，这里提到的大部分数据都是关于库存、设备和现场人员的信息。这些是很重要的。但还有一个显而易见的问题。它与通过公司供应链从外部进入的材料有关。而大多数公司所缺少的是一个材料分类帐——一个详细的系统，用来跟踪进货材料的属性、来源、质量差异、能源使用、浪费、库存、生产瓶颈，以及所有其他影响如何将购买的材料转化为销售产品的因素。
　　虽然公司的损益表通常会从收入中减去销售成本，但这些成本的汇总方式通常很难让人看到其材料。在很多情况下，这些材料是生产中最大的开支。传统的细节水平不足以有效地管理材料的使用。
　　例如，我们需要知道的事情包括：是否购买了合适的材料？是否为无法为提供价值的品质支付高价？是否使用了正确的能量？使用的是最好的生产配方吗？消耗的材料太多还是太少？在召回事件中，产品追踪能力如何？流程中浪费的成本是多少？
　　有了正确的数据，所有这些问题以及更多问题都可以以可行的方式得到解答。然而，所有这些都是更大图景的一部分：在生产过程的每个阶段收集有关物料流的数据是迈向数据转换的工业4.0　组织的第一步。当然，收集的数据需要适当的分析和解释。但是有一些资源可以帮助我们将原始数据的原油提炼成实用的、高价值的业务资产。现在是利用它们的绝佳时机。 （千家）