A Big Data ígéretei a gyártásban: pontosság és hatékonyság a termelési folyamatokban, jobb előrejelzés a termék iránti keresletben, gyorsabb és agilisabb döntéshozatal.
De ezek az előnyök nem annyira egyértelműek, mint ahogy gondolnád, mert a középvállalatok anélkül gyűjtik az adatokat, hogy használni tudják a fejlődésükhöz, vagy, hogy találkozzanak az üzleti céljaikkal.

Mennyi potenciális üzleti adat porosodik a szerveren? Hogyan tudnád elkezdeni használni ezeket?

Íme, az 5 lépés Big Data használatához:

  1. lépés: Ismerd fel a problémákat, illetve a célokat

Mielőtt megvizsgálnád az adatokat, először is szükség van arra, hogy megértsd mi az a probléma, amit meg kell oldanod. Ez lehet egy anyaggazdálkodási szűkösség, növekedés a gyártási időben, vagy akár hiányos biztonsági intézkedések. Ezen a ponton vegyünk egy példát: egy közepes méretű érzékelő gyártó cég vezetője észreveszi azt, hogy szokásosnál több gázérzékelőjét kellett javítani az utóbbi időben, és tudni szeretné, hogy mi okozza a problémát.

A Big Data úgy lehet igazán sikeres, ha tudod, hogy mit is keresel.

  1. lépés: Tegyél fel kérdéseket

Az adatok minősége gyakran figyelmen kívül hagyott szempont az adatok vizsgálatakor. Habár sok eszköz áll segítségedre az anomáliák megtalálásához, szükséges lehet konkrét kérdéseket megfogalmaznod, hogy mit is keresel igazán. Az érzékelő gyártó példájánál maradva a következő ilyen kérdések lehetnek:

  • Mikor kezdődött az érzékelők javításának növekedése?
  • Más terméknél is megfigyelhető a magasabb visszahívási ráta?
  • Történt már ilyen ezelőtt? Mikor?
  • Összefüggésbe hozhatók az új dolgozók a törött szenzorokkal?
  • Van-e összefüggés az időjárással?
  1. lépés: Adatok kiértékelése

Ezen a ponton összegezd, hogy milyen adatok állnak rendelkezésedre, milyen adatforrásokból keletkezhettek, majd értékeld azok relevancia szintjét, pontosságát, és időszerűségét. A gyártási példánknál maradva az adatforrások a következőkből állhatnak össze: ERP rendszer, beszállítók, gépek, HR rendszer, esetleg olyan külső források, mint az időjárás, vagy a közösségi média. Az adatforrások használhatósága négy szempont szerint határozható meg könnyen: Volume, Variety, Velocity, Veracity. Angolul csak a 4V. Ez annyit tesz, hogy volumen (adatok mennyisége), változat (adatok típusa és szerkezete), sebesség (adatok beérkezésének és felhasználhatóságának gyorsasága), pontosság (az adat mennyire megbízható a valóságban).

  1. lépés: Gyűjtés és bevitel

Kulcsfontosságú különbség az úgynevezett „small” és Big Data között azoknak a gyűjtése és bevitele. Egy bizonyos ponton az ERP rendszered riport funkciója korlátokba ütközhet: a standard ERP beszámolók nem minden esetben adnak elég rugalmasságot az adatok számodra megfelelő kiértékeléséhez. A nagy terjedelmű riportok lassú feldolgozhatósága visszavetheti csapatod teljesítményét, illetve külső adatforrások beépítése is körülményes. Az ETL (kiemelés, átalakítás, feltöltés) folyamata lehetővé teszi az adatforrásokból történő összes adat kinyerését, tartalmazva az ERP-t. Ezt kifejezetten a hosszú beszámolókhoz használt speciális formátumba alakítja át, amely egy elemző eszközbe kerül feltöltésre.

  1. lépés: Elemzés

A Business Intelligence (BI) fejlett vizuális megjelenítésének köszönhetően segít a gördülékeny döntéshozatalban. Általa kiértékelhetőek a komplex kimutatások, támpontot biztosítva ahhoz, hogy a körülmények ismeretében a legjobb döntés születhessen meg. Minden folyamat mérhető és összegyűjthető, így valós képet ad a meghatározott célok eléréséhez. Rámutat az eltérésekre, következésképp hatékonyabbá tehetőek a munkafolyamatok.

Ismét elérkeztünk az érzékelő gyártó példájához: most a cégvezető egy helyen éri el az adatokat. Láthatja, hogy számos gáz szenzor javítást érintő megrendelés érkezett a közelmúltban, sőt különösen magas növekedést mutat március végén, április elején. Nem mutat összefüggést az új alkalmazottak felvétele a megnövekedett törött érzékelők számával, mert új munkatársak egész évben érkeztek. Ennek fényében vezetőnk felismeri az okokat: a legyártott szenzorokat a vállalat kanadai raktárában tárolták, ahol alacsony hőmérséklet jellemző, majd a szállítása már a meleg, csapadékos tavaszi szezonban történt meg. Ez egy nagyon értékes információ, hiszen alternatívákat biztosít a cégvezetőnek: vagy fejleszti a termékeit az időjárási viszonyoknak megfelelően, vagy a gyárból nem Kanadába, hanem az éghajlati tényezők okán inkább a mexikói raktáregységbe szállítja érzékelőit.
 


 

Mekkora is az adat?

A „small” Data érzékeléséhez egy klasszikus példa: havi sales beszámoló:

  1. Tartalom

·         alapvető ERP jelentések (ügyfelek, tranzakciók, időpontok, feljegyzések)

  1. Elemzés

·         egyénenként

·         hagyományos kereső és elemző eszközökkel

  1. Keresés

·         egyéni feljegyzések részletei

·         egyéni trendek

 

Big Data példa lehet az ügyfelek vásárlási szokásairól beszámoló:

  1. Tartalom

·         lot adatok gépekről, termékekről

·         készletszintek a beszállítóktól

·         részletek a vásárlási előzményekről

·         vásárlói érdeklődések

  1. Elemzés

·         felosztott architektúra

·         speciális elemző eszközök

  1. Keresés

·         komplex trendek

Címkék:abas AG

Ajánlott bejegyzések