In Big Data steckt das Potential für viele innovative Lösungen. Gemäß dem Motto „Entdecke deine Möglichkeiten" stellt das neue eBook Big Data 2017 einige herausragende Ansätze vor, liefert zahlreiche Ideen und praktisches Handwerkszeug. Das deutschsprachige eBook steht kostenlos zum Download bereit.
Der Umgang mit großen Datenmengen ist die Voraussetzung für die Realisierung von Industrie 4.0 und die Daten sind dabei mehr als reine Informationen. Sie sind der wesentliche Produktionsfaktor und oft sogar der Schlüssel zu neuen Geschäftsmodellen.
Zunächst kommen die klassischen Analyse-Tools zum Sammeln, Aufbereiten und Präsentieren der Daten ins Spiel, so dass sie an Aussagekraft gewinnen und die Grundlage für nachhaltige Entscheidungen durch den Menschen werden. Analytics kann aber mehr, denn viele Entscheidungen müssen gar nicht mehr durch den Menschen getroffen werden; intelligente Algorithmen verarbeiten und entscheiden alleine und noch mehr, denn sie lernen auch hinzu.
Analytics spielt in einer neuen Liga
In der Wertschöpfung eines Unternehmens existieren viele Datenquellen, wie z.B. ein ERP-System, ein CRM-System, Sensordaten aus der Produktion, dezentrale taktische Datenbanken, Unmengen an Kreuztabellen, usw. Und bei diesen Daten handelt es sich lediglich um solche, die ein Unternehmen selbst generiert. Hinzu kommen Daten von außen, von Lieferanten, Kunden und Geschäftspartnern sowie aus dem Internet, mit denen etwa Mitarbeiter oder Unternehmen auf sozialen Netzwerken oder anderen Internetplattformen interagieren.
Die Folge: Selbst einfache Fragestellungen, wie beispielsweise nach dem aktuellen Quartalsumsatz, lassen sich erst durch die Aggregation vieler Daten aus diversen Geschäftsprozessen beantworten. Komplexere Fragestellungen, etwa danach, ob sich Marketing-Maßnahmen positiv auf den Umsatz oder die Margen auswirken, erfordern sogar das Zusammenführen von Daten unterschiedlicher Datenquellen. Wie aber lässt sich dieses große „Datenrauschen“ sinnvoll nutzen?
Analytics kann sich als Schlüssel zum Erfolg erweisen. Der Begriff Analytics umfasst alle Methoden, mit denen sich die genannten Probleme in den Griff bekommen lassen. Unterschieden wird dabei zwischen Real Time Intelligence, Operational Intelligence und Busines Intelligence. Der folgende Use Case veranschaulicht den Einsatz von Analytics bei Tankstellen.
Use Case: Tankstelle
An Tankstellen kommt es immer wieder zu unterschiedliche Schäden. Dies können beschädigte Zapfsäulen sein, Anfahrunfälle, defekte Preisschilder, Verschleißschäden der Waschstraße etc. Wenn ein solcher Schaden passiert, löst dieser in der Regel einen manuellen Prozess aus, an dem viele Parteien beteiligt sind: Tankstellenbetreiber, Mineralölkonzerne, Reparaturunternehmen, Versicherungen und Gutachter. Das Problem dabei ist, dass jeder dieser Prozessteilnehmer nur einen Teilbereich des Falls behandelt und es nur wenig prozessübergreifende Transparenz gibt.
Wer diesen Vorgang digitalisiert und beispielsweise eine zentrale Smart Services Plattform einbindet, die alle Beteiligten vernetzt, so dass jeder über den aktuellen Fortschritt des Schadensfalls informiert ist, wird schnell konkrete Vorteile spüren.
Während und nach Ablauf der Schadensregulierung können alle Details eingesehen werden, da alle Prozessschritte transparent abgebildet sowie die dazu gehörigen Daten und Dokumente archiviert werden. Mit einer solchen Plattform gehen Tankstellen einen großen Schritt in Richtung Digitalisierung und legen die Basis für die Einführung von Predictive Maintenance.
Predictive Maintenance
Mit dem Einbinden weiterer Unternehmensbereiche und dem Vernetzen zusätzlicher Daten beispielsweise durch Sensordaten von Zapfsäulen beziehungsweise in Öltanks und anderer Anlagen, werden cyberphysische Systeme aufgebaut, die mit Hilfe von Industrie 4.0 Analytics dafür sorgen, dass die richtigen Wartungsintervalle eingehalten und Reparaturen geplant werden, bevor es zu kritischen Ausfällen kommt.
eBook Big Data 2017
Das Beispiel „Tankstelle“ deckt die Chancen von Big Data und Analytics rund um die Zapfsäule auf. Getreu dem Motto „Entdecke Deine Möglichkeiten“ finden Leser zahlreiche weitere Ideen und Beispiele in dem eBook Big Data 2017. Es ist deutschsprachig, 68 Seiten lang und das PDF ca. 10 MB groß. Es steht kostenlos zum Download unter folgendem Link bereit:
https://www.it-daily.net/ebook-bigdata-2017
Weitere Informationen: www.it-daily.net
Der Umgang mit großen Datenmengen ist die Voraussetzung für die Realisierung von Industrie 4.0 und die Daten sind dabei mehr als reine Informationen. Sie sind der wesentliche Produktionsfaktor und oft sogar der Schlüssel zu neuen Geschäftsmodellen.
Zunächst kommen die klassischen Analyse-Tools zum Sammeln, Aufbereiten und Präsentieren der Daten ins Spiel, so dass sie an Aussagekraft gewinnen und die Grundlage für nachhaltige Entscheidungen durch den Menschen werden. Analytics kann aber mehr, denn viele Entscheidungen müssen gar nicht mehr durch den Menschen getroffen werden; intelligente Algorithmen verarbeiten und entscheiden alleine und noch mehr, denn sie lernen auch hinzu.
Analytics spielt in einer neuen Liga
In der Wertschöpfung eines Unternehmens existieren viele Datenquellen, wie z.B. ein ERP-System, ein CRM-System, Sensordaten aus der Produktion, dezentrale taktische Datenbanken, Unmengen an Kreuztabellen, usw. Und bei diesen Daten handelt es sich lediglich um solche, die ein Unternehmen selbst generiert. Hinzu kommen Daten von außen, von Lieferanten, Kunden und Geschäftspartnern sowie aus dem Internet, mit denen etwa Mitarbeiter oder Unternehmen auf sozialen Netzwerken oder anderen Internetplattformen interagieren.
Die Folge: Selbst einfache Fragestellungen, wie beispielsweise nach dem aktuellen Quartalsumsatz, lassen sich erst durch die Aggregation vieler Daten aus diversen Geschäftsprozessen beantworten. Komplexere Fragestellungen, etwa danach, ob sich Marketing-Maßnahmen positiv auf den Umsatz oder die Margen auswirken, erfordern sogar das Zusammenführen von Daten unterschiedlicher Datenquellen. Wie aber lässt sich dieses große „Datenrauschen“ sinnvoll nutzen?
Analytics kann sich als Schlüssel zum Erfolg erweisen. Der Begriff Analytics umfasst alle Methoden, mit denen sich die genannten Probleme in den Griff bekommen lassen. Unterschieden wird dabei zwischen Real Time Intelligence, Operational Intelligence und Busines Intelligence. Der folgende Use Case veranschaulicht den Einsatz von Analytics bei Tankstellen.
Use Case: Tankstelle
An Tankstellen kommt es immer wieder zu unterschiedliche Schäden. Dies können beschädigte Zapfsäulen sein, Anfahrunfälle, defekte Preisschilder, Verschleißschäden der Waschstraße etc. Wenn ein solcher Schaden passiert, löst dieser in der Regel einen manuellen Prozess aus, an dem viele Parteien beteiligt sind: Tankstellenbetreiber, Mineralölkonzerne, Reparaturunternehmen, Versicherungen und Gutachter. Das Problem dabei ist, dass jeder dieser Prozessteilnehmer nur einen Teilbereich des Falls behandelt und es nur wenig prozessübergreifende Transparenz gibt.
Wer diesen Vorgang digitalisiert und beispielsweise eine zentrale Smart Services Plattform einbindet, die alle Beteiligten vernetzt, so dass jeder über den aktuellen Fortschritt des Schadensfalls informiert ist, wird schnell konkrete Vorteile spüren.
- Die zeitintensive, manuelle Bearbeitung entfällt, weil der Schaden per E-Mail gemeldet und dann automatisch alle weiteren Schritte digital unterstützt durchgeführt werden
- Der Tankstellenpächter kann sich auf sein Kerngeschäft konzentrieren
- Die beteiligten Vertragspartner sind jederzeit aktuell informiert
- Die Regulierungsquote steigt
Während und nach Ablauf der Schadensregulierung können alle Details eingesehen werden, da alle Prozessschritte transparent abgebildet sowie die dazu gehörigen Daten und Dokumente archiviert werden. Mit einer solchen Plattform gehen Tankstellen einen großen Schritt in Richtung Digitalisierung und legen die Basis für die Einführung von Predictive Maintenance.
Predictive Maintenance
Mit dem Einbinden weiterer Unternehmensbereiche und dem Vernetzen zusätzlicher Daten beispielsweise durch Sensordaten von Zapfsäulen beziehungsweise in Öltanks und anderer Anlagen, werden cyberphysische Systeme aufgebaut, die mit Hilfe von Industrie 4.0 Analytics dafür sorgen, dass die richtigen Wartungsintervalle eingehalten und Reparaturen geplant werden, bevor es zu kritischen Ausfällen kommt.
eBook Big Data 2017
Das Beispiel „Tankstelle“ deckt die Chancen von Big Data und Analytics rund um die Zapfsäule auf. Getreu dem Motto „Entdecke Deine Möglichkeiten“ finden Leser zahlreiche weitere Ideen und Beispiele in dem eBook Big Data 2017. Es ist deutschsprachig, 68 Seiten lang und das PDF ca. 10 MB groß. Es steht kostenlos zum Download unter folgendem Link bereit:
https://www.it-daily.net/ebook-bigdata-2017
Weitere Informationen: www.it-daily.net
