客戶案例

從資料倉儲到決策

Seagate 如何運用富有民主精神的分析技術打造具有深度知識素養的組織

Seagate 建立了當代 datasphere，是一家以資料為導向的企業，這一點應該不令人意外。Seagate 堅持，從工程到行銷，乃至於與世界各地的產業巨擘合作，各大小營運決策都要有充分的資料根據。該公司的領導者大多有著工程師與科學家的出身背景，他們強化員工對資料的依賴，成功發展出一個非常具有知識素養的組織。

儘管資料基礎架構十分複雜，Seagate 仍然已經做好充分的準備，可以轉型迎接 AI 當道的未來；但所有組織都會面臨資料方面的挑戰。Seagate 在 2020 年委任 IDC 進行的一項全球獨立調查就指出，原本預期企業資料的年成長率可以達到 42% 以上，但目前仍有 68% 的可用資料懸而未用。

重新思考資料這份報告中指出了資料價值大部分喪失的幾個原因：首先，錯失了計量學方面的機會。組織往往未能確實收集到需要的資料，也不確定是否需要已經收集到的資料。其次，資料儲存和安全管理不善會立即抵銷企業資料所能發揮的價值。最後，許多公司在不自覺的情況下形成資料孤島，產生了尋求全球營運最佳化的內部盲點。

DataOps 學科的興起是突破這些失敗之處的解決方案之一，因為這項學問能夠連結資料創作者與資料使用者 – 這正與 Seagate 秉持的理念不謀而合，多年前就深刻體會到這一點的工程師們，如今已經成了這家公司的董事和副總裁。資料通訊連結了技術和人力資源，而強大的企業級資料分類策略能將不同資料類型的需求分門別類，力求能夠運用資料達成目標。

但是，光是奠定資料分析方式的知識基礎還不夠；您必須妥善分析資料，所以需要找對工具。因此，Seagate 的所有工程師都能使用 JMP® 統計發現軟體，也有少數特定工程師可以使用 JMP Pro。

「如果您是建設公司，正在蓋房子，您會給您的工人鐵鎚嗎？當然會了。」Seagate 機械研發部門總工程師 Ted Ellefson 說，「我們的工程師如果要分析資料，那麼他們通常會使用 JMP。」

智慧製造徹底改變了資料格局

Ellefson 在 Seagate 擁有 25 年研發營運經驗，並具備六標準差黑帶大師資格，目前也是 Seagate 明尼亞波里斯廠設計與開發部門的成員，他的團隊主要負責支援資料分析指導與諮詢、實驗設計、業務流程管理，以及發掘整個業務流程中的改善機會。雖然他是製程改善專家，但 Ellefson 強調，他是研發總部的一員；在 Seagate，分析專業知識是具有體系脈絡的，並非分散在不同的部門或地區中。

「我們生成的資料量正在高速地成長，」Ellefson 表示，「但是我們可能只善用了三分之一的資料。所以我們在想，如果能夠深入研究剩下三分之二的資料，還可以為公司及社會做出多少貢獻。」

趁著這次機會，Ellefson 目前正在與 Seagate 的研發工程師合作，挖掘尚未得到使用或充分運用的資料。此外，來自領域專家和技術團隊的機構知識扮演著非常重要的角色，他們能夠協助 Ellefson 瞭解可以取得哪些資料、哪些資料庫是必須查詢的。若能整合產業知識和工程專業知識，便能發揮資料分析的綜效，讓整體工作更加成功。

人工智慧不是要取代領域專業知識，而是要與之相輔相成

二十年前，六標準差協助我們建構出以資料為基礎的文化。如今，自動化和機器學習成為眾人關注的焦點。但要建立可靠的模型，人之間的彼此互動仍然非常重要。Seagate 的領域專家瞭解如何憑借必要的科學知識產生可靠的模型，使其成為工廠管理、設計決策、產品功能、產品設計等的基礎。

製造工程師的角色是利用他們深厚的程序知識和直覺來找出重要的流程輸入和輸出變量，並建立模型來顯示需要監控的參數。「然後我們就可以建立一個自動化資訊系統來即時監控，」Ellefson 說，「我們工廠的 AI 可以從多維的角度來監控我們認為重要的因子，並在情況與預期不同時提醒我們，好讓我們進行調查，決定處理方式。」

Ellefson 打了一個生動的比方：資料自動化系統的運作方式就像高速公路旁的停車振動帶。如果您開始偏離車道，就會感到震動，表示您需要調整方向，以免發生事故。這種較緩和的警報可以讓您在撞到護欄之前改變方向。

Seagate 的 AI 系統架構也是如此。Seagate 全球各地的工廠現在都配備了強大的製造執行系統 (MES)，可供工程師應用多維統計流程控制 (SPC)。自動化 SPC 圖表可讓製造人員透過一個儀表板 24 小時不間斷地監控生產操作和設備。然後，這些儀表板可以透過文字或電子郵件提醒領域專家留意資料中可能的異常情形。

「JMP 的作用是從頭幫助我們探索資料，以確定哪些參數和互動是最重要的。」Ellefson 說明道，「然後探索哪種 SPC 監視工具最有效，確定之後，您就可以用自動化資訊系統或 MES 系統部署特定技術，然後持續即時運作。」

即使工程師們不知道自己要的是什麼，JMP® 都給了他們一個起點

在研究、設計、開發和製程工程來說，初期在資料方面所面臨的挑戰通常是最難克服的，因為這時候專家可能都還不知道要尋找什麼。Ellefson 表示，雖然科學的判斷可能會將他們引導至適當的資料庫，但關鍵是是如何瞭解從哪裡開始探索和查詢資料。

「作為開發工程團隊，有時候我們不知道哪個設計會運作得比較好，或者哪個因子才是真正重要的。我們可以從物理常識知道什麼是重要的，但是，但在現實世界、莫非定律和工廠的環境下，您不一定能確定會發生什麼。」Ellefson 指出，快速篩選多個參數、深度探討最重要的幾個，然後進行實驗才是開發工程的關鍵。

「JMP 可以在探索中發揮關鍵作用，幫助您快速有效地探索和理解您的資料，讓您不用知道自己想做什麼。JMP 是一個很棒的工具──您可以探索資料，具體瞭解哪些資料有用、哪些沒用。」

Ellefson 稱之為「從基本知識到等高知識」；最佳化機器以達到最佳性能，並從基本知識推論出新的設計空間。他補充道，「JMP 可以幫助工程師建立知識脈絡，設計工程與製程工程就是這麼一回事！我們必須不斷傳遞知識給公司。這就是 JMP 的資料分析能辦到的。」

培訓讓每個人都熟悉 Seagate 以資料為中心的文化──解決業務挑戰，而不只是做統計

雖然 JMP 可能會降低開始探索的障礙，但 Seagate 的繼續教育文化，特別是在分析領域，才是該公司成功推動分析整合引擎的關鍵。Seagate 向所有有意願學習的人提供六標準差培訓，而 Ellefson 支援了六標準差學員長達 12 個月。

「(在大學) 很多人都接受過統計學的訓練，但那只是統計資料的應用，一般來說不是很足夠。」他說，「所以我們才推出了內部培訓計畫。它不是統計課程，而是應用工程課程。」Ellefson 表示，過去他甚至觀察到連統計學博士都能從應用培訓中獲益。畢竟，這是工程團隊的主要焦點：將數學用於業務問題或業務改善機會。

「我們的工程師和科學家不是領錢來做統計的，而是來提供建議和做決策。所以，我們在內部奠定基礎，其實是為了有能力教他們運用資料達到這個目的。」

為領域專家提供分析結果

Ellefson 指出，雖然 Seagate 的許多員工已經是物理、化學、磁力學等領域的頂尖專家，但他們仍然可以從 JMP 這種專門為工業應用而設計的分析工具中受益。正因如此，Seagate 的領導層才會讓所有會接觸資料的員工都使用 JMP。有了 JMP，他們可以更兼具效率和效能地解釋結果、更戰略性地設計實驗，並充分運用目前可用的所有統計方法。

「JMP 的一個小按鈕就可以根據數百萬行程式碼、四五十個資料檔案建立出圖形──實在太神奇了。只需要按一下 JMP 指令碼，就可以產生結果和圖形來幫助您做出決策……20 年前根本沒有這種技術。」

Seagate 之所以能創造資料建立者和資料使用者之間的有效循環，也有賴於彼此溝通。雖然下游專家可以弄明白工廠系統架構資料中的干擾，但他們還必須將發現的任何見解轉化為更容易消化的資訊。Ellefson 指出，這裡的關鍵是資料視覺化；「如果您可以提供圖片來清楚地說明狀況，您就可以把它當作對話的切入點。」

Ellefson 舉了一個例子：他曾經將一份 JMP 分析展示給一位 Seagate 的副總裁。對方很快消化了資料，並同意 Ellefson 的說明，在會議結束之前，兩人已經定下了一項行動計畫。然後這名副總裁向上司呈報這些圖形，以取得推動計畫所需的資源。

「有效的圖表可以推動正確的決策。有效的視覺化圖表可以讓檢視者瞭解狀況，幫助他們為組織做出正確的建議和決策。您必須把所有您想呈現的概念視覺化，才能真正為資料使用者提供意義。」

志趣相投的團體聚集，散播新的構想

儘管標準 JMP 軟體套件的功能已經遠超出大多數一般使用者可能利用的範圍，但 Seagate 仍然為少數策略使用者提供了 JMP Pro。「我們採用標準 JMP 提供的知識和進行的分析，並應用來自 JMP Pro 的一些更進階的分析技術，例如功能元件分析和廣義迴歸。」Ellefson 解釋道。標準授權是公司分析民主化的核心資源，而 JMP Pro 可以在策略業務領域中進行進階分析。

不論經驗程度，Seagate 內部的 JMP 和 JMP 使用者每月固定開會一次。定期開會的目的在於合作交流並向其他領域專家學習，分屬公司各部門的人一起分享自己如何使用 JMP 克服新的挑戰。Ellefson 本身也活躍於該區域的外部 JMP 使用者團體，他解釋說「我們可以透過這種方式相互學習。何況，這讓 JMP 用戶形成一個社群，共同分享最佳實務和構想。」

Seagate 注重統計方面的學習與發現 – 這同時也是 JMP 秉持的核心價值，而該公司長久以來始終能夠稱霸相關產業，未來發展也指日可待，這一點無疑是相當重要的因子。