过程行业的生产制造商每天、每小时或每分钟收集和存储的数据可以达到百万兆字节。这些数据中的绝大部分，都未被用于改善工厂运营。
　　下图中的案例揭示了最常见的挑战：在到达运营决策制定者之前，99%的数据都会丢失

图1：根据管理咨询公司麦肯锡提供的研究报告显示，收集到的数据中有将近99%并未使用。图片来源：麦肯锡公司

　　据Gartner公司的统计www.cechina.cn，所收集数据的70%并没有被用于分析或获得对过程的理解。麦肯锡公司认为这一数字更是达到了99%（见图1）。这就是被称为“数据丰富、信息贫乏”的尴尬现实：用户和组织被淹没在繁杂的数据中，但同时又迫切的需要有价值的信息（见图2）。

图2 ：许多过程行业的企业发现，他们虽然拥有丰富的数据，但是缺少对数据深入的了解和分析。这就是众所周知的“数据丰富，但信息贫乏”的困境。图片来源：Seeq 公司

　　为什么会出现这样的情况呢？这是过程制造企业所面临的一个重要问题。在过去20年中，提供“可操作的信息”一直是过程分析的一个永恒主题。云，或者用更新的名词——云计算，作为一种新的解决方案已经被提出，用于缩小数据和信息之间的差距。即使是“大数据”（一种可追溯到上世纪90年代的概念），在这个问题上也未能有所建树。相反，越来越多的数据正源源不断的被创造出来，同时也就意味着有更多的数据未能得到充分利用。

　　过程数据的效益
　　考虑下面的问题：在生产制造设施中，谁最应该负责从过程数据中获得有用的信息，以及谁将从中受益？答案是过程工程师，它们是生产设施工程专业的代表。他们拥有诸如工厂自动化工程师、分布式控制系统（DCS）工程师以及首席过程资产专家等头衔。
　　尽管头衔不同，但将其联系起来的是他们所在组织内的资产和过程专家。他们知道需要什么数据，以及哪些数据可用于分析。过程工程师代表一线员工，具有相应的专业技能以及需求，将生产数据用于改善质量、产量和利润。
　　需要考量的另外一个因素是过程工程师在过程数据中寻找有用信息所依赖的工具。对过程制造组织来讲，数据和信息之间最常见的桥梁是工程师以及电子表格。每个历史数据都可以链接到电子表格，以方便分析从生产设备中获取的时间序列数据。
　　数据加速
　　加速数据的使用必须能够促进过程工程师的工作。这种方法与许多“数据丰富、但信息贫乏 ”问题不同例如，（大数据、机器学习和先进统计软件包），更专注于软件架构师、程序员和数据科学家的应用和实现。在这种环境中，工程师熟悉工厂环境和运营，利用这些关键知识，可以从数据中获得有用的信息。工程师应该是第一个关注获取产品信息的工具，而不是最后一个。
　　先进的数据分析解决方案必须能够解决和升级电子表格所提供的关键功能，这些关键功能使其在过去30年中一直是可供工程师选择的工具。电子表格已经变得非常流行，任何新的解决方案想要加速并缩小数据和信息之间的差距，需要包括更多的先进功能。
　　数据集成：ARC咨询集团认为，在企业智能制造环境中www.cechina.cn，对过程制造问题的调查，“平均”需要访问7个数据系统。为转移现有的电子表格，软件必须从多个系统、格式和类型中获取数据。
　　灵活性：数据调查的过程包括用迭代、试验甚至错误的解决方法来解决问题，这包括一系列小步骤，如数据融合、数据清理、计算、可视化和协作。如果分析无法获得结论，用户需要在分析中回溯，并开始一个新的调查路径。
　　报告：电子表格使得用户可以共享信息，并创造新的数据报表。用户可以张贴、打印、嵌入和发送电子邮件，共享、发布这些报表。这些数据可以在任何设备、任何应用程序或浏览器上查看CONTROL ENGINEERING China版权所有，并且可以运行在就地部署的设备或云端。电子表格的替代方案将只需要查看图形：如执行仪表盘、模板，这些工具将用户交互限制到可选的有效范围内，或完全高保真的访问，以促成跨团队的协作。
　　新的数据分析工具
　　大数据技术、数据科学和横向扩展架构等方面的创新，使过程工程师具有使用这些应用经验或功能特性的权限，并且不需要广泛的培训或专业的IT技能。
　　该模型可用于消费体验，如谷歌的搜索引擎或Siri的语音识别技术。为什么分析应用程序不能用同样的方式，为过程工程师将这种复杂性封装起来？这是一个很好的机会CONTROL ENGINEERING China版权所有，通过利用技术和消费者体验领域的创新，在解决方案中充分利用电子表格的可用性和灵活性。

图3：可视化信息，使工程师和其它制造专家可以直接与数据交互，并快速从中获得所需的信息。

　　为过程工程师提供正确的应用程序，以弥补数据和信息之间的差距是必不可少的。先进的可视化信息解决方案只需要几分钟来组装、整理和组织数据，这就可以为工程师提供更多的时间来调查生产问题。其结果是提高了员工的生产效率和能力www.cechina.cn，从而可以实现更好的收益率、利润率、产品质量和安全性（见图3）。（作者：Michael Risse）