Preparando o cenário para o sucesso da ciência de dados industriais

Em algum ponto, a Internet das coisas (IoT) industrial de maior sucesso iniciativas tornam-se projetos de ciência de dados. Sensores conectados em máquinas e equipamentos, ferramentas, paletes e itens manufaturados geram volumes de pontos de dados.

Mas a perspectiva de sucesso comercial ou operacional não depende apenas da coleta de dados, mas de uma ampla gama de habilidades que se estendem por toda a organização. Também requer o uso desses dados para alimentar a transformação. Isso pode incluir a obtenção de novos benchmarks operacionais ou, "no mundo de hoje, criando resiliência e flexibilidade", disse Steve Pillsbury, diretor da PwC Consulting.

[ Mundo IoT é o maior evento de IoT da América do Norte, onde estrategistas, tecnólogos e implementadores se conectam, colocando IoT, IA, 5G e borda em ação em todos os setores da indústria. Reserve sua passagem agora. ]

Mesmo antes do surgimento da pandemia COVID-19, conduzir uma metamorfose industrial de ciência de dados era assustador para muitas organizações. Os especialistas em ciência de dados eram escassos e a competição de contratação era feroz. Embora muitas organizações industriais tenham lançado programas de inovação digital, poucas alcançaram o retorno de investimento desejado. De 2016 a 2018, os projetos digitais em quase 80% das empresas industriais não conseguiram atingir o nível esperado de retorno financeiro, de acordo com uma pesquisa da Accenture.

P Reparando a Organização

Um dos motivos pelos quais as organizações industriais lutam com a ciência de dados industriais é a falta de planejamento. “A maioria das empresas [industriais] agora está, no mínimo, na fase piloto e de teste e, em muitos casos, está no estágio de aplicação e adoção”, disse Pillsbury.

Um fator que os impede de alcançar escala e valor é a falta de “know-how”, acrescentou Pillsbury. “Isso não significa que eles tenham, necessariamente, as habilidades [técnicas] erradas ou não tenham o suficiente das habilidades certas. Também significa que eles realmente não prepararam a organização para aplicar os tipos de habilidades que são necessárias. ” As organizações industriais devem educar todo o seu pessoal sobre “o que é a arte do possível e como adotá-la”, disse ele. Ou seja, as organizações também precisam ser habilitadas para a transformação cultural.

A pesquisa de QI digital da PwC descobriu que, em vários setores, as organizações com os programas digitais mais bem-sucedidos os desenvolveram em torno de seu povo e cultura. Dobrando as organizações digitais de “transcendentes”, a PwC descobriu que priorizou a educação dos funcionários e a criação de uma cultura resiliente.

Dentro de uma organização, no entanto, a maturidade dos dados de funcionários e departamentos pode variar consideravelmente, observou Murali Raj, CIO da HIL, fabricante de materiais de construção. Ao desenvolver um plano de transformação, leve em consideração essa variabilidade e construa uma base de dados ampla, Raj recomendou. Quando a HIL implantou a manutenção preditiva, a empresa construiu uma base para aproveitar ao máximo os dados. “Em vez de focar em uma pequena linha de fabricação ou em algumas máquinas para manutenção preditiva, nos concentramos na criação de um backbone de chão de fábrica conectado e digital”, disse Raj.

H Design centrado em uman aplicado a processos

Organizações industriais de sucesso ganham a adesão de funcionários de nível sênior e júnior para iniciativas digitais e de ciência de dados.

Muitas organizações que conduzem tais projetos dedicam uma equipe à liderança digital e às melhores práticas. Essas pessoas do tipo “Centro de Excelência” tendem a entender muito bem a tecnologia e a ciência de dados e têm uma ideia geral dos geradores de valor e das declarações de problemas que estão tentando resolver ”, disse Pillsbury. Mas quando esses especialistas criam ferramentas habilitadas digitalmente para outras pessoas usarem, “eles descobrem que as pessoas geralmente não gostam delas”, disse Pillsbury. Os usuários finais muitas vezes “não gostam do design, da maneira como [uma peça de tecnologia] funciona, como eles devem interagir com ela ou o que fazer com as novas informações”, acrescentou.

As organizações podem obter o apoio dos funcionários para ferramentas digitais baseadas em dados, solicitando feedback durante o projeto, recomendou Pillsbury. Líderes digitais e de dados também podem implantar conceitos de design centrado no ser humano em processos internos, estudando o contexto de um determinado problema, bem como os pontos problemáticos dos funcionários antes de criar ferramentas digitais ou fluxos de trabalho para resolvê-los.

I dentificando indivíduos para liderar a transformação

Embora a transformação cultural e a educação sejam vitais, não há substituto para a liderança da ciência de dados. Embora muitos indivíduos tenham adicionado termos como "ciência de dados", "inteligência artificial" e "aprendizado de máquina" a seus currículos, apenas um em cada quatro candidatos é especialista, de acordo com Umesh Ramakrishnan, escritório do CEO da empresa de busca de executivos Kingsley Gate Parceiros. “Por definição, muitos desses conjuntos de habilidades [de inteligência artificial] são novos”, disse Ramakrishnan. Deve ser um sinal de alerta “se alguém disser que tem 25 anos de experiência em ciência de dados”.

Ao entrevistar potenciais líderes de ciência de dados, deve-se levar de 20 a 30 minutos por pessoa para identificar se eles têm um conhecimento significativo, de acordo com Ramakrishnan. “Muitas dessas pessoas tiveram uma base em ciência ou engenharia relacionada à inteligência artificial, aprendizado de máquina ou ciência de dados”, disse Ramakrishnan. “Pessoas que trabalharam em redes neurais ou aprendizagem profunda no passado e continuaram a se manter nítidas por meio de experiência no trabalho ou por meio de educação adicional são aquelas que vemos ingressando em cargos de nível médio a sênior.”

Os especialistas em ciência de dados que podem compartilhar seus conhecimentos com outras pessoas e induzir mudanças em toda a organização são os mais valiosos. Mas selecionar candidatos para habilidades estratégicas é significativamente mais desafiador do que identificar conhecimentos tecnológicos distintos, disse Ramakrishnan. “A transformação da tecnologia dentro de uma indústria é muito menos difícil do que a transformação cultural dessa empresa, especialmente se for uma empresa legada”, disse ele.

Organizações industriais com programas digitais bem-sucedidos tendem a ter uma visão compartilhada entre a alta e média gerência, bem como a capacidade de “alinhar grupos de talentos e ativos de tecnologia nas principais funções de negócios”, de acordo com a Accenture. Os líderes da ciência de dados podem ajudar a incutir características, mas devem ser excelentes em comunicação e persuasão. “Você precisa ser capaz de mostrar às pessoas por que é vantajoso para uma pessoa no chão de fábrica, digamos, usar um iPad em um contexto de trabalho em vez de uma prancheta”, disse Ramakrishnan. Essa pessoa também deve ser capaz de explicar o valor da tecnologia para um trabalhador, bem como o valor para a empresa. “A capacidade de vincular os objetivos de um indivíduo à missão da empresa é um atributo de liderança raramente visto em executivos”.

Termos como "campeão" ou "evangelista" não fazem justiça a essa capacidade na opinião de Ramakrishnan. “Esses termos ocultam os sofisticados atributos de liderança exigidos”, disse ele. As organizações que estão movendo projetos industriais de IoT de prova de conceito em direção a iniciativas de transformação digital mais amplas precisam de mais do que especialistas em ciência de dados industriais que são articulados. “O simples fato de ser um bom orador pode torná-lo um bom evangelista”, concluiu Ramakrishnan. “Mas se você não tem como traduzir sua evangelização em execução real, então tudo o que você é é um pregador, e você não precisa disso no negócio.”