Data driven подход к управлению бизнесом
Подобрали информацию для топ-менеджеров и владельцев бизнеса о ценностях дата-ориентированного подхода в реализации стратегии
Что такое "data driven "подход?
Анализ данных может изменить будущее организации, но только если будет применяться постоянно, каждый день, каждым сотрудником.
Что означает для организации быть дата-ориентированной (data-driven)?
Многие руководители считают, что, поскольку их компания создает множество отчетов, она является дата-ориентированной.
Следует подчеркнуть, что отчеты и панели индикаторов крайне важны для любой дата-ориентированной организаций. Я лишь обращаю внимание на то, что сами по себе эти вещи не делают организацию дата-ориентированной.
Дата-ориентированная организация, как минимум, обязана реализовать аналитику, нацеленную на будущее. Компании нужны ответы на следующие вопросы: «Почему?», «Кто?» и «Что дальше?». Анализ должен предоставлять больше информации о контексте и предлагать рекомендации (с соответствующими обоснованиями)
#dataanalytics #datadriven #управлениеперсоналом #bigdata #консалтинговыеуслуги


Data driven подход к управлению бизнесом
Погружаясь в детали-анализ данных на производстве работает на 3 глобальных позитивных сдвига:

  • Во-первых, снижается стоимость производства. Во многих аспектах: от прогнозирования сбоев оборудования до моделирования спроса на будущий продукт. Например, анализ данных временных рядов от датчиков IoT может использоваться для прогнозирования поломки оборудования и выявления причин. В итоге снижается время простоя, а необходимые корректировки нивелируют проблему в будущем.

  • Во вторых, повышается качество продуктов и процессов. Анализ больших данных позволяет отследить брак, выявить причины несоответствий и устранить их.
Как вариант, PPH (Profit-per-hour) аналитика отслеживает множество факторов, влияющих на финальное состояние продукта. Если что-то идёт не по плану – сразу можно понять причину и заблаговременно принять меры.

  • В-третьих, увеличивается скорость производства. Здесь речь о грамотном управлении складскими запасами и цепочками поставок (сырья, оборудования, товаров).
Электронные датчики информируют о потребности в тех или иных компонентах сотрудников разных подразделений. Высокая скорость реакции помогает избежать простоев.

Как это всё работает?
Собственно, реализация data-driven-подхода на производстве требует терпения и некоторых манипуляций:

1. Сбор данных. Речь об автоматизированном сборе доступных данных, и на это нужно время. Ну, и от предварительного анализа инфраструктуры на предмет доступных в конкретном случае данных, конечно, не уйти. От себя добавим, что стоит заложить еще и время определения необходимого объёма данных в разрезе конкретных технологических процессов.
2. Хранение данных. Должна быть единая система, позволяющая хранить большие объёмы информации. И разумно выбирать для этих целей современные устройства хранения данных.
3. Очистка данных – точнее, приведение их к общему формату, устранение лишнего и выбор сопоставимых фрагментов. Для производственных компаний этот момент, наряду с объединением информации в единое целое, является самым проблемным. В привычном понимании эта процедура сродни ETL в аналитике
4. Сопоставление и анализ данных. Собственно, ради чего все собирались. Это унификация данных и определение зависимостей, закономерностей, выявление потенциальных узких мест.
5. Визуализация данных – упрощает понимание цифр людьми и делает информацию доступной 24/7, например, в чат-боте.
6. Прогнозирование на основе данных. Планирование, в хорошем смысле слова.
А в жизни?
Пример реализации дата-ориентированного подхода показала компания Shell, которая внедрила аналитическую платформу для прогнозирования износа некоторых деталей. Инструмент Databricks в облаке Microsoft Azure помогает спланировать, когда приобретать детали, как долго их хранить и где размещать. В итоге инвентаризация вместо 48 часов занимает 45 минут – миллионы долларов экономии за год.
Вот ещё пример, из фарм. производства. Весь растительный материал склонен к естественной изменчивости, а лекарства из растений делаются ещё и в несколько этапов, т.е. сказать, что одна партия не похожа на другую, – ничего не сказать. Это знатно нервирует производителей, которым нужен в общем-то одинаковый продукт. Китайская компания Tasly– один из таких производителей. Несколько лет назад она обеспечила стабильное качество своей продукции после внедрения многомерного анализа данных и мониторинга своего производственного процесса в режиме реального времени.
Такой опыт есть и в России. Компания СИБУР уже fапробировала data-driven подход на производстве полипропилена в Тобольске. Теперь, за счёт моделирования режимов работы оборудования, на то же количество продукции тратится меньше ресурсов. Кроме того, анализ данных позволяет прогнозировать поломки оборудования, которое обслуживается превентивно. Компания надеется увеличивать EBITDA за счёт цифровой трансформации на 10% ежегодно.

12  января / 2021