很多公司在数据分析上投入了大量时间和金钱，但他们往往更注重分析技术，而不注重数据来源。事实上，质量分析作为一项功能，如果能针对不同级别类型的数据采取不同的技术手段，才至关重要。
LNS Research的研究还发现，58%的公司正在部署工业数据分析解决方案，但只有11%的公司实现了业务目标。这里有很多原因，但其中一个主要原因是数据管理。
在这里，我们将重点介绍LNS Research的质量4.0报告中的一些重要发现，包括陈旧的流程带来的挑战，以及工业数据中心可以怎样解决这些难题。
质量管理实践和挑战的实例
当下的质量管理实践并不能自然而然向质量4.0的过渡。高回报率的应用并非垂手可得，往往需要复杂的数据连接和集成能力，而这正是许多公司所缺乏的。这种缺乏给希望通过使用数据提高业务效率的组织带来了挑战。以下是制造业从业者面临的一些挑战，这些挑战阻碍了他们从数据分析中实现具体业务目标。
基于纸质文档的流程
完全基于纸质流程的坏处一目了然。简单说是过时的，严重说则会对公司业务造成损害。使用物理文档存储数据的效率非常低。它们的信息往往不一致，容易出错，很难相互引用，记录和重新查看这些数据非常耗时。然而调研中差不多四分之一的公司仍在其质量流程中使用纸质文档。
将高质量的数据数字化是具有挑战性的，因为它涉及到流程的转变和数据存储的变化，以及新的思维方式。仅仅因为纸质流程在过去奏效，并不意味着它们永远都会起作用。事实上它们将来几乎肯定会让你失望。
基于文件的系统
纸质文档并不是质量管理和数据收集效率低下的唯一罪魁祸首：使用电子表格、Word文档、PPT文件和其他基于平面文件的系统也是并非最佳选择。之前纸质文档的一些问题也许可以避免，但电子文档也不能在质量审计或检查分析的场景下提供更多有用的信息。
另外，电子文档也不支持质量自动化所需的工作流，而质量4.0的领导者正在迅速打通瓶颈转而拥抱各种先进的质量管理方法。
IT与关系型数据库
最常见的情况是，质量部门通过多个IT系统来管理所需的质量数据。首先，不同系统间会出现效率低下和数据不一致的冗余问题。另外质量管理系统也需要与其它应用程序集成，包括企业级SCM、CRM、MES、归档系统以及SPC、LIMS系统等。
这些系统是花时间打造的并且业务部门很熟悉，因此客户会选择继续使用它们。问题是，由于各系统设计时候缺乏统一规划，所以数据的跨系统集成、数据质量和访问限制方面存在各种问题。幸运的是，高级质量管理系统如ETQ Reliance，可以实现以上场景的系统集成，以丰富产品生命周期所有阶段的质量数据。
工业数据中心
如何为质量4.0打开新机遇
图片作为一项功能，质量跨越了不同的业务层次，需要多种类型和格式的数据来执行有意义的分析。这种复杂性远远超出了传统质量数据管理流程所能处理的范围。因此，需要一种数据中心方法来克服当下的挑战，并使质量领导者能够追求质量4.0用例，从而最大化ROI。
工业数据中心的好处包括释放大数据分析的力量，以便从产品生命周期的所有阶段获得与环境相关的质量数据。数据中心旨在为所有IT和OT(运营)系统提供单一的真理来源。在IT方面，数据中心允许质量工程师对制造、质量、供应商和客户信息执行高级分析，以减少供应商缺陷、维护费用等。在OT方面，数据中心允许使用这样的数据用例：如操作员的动态工作指令，以及将SPC数据与其他数据点关联以获得洞察的能力。
工业数据中心的存在并不是为了取代数据管理系统：它们从不同的来源收集和聚合数据，并为其它应用程序使用这些数据做好准备。这种变化需要在底层流程中进行深度转换，并需要必要的人员和流程能力的支持。此外，数据池的建立也需要参考严格的数据治理流程来实现回报最大化。