Daten werden oft als das Gold des 21. Jahrhunderts bezeichnet. Doch viele Unternehmen wissen gar nicht, welche Daten sich verwenden lassen und wie sie diese aufzeichnen oder auswerten können. Welche Daten könnten also gesammelt werden und wie können sie ausgewertet werden? Welcher Zweck steht dahinter?
Jede Menge Daten
Identifizieren Sie sich mit einem der folgenden Sätze?
„Was soll es bei mir denn schon für Daten im Unternehmen geben?“
„Naja, wir speichern die Daten alle irgendwo, aber wir machen eigentlich nichts damit.“
„Daten? Jede Menge. In Excel, in Ordnern, in Datenbanken… aber alle in unterschiedlichen Formaten.“
Dann gehören Sie zu den vielen Unternehmen, in denen ein Schatz tief vergraben liegt. Das ist nichts Neues. Neu ist jedoch, dass durch die zunehmende Sensorik und Vernetzung, sowie durch vielfältige automatische Aufzeichnungen, ständig noch mehr Daten dazukommen. Das führt in einigen Unternehmen zu neuen Geschäftsmodellen, spannendem Wissen, neuen Kunden und effizienteren Prozessen, in anderen zu noch größeren Datenfriedhöfen.
Der Unterschied zwischen beiden Situationen besteht darin, was die Unternehmen mit den Daten machen. Daten sammeln führt nicht zu mehr Intelligenz, aber Daten strukturiert auswerten schon. Egal ob es sich um bereits vorhandene oder neu zu sammelnde Daten, einzelne oder mehrere Datenquellen handelt. Seit zehn Jahren gibt es sogar eine Berufsgruppe die sich vor allem mit dem Auswerten von Daten beschäftigt. Der Data Scientist wurde erst vor kurzem als „coolster“ Beruf des 21. Jahrhunderts betitelt.
Beispiel zur Nutzung vorhandener Daten
Ein Beispiel aus der Produktion. Moderne Maschinen sind standardmäßig mit einer Vielzahl an Sensoren ausgestattet, die permanent Informationen über Betriebszustand, Laufzeit, Temperatur, Druck, Verschmutzung und viele andere Datenpunkte liefern. Oft passiert damit – gar nichts. Manchmal wird nach einem Ausfall der Maschine manuell ausgewertet, welche Werte die Sensoren zum Ausfallzeitpunkt lieferten, um etwas über die Ausfallursache herauszufinden. Aufgrund der Vielzahl der Datenpunkte ist das jedoch ziemlich schwierig, und meistens werden nur die Daten unmittelbar beim Ausfall berücksichtigt.
Der neue Produktionsleiter möchte jedoch wissen, wie sich die Werte vor dem Ausfall entwickelt haben, und ob es Zusammenhänge zwischen den Werten gibt. Die Maschine liefert sekündlich 50 Sensordaten. Haben Sie schonmal versucht, das mit Excel auszuwerten und Trends zu entdecken? Kein Wunder also, dass die Mitarbeiter diese Aufgabe erstmal auf die lange Bank schieben.
Die neue Werksleiterin möchte noch mehr wissen als der Produktionsleiter – sie möchte in Echtzeit über Probleme und Hinweise auf mögliche Ausfälle informiert werden. Was jetzt?
Das geht natürlich nicht alles auf einmal. Und nicht mit Excel. Auch die meisten PLM Systeme sind für diese Fragestellungen nicht geeignet.
In diesem Beispiel ist es zumindest so, dass die Daten in einem einheitlichen Format an einem Ort vorliegen. Daher kann die Analyse-Arbeit schnell beginnen.
Datenanalyse
Im ersten Schritt nehmen wir die Maschinendaten aus der Vergangenheit und suchen mit Algorithmen nach Zusammenhängen und Mustern. Wir hauchen dem Datenfriedhof Leben ein. Bereits in diesem Schritt finden wir Zusammenhänge z.B. zwischen Uhrzeiten und bestimmten Maschinen-Parametern wie Temperatur und Druck. Darum bitten wir um mehr Informationen – den anonymisierten Schichtplan und die Daten des Qualitätsmanagement. Der nächste Zusammenhang, den wir finden, ist zwischen der Anzahl schlecht getesteter Stichproben und den vorher unterschiedlich eingestellten Parametern. Bei niedrigerem Druck gibt es hier etwas mehr Ausschuss. Gleichzeitig finden wir einen Zusammenhang zwischen Schichtplan und Maschinenparametern. Die Mitarbeiter in verschiedenen Schichten scheinen die Linie leicht unterschiedlich einzustellen. Und dann finden wir noch einen Zusammenhang zwischen Druck und ungeplanten Maschinenstopps – bei höherem Druck sind diese bei einer Maschine leicht erhöht.
Aus Daten werden Informationen
Und was machen wir jetzt mit diesen ganzen Informationen?
Uns fehlt noch die Information, was genau die Maschinenstopps verursacht, also an welcher Stelle der höhere Druck Ausfälle verursacht. Darüber gibt es Notizen, die jetzt durchsucht werden müssen.
Aus Informationen werden Aktionen und Ergebnisse
Aus diesen ganzen Analysen ergeben sich drei Aktionen und Ergebnisse:
- Ein Teil an der Maschine wird dauerhaft durch eines aus festerem Material ersetzt. Das reduziert die Stopps dieser Maschine.
- Optimale Parameter für möglichst geringe Qualitätsprobleme werden ermittelt.
- Alle Mitarbeiter durchlaufen eine Schulung zu den optimalen Parametern. Dadurch reduziert sich der Ausschuss.
- Die Werte werden ständig automatisiert überwacht, und das System alarmiert bei Abweichungen
Diese Ergebnisse sparen dem Industrieunternehmen viel Geld, und durch das Vermeiden von Qualitätsproblemen erhöht sich auch die Kundenzufriedenheit.
Wenn wir andere Daten analysieren, wie z.B. Kunden- und Bestelldaten, erhalten wir viele spannende Informationen über das Verhalten und die Eigenschaften der Kunden. Dadurch können gezieltere Vertriebs- und Marketingmaßnahmen durchgeführt werden, was zu höherem Umsatz führt.
Die Werkzeuge, die uns zum Gold bringen
Unsere Schippen und Spaten zum Schatz heben sind:
- Viel Zeit und Geduld beim Zusammensuchen und Vorbereiten der Daten
- Algorithmen, auch bekannt als Künstliche Intelligenz oder Maschinenlernen
- Data Scientists – Menschen, die Daten lieben und intuitiv damit umgehen können
- Business Experten – Menschen, die eine Idee haben, wie die Ergebnisse der Analyse in den Unternehmenskontext passen
Wir freuen uns jedes Mal, wenn wir mit diesen Methoden überraschende Zusammenhänge finden oder beweisen und Mehrwert schaffen. „Insights in a Week“ ist eines unserer Angebote, welches auch Ihnen zu mehr Kontrolle und Übersicht bei Ihren Daten helfen kann. Kontaktieren Sie uns, wenn wir Ihnen bei der Schatzsuche helfen können.
