"在西門子數(shù)據(jù)戰(zhàn)略與人工智能應(yīng)用論壇上發(fā)布《數(shù)據(jù)戰(zhàn)略--讓數(shù)據(jù)資產(chǎn)創(chuàng)造價值》白皮書
"指出數(shù)據(jù)戰(zhàn)略及數(shù)據(jù)資產(chǎn)建立和管理是落地數(shù)字化轉(zhuǎn)型戰(zhàn)略的基礎(chǔ)和必要保障
西門子在今天舉辦的西門子數(shù)據(jù)戰(zhàn)略與人工智能應(yīng)用論壇上發(fā)布了《數(shù)據(jù)戰(zhàn)略--讓數(shù)據(jù)資產(chǎn)創(chuàng)造價值》白皮書。西門子攜手行業(yè)專家和垂直領(lǐng)域用戶，以工業(yè)人工智能應(yīng)用為中心，結(jié)合國際技術(shù)趨勢和領(lǐng)域最佳實踐，深入探討建立數(shù)據(jù)資產(chǎn)、發(fā)掘數(shù)據(jù)價值與工業(yè)人工智能落地的具體解決方案。
朱驍洵在西門子數(shù)據(jù)戰(zhàn)略與人工智能應(yīng)用論壇上發(fā)表演講
"企業(yè)數(shù)字化轉(zhuǎn)型的目標(biāo)不僅僅是單個價值鏈上各個環(huán)節(jié)的集成，而是需要沿著數(shù)據(jù)的生命周期，實現(xiàn)跨價值鏈數(shù)據(jù)的自由流動與交互，把知識的價值釋放出來。"西門子（中國）有限公司執(zhí)行副總裁、西門子艾聞達中國區(qū)總經(jīng)理朱驍洵表示，"數(shù)字化僅僅是工具，并不是企業(yè)發(fā)展的目標(biāo)。如果企業(yè)沒有明確的戰(zhàn)略發(fā)展目標(biāo)與清晰的數(shù)據(jù)戰(zhàn)略，盲目地為了數(shù)字化而數(shù)字化，則會舍本逐末，難以獲得真正的價值。恰如挖掘金礦一樣，數(shù)字化工具僅僅是一把鐵鍬，企業(yè)的終極訴求是從一切生產(chǎn)管理活動產(chǎn)生的海量數(shù)據(jù)中，挖掘出有價值的信息，通過提煉形成高附加值的知識與洞察，再與領(lǐng)域模型融合，通過數(shù)字孿生使企業(yè)數(shù)據(jù)黃金的價值得以釋放！"
田鵬偉在西門子數(shù)據(jù)戰(zhàn)略與人工智能應(yīng)用論壇上發(fā)表演講
西門子中國研究院大數(shù)據(jù)分析研發(fā)部總監(jiān)田鵬偉表示："工業(yè)人工智能的關(guān)注點與互聯(lián)網(wǎng)和消費領(lǐng)域有很大不同，領(lǐng)域知識和專家經(jīng)驗的重要性、普遍的工況差異帶來的數(shù)據(jù)問題、工業(yè)場景的高可靠性要求、項目期內(nèi)投入產(chǎn)出比的測算要求等等，都對工業(yè)領(lǐng)域人工智能技術(shù)的應(yīng)用提出了特定的需求。針對這些需求和挑戰(zhàn)，西門子數(shù)據(jù)分析和人工智能團隊一直在探索打造客戶用得起、用得好的工業(yè)人工智能解決方案。"
數(shù)據(jù)被認(rèn)為是土地、勞動力、資本和技術(shù)之外的第五類生產(chǎn)要素，堪稱"新型石油"。此次發(fā)布的《數(shù)據(jù)戰(zhàn)略--讓數(shù)據(jù)資產(chǎn)創(chuàng)造價值》白皮書指出，數(shù)據(jù)戰(zhàn)略及數(shù)據(jù)資產(chǎn)建立和管理是落地數(shù)字化轉(zhuǎn)型戰(zhàn)略的基礎(chǔ)和必要保障。白皮書將數(shù)據(jù)資產(chǎn)定義為"企業(yè)的研發(fā)、生產(chǎn)、運營、物流等一切管理活動所產(chǎn)生的，企業(yè)擁有使用權(quán)利的，具有明確來源和意義的，能夠產(chǎn)生業(yè)務(wù)價值的數(shù)據(jù)。"白皮書認(rèn)為，數(shù)據(jù)資產(chǎn)的建立過程就是數(shù)據(jù)價值提升的過程，并進一步指出了"數(shù)據(jù)采集-數(shù)據(jù)清理-知識圖譜建模-知識中臺建立"四步走方法論，實現(xiàn)數(shù)據(jù)資產(chǎn)建立和管理，加速企業(yè)數(shù)據(jù)資產(chǎn)增值。此外，白皮書用詳實的案例展現(xiàn)了西門子如何助力客戶實現(xiàn)數(shù)字化轉(zhuǎn)型。
白皮書免費下載鏈接：
https://new.siemens.com/cn/zh/company/innovation/artificial-intelligence/data-analytics-services.html#whitepaper
