De tre nivåene

De tre nivåene 

Vi husker at man i en industriell dataplattform bruker ulike verktøy og programvare som … 

  1. samler data fra industrielt utstyr og prosesser; 
  2. rydder opp i dataen, og setter den i en sammenheng som gir mening, og  
  3. gjør dataen tilgjengelig og brukbar for mennesker og maskiner  

La oss nå utdype hver av disse punktene litt mer. 

1. Samler data fra industrielt utstyr og prosesser

Dine data kan være for eksempel sensordata og kontrollsystemer, utstyrsdata, logger og så videre – samt forretningsdata og data fra partnere, kunder og andre eksterne kilder. Dataen vil typisk være spredt rundt om i ulike programvare- og IT-miljøer – kanskje dessuten i diverse ikke-kompatible formater. Dataen ligger, som det heter, i ulike «siloer».  

Dataplattformen bruker API-er og integrasjoner for å koble seg til de ulike datakildene, kontinuerlig samle inn dataen – og løfte den opp i plattformen, der den kan bearbeides og tas i bruk. Se kurset om API-er og integrasjoner for å lære mer om dette. 

2. Rydder opp i dataen og sette den i en sammenheng som gir mening

I det midterste laget har du altså «selve plattformen». Det er her du bearbeider all dataen og gjør den klar til bruk. Dette er for øvrig enklere sagt enn gjort; dette leddet kan kreve investeringer både i kunnskap og riktig programvare.  

Når dataen er samlet inn, må den ryddes opp i, normaliseres og kontekstualiseres. Du kan på dette tidspunktet sitte med dupliserte eller overlappende data; ufullstendige data; lignende data som likevel bruker forskjellige verdier eller formater, eller data om samme utstyr fra flere frakoblede kilder. Verre er det at du kan ha data som er upålitelige, eller som kan endres utenfor din kontroll.  

Først må du forsikre deg om at du kjenner dataens opphav (engelsk: data lineage) – altså at du vet hvor den kommer fra, at den er nøyaktig og konsistent, og at den vil fortsette å være det over tid. Så må dataen gjøres kompatibel med resten av dataen på plattformen, og settes i sammenheng slik at hver bit kjenner plassen sin i hierarkiet og sin relasjon til alle andre biter i puslespillet.  

Dataen kan for eksempel knyttes til selskapets maskiner, utstyr og eiendeler, slik at du senere på ett sted kan finne all relevant data tilknyttet for eksempel en bestemt maskin – fra alle kilder, uten noe rot, eller overlappende eller motstridende data.  

Sist, men ikke minst, må en vurdere og overvåke datakvaliteten, for eksempel ved å undersøke at all nødvendig informasjon er til stede i dataobjektet. Eller for å si det på en annen måte: at dataene stemmer overens med det det skal representere i virkeligheten.  

Gjøre dataen tilgjengelig og brukbar for mennesker og maskiner  

På toppen av dataplattformen har du et lag med forskjellige applikasjoner som får tilgang til dataene fra plattformen gjennom API-er, og lar mennesker og maskiner ta den i bruk til ulike formål.  

Her snakker vi om alt fra visualiseringsverktøy – fra enkle dashboards til avanserte 3D / VR / AR-løsninger – til applikasjoner for forskjellige analyseløsninger, simuleringer, maskinlæringteknologier og verktøy for å bygge datamodeller. 

Dette siste og øverste applikasjonslaget tar vi for oss i mer detalj i neste leksjon.