要想成为一名数据科学家，你需要一段重要的跨学科旅程；除了数学、统计学、计算机科学（例如编程、数据库等）所需的培训外，还需要对建模的系统有基本的了解。 要成为该领域的专家，需要多年的正规培训和在职培训。 数据科学家在制造业的生产线上被大量雇佣，以识别问题进而提高整体的生产效率。 此过程的第一步是从众多不同来源中提取数据，并将其转换为更易于理解的格式以进行建模。 行业领导者长期以来一直认为，数据争论非常耗时且非结构化，无法满足整个制造业中来自客户的许多质量需求[1],[2]。
为了减轻数据科学家身上的数据争论负担，我们推出了 SmartFactory Rx™ 数字平台，该平台通过提供易于使用、高度可配置的最小代码环境以及与许多常见数据源（包括文本文件）的已建立连接器来应对这一挑战。 通过这种方式，减轻了提取、传输、记录（ETL）和数据语境化的工作，因此数据科学家可以更有效地利用时间来监控和获取洞察，并优化他们负责的流程。
ETL和语境化的初始阶段只是数据科学家工作中承担的冰山一角。 数据科学家在当今许多生产线设置中面临的其他挑战通常如下：使用多个软件包进行数据收集和分析（取决于数据源）并解决各种连接和集成挑战。 （图1A）。 这些挑战导致数据科学家依赖于IT技术提供支持，并削弱了数据科学家从数据中快速提取补充价值的能力。
因此，获得高度集成的软件解决方案，如 SmartFactory Rx 自动化数字平台，使制造商能够连接数据孤岛并提高数据科学家（图 1B）快速掌握有价值的数据洞察的能力。
