27 سپتامبر 2021
تولید یک بخش فوق العاده متنوع است و اینکه همه انتظار نداشته باشند از یک روند معین به یک اندازه سود ببرند، منطقی خواهد بود. کلان داده – در دسترس بودن حجم متنوعی از اطلاعات از فرآیندهای داخلی و خارجی – برای ایجاد نوآوری و سود در بخش تولید ایجاد شده است. اما آیا همه کارخانه‌ها برای سود بردن از آن راه اندازی شده‌اند؟
الساندرو چیمرا، مدیر استراتژی دیجیتالیزاسیون در تجزیه و تحلیل داده‌ها و فروشنده نرم افزار مدیریت Tibco، هشدار می‌دهد که تحول داده محور نیاز به برنامه ریزی، مدل آماری و روش دارد.
همه این‌ها نیز زمان می‌برد: «همه چیز باید خراب شود» تا بتواند اطلاعات دقیق کافی را بدست آورد که از آن‌ها نتیجه‌گیری مفید بگیرد. Chimera می‌گوید: «گاهی اوقات مشتریان می‌خواهند به تعمیر و نگهداری پیش بینی شده بپردازند و انتظار معجزه جعبه سیاه را دارند که شما فقط با ماشین آلات متصل کار می‌کنید.»
برمبو (مشتری در شمال ایتالیا که سیستم‌های ترمز را مانند بی ام و و پورشه تولید می‌کند) داده‌های زیادی در اختیار داشت اما در ابتدا نمی‌دانست در این مورد چه کار کند.
برمبو فقط یک دانشمند داده داشت که به بازاریابی اختصاص داشت. پس از وارد کردن دستگاه دیگری برای بررسی تولید، تجزیه و تحلیل داده‌ها نشان داد که پیکربندی‌های خاصی از ماشین برای آزمایش تنش‌های مکانیکی بر روی سیستم‌های ترمز در تولید مناسب نیست. پس از این کشف، درآمد طی چند سال حدود 25 درصد افزایش یافت.
کدام بخش‌ها از Big Data امروزه بهره می‌برند؟
مشتریان در زمینه الکترونیک، هوافضا، خودرو، مواد شیمیایی، داروسازی، دفاع، انرژی و غذا و نوشیدنی همگی از Big Data بهره می‌برند.
اما کسانی که فرآیندهای دستی را حفظ می‌کنند ممکن است توانایی ثبت و تجزیه و تحلیل داده‌ها به این روش را نداشته باشند. با این حال، Chimera می‌گوید، کیت اینترنت اشیاء (IoT) مانند سنسورهای قابل اتصال یا تعبیه‌شده ارزان‌تر می‌شوند و می‌توانند داده‌ها را از تجهیزات قدیمی که در ابتدا برای آنلاین بودن طراحی نشده‌اند، متصل کرده و اطلاعات را جمع آوری کنند.
تام لیسون، استراتژیست ارشد بازاریابی صنعت تولید در شرکت نرم افزاری مدیریت اطلاعات OpenText، تأیید می‌کند که عمدتا بنگاه‌های بزرگ از داده‌ها برای خودکارسازی فرایندها یا تسریع تحول دیجیتالی در زنجیره تامین استفاده می‌کنند.
لیسون می‌گوید: «کارخانه‌هایی مانند خودرو که دارای زنجیره‌های تأمین پیچیده و بزرگ هستند، خیلی سریع [در زمان همه گیری] متوجه شدند که ارتباطات خراب شده است. با داشتن سیستم دیجیتال، دید بهتری در سراسر زنجیره تامین دارید.»
نظارت و عملکرد دارایی‌ها، که اغلب در چندین کارخانه پراکنده از نظر جغرافیایی انجام می‌شود، مورد استفاده کلیدی است که در آن تولیدکنندگان از بینش داده محور استفاده می‌کنند. او می‌گوید که این فراتر از کارآیی تجهیزات کلی است و زمان وقفه را برای پوشش همه جنبه‌های تجارت به حداقل می‌رساند.
همگام شدن با تغییرات
فولکس واگن از داده‌های صدها کارخانه تولیدی در سراسر جهان استفاده می‌کند تا تصمیمات تجاری و چابکی را در کل زنجیره تامین خود فعال کند. لیسون می‌گوید، همچنین از طریق اجرای یک فرآیند مشترک در یک پلت فرم دیجیتالی، در مورد هزینه‌ها صرفه‌جویی کرده است. لیسون می‌گوید: «همه آن سایت‌های تولیدی حساب‌های قابل پرداخت خود را متفاوت انجام می‌دادند: این مورد دیگری در زمینه امور مالی است. چالش بزرگ امروز این است که تغییرات بسیار سریع، فراتر از ظرفیت حمایت انسانی است.
جنبه‌های زیادی از تولید وجود دارد که در آن انسان‌ها به دلیل سرعت و رقابت در بازار به کمک نیاز دارند. با این حال، با همکاری شرکای زنجیره تأمین – به عنوان مثال، در بهبود پیش بینی فروش از طریق Big Data، تولیدکنندگان کوچک می‌توانند سود بیشتری ببرند. لیسون خاطرنشان می‌کند: «شرکت‌های بزرگ خیلی به کوچکترها اعتماد می‌کنند.» الیور بریج، مدیر Grant Thornton، می‌گوید که بخش‌های «زنجیره تامین بزرگ» بیشتر از Big Data سود می‌برند.
با این حال، تیم‌های مالی به طور فزاینده‌ای برای رفع مشکلات داده‌ها مأمور شده‌اند، به ویژه از آن‌جا که همه‌گیری ما را از معیارها و گزارش ناکافی آگاه کرد. سواد داده بیشتر و راه حل‌هایی برای چالش ادغام داده‌های شخص ثالث و مشتری مورد نیاز است. بریج خاطرنشان می‌کند: «پردازش داده‌های ارائه شده در فرمت‌های ناسازگار یا متقاعد کردن اشخاص ثالث برای استفاده از پورتال‌های آن‌ها بسیار دشوار است.»
