Titulo Data analytics framework for Industry 4.

0: enabling collaboration for added

benefits
Autor Sanja Lazarova-Molnar, Nader Mohamed, Jameela Al-Jaroodi
Año 2019
Fuente

Problema a Resolver.

El autor ha establecido un punto de vista experto para discutir la noción de análisis de

datos, identificar nuevas formas y repensar lo que realmente es nuevo, tanto para los
emprendedores como para las instituciones educativas, en el área de big data. Este
estudio proporciona información sobre cómo los estudiantes pueden mejorar sus
habilidades y desarrollar nuevos modelos comerciales mediante el uso de herramientas
de TI y proporcionando la capacidad de analizar datos. Esto puede ser posible llevando
la herramienta de análisis al sistema de aprendizaje de educación superior. Los nuevos
métodos de análisis tienen que ayudar a encontrar nuevas formas de procesar datos y
tomar decisiones más inteligentes.

Antecedentes

El proceso de hacer uso de los datos para obtener conocimientos mediante la aplicación
de técnicas matemáticas, estadísticas y computacionales se conoce como análisis de
datos. Los insights son la forma típica de representación del conocimiento extraído, que
luego se utilizan para facilitar diferentes procesos de toma de decisiones. El análisis de
datos juega un papel central en la facilitación de la Industria 4.0. Por otro lado, la
"revolución de datos" ha creado nuevos modelos de negocio y estrategias de inversión
que permiten a las empresas monetizar sus datos existentes y a los empresarios para
crear nuevas soluciones de big data. Además, los empresarios pueden utilizar datos
abiertos para abordar cuestiones centradas en la sociedad civil, como un mejor acceso a
los servicios o las calificaciones de los proveedores de servicios locales. Por lo tanto, los
emprendedores y las nuevas empresas deben darse cuenta del potencial de data analytics
más allá de un simple termino de moda prometedora.

Aporte

La literatura sugiere que la orientación empresarial es un lente útil a través del cual
considerar el uso de Data Analytics en las pequeñas empresas. Y la contención hecha
por otros autores como McAfee y Brynjolfsson (2012) y Ross et al. (2013) tiene en
cuenta que se requiere una cultura de toma de decisiones basada en la evidencia para la
adopción exitosa de data analytics en las empresas. Como se mencionó anteriormente,
las habilidades que los estudiantes deben tener para convertirse en emprendedores de
datos tienen una demanda excepcionalmente alta. Y el papel de las instituciones de
educación superior es prepararlas para una carrera que se posiciona en la interfaz del
análisis de Data Analytics; informática, emprendimiento y negocios. El enfoque de
predicción y los métodos de análisis tienen un papel importante en la creación de
oportunidades sociales y económicas. Lo que sugiere que las prácticas analíticas deben
estar en todos los emprendedores. Las experiencias respaldan esa analítica como una
capacidad central de sus nuevas empresas. El autor visto el potencial del uso de la
analítica no solo para diferenciar sus modelos comerciales, sino también para innovar.
La analítica de data analytics se ha convertido en un requisito esencial para ejecutar la
mayoría de las empresas. Aunque es posible que las empresas emergentes y los jóvenes
emprendedores no gasten mucho en data analytics, pero sin la necesitan absolutamente
investigar, estudiar y seguir la tendencia para llevar sus empresas a las alturas.

Algunos beneficios que menciona el autor son:

 Decisión de apoyo: los empresarios pueden hacer uso de la gran cantidad de

datos relevantes para su negocio en particular. Por lo tanto, tendrían que filtrar
los datos de acuerdo con su especifica necesita y derivar significado de los datos
que fi les da lo mejor.
 Reducción de costo: Se ha descubierto que los macrodatos pueden ser muy
útiles para aumentar las arquitecturas existentes de las empresas. Además,
 cuando se toman decisiones más precisas, también se alivia la posibilidad de
incurrir en pérdidas. Por lo tanto, con el uso correcto de la analítica, las
empresas emergentes y los emprendedores pueden tener éxito en la reducción de
sus costos operativos, que suele ser uno de los mayores desafíos para cada nueva
empresa.
 Perspectivas del cliente: El crecimiento de cualquier empresa depende de cómo
mantener las preferencias, gustos, gustos de sus clientes en cuenta para diseñar
sus productos y servicios. El análisis de datos puede ayudar a las empresas a
obtener acceso a la información necesaria y relevante.
 Usos de datos abiertos: Los datos abiertos, además de su potencial económico y
de creación de nuevas actividades, también se encuadran dentro de una elección
filosófica o ética. Cifran el comportamiento humano colectivo y, por lo tanto,
también pertenecen a aquellos a quienes medimos estos comportamientos. La
cultura de este fenómeno se basa en la disponibilidad de datos para una
orientación comunicativa.

Resultados y/o conclusiones

Las métricas de rendimiento típicas para las instalaciones de fabricación son la

satisfacción del cliente, la productividad, la rentabilidad, etc. Los datos que se pueden
obtener fácilmente cambian las reglas del juego para abordar los criterios de
rendimiento y automatizar los procesos de toma de decisiones para aprender de los
datos históricos. El nombre del juego que captura la facilidad de recopilar datos y
utilizarlos para mejorar los procesos de fabricación es Industria 4.0. Aunque la Industria
4.0 todavía se encuentra en el nivel de un concepto, está sucediendo a través de la
multitud de herramientas que utilizan datos para optimizar automáticamente las métricas
de rendimiento de fabricación predefinidas. Sin embargo, este creciente conjunto de
herramientas sigue siendo un lujo para las pymes. Para mantenerse al día con la
competencia y los nuevos avances tecnológicos, las pymes deben ayudarse entre sí
uniéndose a sus esfuerzos de análisis de datos. Motivado por esto ventajas, incluidas las
ventajas para las grandes corporaciones. Además, introdujimos modelos para realizar
CDA (collaborative data analytics), basados en las circunstancias y limitaciones del
fabricante. Finalmente, nuestros hallazgos fueron capturados en un marco para CDA
que identifica y describe los procesos que son necesarios para su implementación. Uno
de los principales desafíos que hemos identificado es la protección de datos, y dichos
mecanismos de seguridad deberán estar en su lugar para permitir el potencial que CDA
tiene para mejorar en muchas de las métricas de desempeño de los fabricantes. Esto
presenta un proceso importante en nuestro marco y forma parte de nuestro trabajo
futuro, junto con la implementación del marco y sus extensas pruebas.

Aporte al trabajo del curso