بالنسبة للصناعة، غيّر الوباء قواعد اللعبة

جبر عام 2020 بعض القطاعات الصناعية، التي كانت تبدو في يوم من الأيام لا تقهر، على مواجهة فنائها. أسعار النفط تنخفض إلى ما دون الصفر لأول مرة في التاريخ. وفقدت ملايين الوظائف. ولم تعد السيناريوهات الأسوأ مجرد افتراضات، بل ستكون احتمالات واضحة دون بذل جهود هائلة للتحول ومعالجة نقاط الضعف وبناء القدرة على الصمود والتحول الرقمي.

وفجأة، بدأت الصناعات التقليدية، مثل النفط والغاز والطاقة والمرافق والتصنيع، في تبني الأدوات الرقمية بوتيرة أسرع، من العمل عن بعد إلى الروبوتات.

وسرعان ما اصطدمت المبادرات بالعقبات

بالنسبة للعديد من الشركات الصناعية في المملكة العربية السعودية والشرق الأوسط الأوسع، لا تزال البيانات غير قابلة للوصول ومنقطعة. يستغرق العثور على البيانات وقتًا أطول من بناء الحلول التي تخلق القيمة. قارن ذلك بعالم المستهلك، حيث يمكن الوصول إلى البيانات بشكل فوري في أي مكان وفي أي وقت، وتستخدم التطبيقات التعلم الآلي للتعلم من سلوكنا وتقديم التوصيات.

لحل مشكلة البيانات الأساسية هذه في الصناعة، نحتاج إلى طرق جديدة للتعامل مع البيانات. إحدى الأدوات الأساسية للغاية هي النظام الجديد سريع النمو لعمليات البيانات (DataOps) – وهو ممارسة إدارة بيانات تعاونية تركز على تحسين الاتصال والتكامل والأتمتة لتدفقات البيانات بين مديري البيانات والمستهلكين عبر المؤسسة.

ما هي DataOps؟

يمكن أن تكون DataOps تم تعريفها على أنها منهجية رشيقة وموجهة نحو العمليات لتطوير التحليلات وتقديمها. وهي تتألف عادةً من فريق من خبراء البيانات (مثل: علماء البيانات، والمحللين، والمهندسين المعماريين، وما شابه ذلك) الموجودين “لتوفير الأدوات والعمليات والهياكل التنظيمية لدعم المؤسسة التي تركز على البيانات”.

الهدف من DataOps هو إنشاء تسليم يمكن التنبؤ به وإدارة التغيير للبيانات ونماذج البيانات والعناصر النسبية، باستخدام التكنولوجيا لأتمتة تسليم البيانات بمستويات مناسبة من الأمان والجودة والبيانات الوصفية لتحسين استخدام البيانات وقيمتها في بيئة ديناميكية.

يتم تكليف مهندسي وفرق DataOps بجلب البيانات إلى عملاء البيانات في جميع أنحاء المؤسسة، داخليًا وخارجيًا، وجعل بياناتهم تقدم المزيد للشركة.

أصول وتطور DataOps

يعود مصطلح DataOps إلى عام 2010. في منشور مدونة عام 2014، نظر المحرر المساهم في Information Week، ليني ليبمان، في ظهور البيانات الضخمة ورأى الحاجة إلى مجموعة من أفضل الممارسات لضمان حدوث علم البيانات بكفاءة وموثوقية.

Liebmann called this discipline “DataOps,” or “the set of best practices that improve coordination between data science and operations.”

بعد سبع سنوات، أصبحت DataOps “الاتجاه الأعلى”، وفقًا لـ VentureBeat، والسباق مستمر لتحسين التعريف والمطالبة بجزء من السوق:

• وفقًا Gartner، “DataOps هي ممارسة تعاونية لإدارة البيانات تركز على تحسين الاتصال والتكامل والأتمتة لتدفقات البيانات بين مديري البيانات ومستهلكي البيانات عبر المؤسسة.”
• يعرّف فريق من محللي Forrester، بما في ذلك نائب الرئيس والمحلل الرئيسي ميشيل جويتز، DataOps بأنها “القدرة على تمكين الحلول، وتطوير منتجات البيانات، وتنشيط البيانات لقيمة الأعمال عبر جميع مستويات التكنولوجيا بدءًا من البنية التحتية ووصولاً إلى الخبرة”.

هناك خيطان مشتركان قويان عبر هذه التعريفات هما أهمية التعاون و التركيز على دمج البيانات عبر أجزاء مختلفة من المؤسسة.

DataOps مقابل DevOps

DataOps، وDevOps، وMLOps – قد يكون من الصعب تتبع أحدث الكلمات الطنانة من عالم تكنولوجيا المعلومات. وهنا توضيح:

DataOps ليس DevOps. لقد كان DevOps موجودًا منذ سنوات. على الرغم من بعض القواسم المشتركة السطحية، فإن DevOps وDataOps مختلفان بشكل أساسي. كلاهما منهجيات تستخدم لتعزيز الممارسات التشغيلية، ولكن هذا هو المكان الذي ينتهي فيه التشابه.

ينصب تركيز DataOps على تقديم بيانات جاهزة للأعمال وموثوقة وقابلة للتنفيذ وعالية الجودة ومتاحة لجميع “المهندسين الأذكياء” أو “مستهلكي البيانات”. أحد الأهداف هو جهود الأتمتة، التي تركز على إدارة البيانات وتكاملها. الهدف الآخر هو المواءمة بين دعم نظام تكنولوجيا المعلومات والعمليات والأعمال.

التركيز في DevOps، في المقابل، هو تطوير البرامج والتطبيقات. تركز جهود الأتمتة على دورة التطوير وعمليات تسليم البرامج والتخلص من الهدر. تعد المواءمة بين المطورين والعمليات والأعمال هدفًا رئيسيًا لـ DevOps.

ما هي عمليات البيانات الصناعية؟

إصدار أكثر تحديدًا من النظام الجديد، Industrial DataOps، يدور حول تحطيم الصوامع وتحسين التوافر وسهولة الاستخدام على نطاق واسع للبيانات الصناعية الناتجة في الصناعات ذات الأصول الثقيلة مثل النفط والغاز والطاقة والمرافق والتصنيع.

فيما يلي ثلاث حقائق أساسية حول عمليات DataOps الصناعية:

1. تعتمد عمليات DataOps الصناعية على التعاون مع خبراء المجال

يعد الأفراد والتفاعلات (أكثر بكثير من مجرد العمليات والأدوات) أمرًا ضروريًا لجعل البيانات ذات قيمة ومفيدة لمستهلكي البيانات عبر المؤسسة – وبعبارة أخرى، خبراء المجال في مختلف المجالات والأقسام.

من المهم أن تتذكر أن DataOps هي ممارسة وطريقة للمشاركة والتعاون عبر المؤسسة لمشاركة البيانات وجني قيمة أكبر منها.

2. لا تكون أهمية البيانات إلا بقدر أهمية التحليلات التي تعتمد عليها وحجم الأشخاص الذين يستخدمونها

إن تقارب البيانات والتحليلات جعل من DataOps الصناعية ضرورة تشغيلية. لاستخدامها على نطاق واسع، تتطلب البيانات سياقًا. إن أتمتة عملية البيانات وإنشاء مصدر مركزي واحد للسياق للحقيقة هو الطريقة الوحيدة للتأكد من أن البيانات الحية تنتصر على الوثائق والتقارير الثابتة في عملية صنع القرار.

3. يتطلب استخراج قيمة البيانات اتباع نهج رشيق

لا تتعلق عمليات DataOps الصناعية بالتوثيق أو إعداد التقارير أو التصميم المسبق الشامل. إنها عملية أكثر مرونة بكثير حيث يعد التجريب والتكرار والتعليقات أمرًا ضروريًا.

إن إنشاء قيمة تجارية لا يعد معاملة أحادية الاتجاه بين عالم البيانات والقسم. إنه جهد مشترك يتطلب من كلا الجانبين المشاركة والمشاركة وتطوير الحلول التي تحمل إمكانات تحويلية. البيانات حية، وكذلك وسائل العمل معها.

ما هي فوائد DataOps الصناعية؟

أصبحت DataOps الصناعية بالفعل قوة دافعة في التحولات الصناعية، مما يساعد على تسريع النضج الرقمي، وتمكين فرق البيانات من تقديم المزيد من المنتجات الرقمية، وتحقيق المزيد من القيمة التشغيلية على نطاق واسع.

في استطلاع 2020 للشركات العالمية، وجدت شركة McKinsey أن المؤسسات التي قامت بدمج DataOps يمكن أن تشهد زيادة في حجم الميزات الجديدة بنسبة 50% لأن أتمتة البيانات تتيح تكرارات تطوير أسرع. تشمل الفوائد المحددة ما يلي:

• إدارة فعالة للبيانات: تعمل DataOps على زيادة الوقت الإنتاجي للعاملين في مجال البيانات إلى أقصى حد من خلال توفير البيانات تلقائيًا وأدوات الإدارة ومساحات العمل التحليلية للعمل مع البيانات واستخدامها بأمان وبشكل مستقل ضمن حدود الإدارة المحددة.
• تحسين إمكانية الوصول إلى البيانات: تستخدم تقنية DataOps الذكاء الاصطناعي لتمكين الاستيعاب السريع لكميات كبيرة من البيانات ووضعها في سياقها.
• تطوير حالة الاستخدام السريع: تهدف DataOps إلى تقليل الوقت اللازم لتقييم البيانات من خلال جعل إثباتات المفهوم (PoCs) أسرع وأرخص في التصميم، وتقديم أدوات لتفعيلها وتوسيع نطاقها.
• حوكمة بيانات المؤسسة: تمكّن DataOps الشركات من وضع وتنفيذ المبادئ الأساسية لإدارة البيانات، وتوفير الاتساق وعائد الاستثمار في التكنولوجيا والعمليات والهياكل التنظيمية، مع عمليات أفضل وجودة البيانات والتكامل وإمكانية الوصول والإشراف.

هل أنت مستعد لـ DataOps الصناعية؟

CNTXT هي الموزع الحصري لشركة Cognite Data Fusion، منصة DataOps الصناعية الرائدة، في منطقة الشرق الأوسط وشمال أفريقيا. باستخدام Industrial DataOps، يمكن لمؤسستك تحقيق وقت قياسي لتحقيق القيمة:

• قضاء وقت أقل بنسبة 90% في البحث عن البيانات
• قضاء وقت أقل بنسبة 50% في فهم البيانات
• نشر الحلول بشكل أسرع بنسبة 10-25%

بالإضافة إلى منح المؤسسات في المملكة العربية السعودية وصولاً حصريًا إلى DataOps الرائدة عالميًا، فإننا نوفر أيضًا أفضل ثلاثة مزودين عالميًا للمنصة السحابية واسعة النطاق وبعضًا من أفضل المطورين وخبراء البيانات وحلول التحول الرقمي.

لمزيد من المعلومات حول كيفية معالجة Cognite Data Fusion لأصعب تحديات البيانات الصناعية لتوفير بيانات مفتوحة وسياقية، قم بتنزيل ورقة حقائق Cognite Data Fusion هنا.