Store gevinster med datastyring

Desværre bruger flere virksomheder kun en brøkdel af dataene – og ofte er fokus udelukkende på kunderettede funktioner i forretningen. Andelen af udnyttede data burde være langt højere – for der er store gevinster at hente selv for mindre virksomheder, mener en dansk ekspert i Big Data.

”Vores erfaring er, at virksomhederne reelt bruger mindre end 20 procent af deres data til at skabe merværdi i forretningen. Oftest er der tale om brug af data i business to consumer, eksempelvis ved adfærdsforskning med henblik på at tilpasse marketing, direct marketing og så videre", siger Kim Gregers Petersen, der er Big Data- og Analytics-ekspert hos it-leverandøren Atea og fortsætter:

"Der er dog masser af andre områder, hvor der er potentiale for virksomheder inden for Big Data. Særligt hos de helt tunge produktionsvirksomheder. Der er nogle, der er rigtigt dygtige til det i Danmark, men vi hører ikke så meget om dem. Men markedet kan lære meget, for der er større summer at hente der”.

Læs også: Big data-specialister i en ud af fire virksomheder

Hos Atea foretrækker man dog at bevæge sig væk fra betegnelsen Big Data, som efterhånden er blevet et buzzword. Grunden til det er, at det ikke dækker fuldt ud over arbejdet med data. Opfordringen fra Kim Gregers Petersen er, at udnytte data endnu bedre og dermed nå over de famøse 20 procents udnyttelse.

”Der er ingen tvivl om, at Big Data er komplekst med både dynamiske og statiske data. Den store udfordring er også, at mange fortsat ikke forstår, hvad Big Data er. Der hersker en opfattelse af, at man skal være en forfærdelig stor virksomhed for at udnytte data. Men det passer ikke. Udnyttelsen af data kunne være langt bedre, hvilket er ironisk, når virksomheder både betaler for at generere data, lagrer 100 procent og tager backup af 100 procent. Alligevel ligger udnyttelsen på under 20 procent med undtagelse af finans- og medicinalindustrien”, siger han videre.

Læs også: Jagten på talenter inden for big data eksploderer

Hos netop Atea anvender man i stedet for Big Data hellere begrebet ’alle data’.

”Alle data dækker over, at man udnytter alle data i virksomheden – alt fra statiske til dynamiske data – og samtidig tilkøber sig eksterne data fra for eksempel databaser, offentlige data, sociale medier og så videre. De tilkøbte data kan typisk indgå i en sammenhæng med egne data, men på en ny måde, så man opnår en markedsfordel”, siger Kim Gregers Petersen.

Fra 18 måneders proces til fem minutter
Et eksempel på en dansk virksomhed, der på den måde kombinerer egne data med eksterne, er Vestas. Vindmølleproducenten havde tidligere en langtrukken salgsproces, hvor man først opstillede en målemast i 18 måneder på en potentiel plads for placering af en vindmølle. Efter godt halvandet år havde man data nok til at analysere, om placeringen egentlig var optimal.

Dog var det uden hensyn til andre vindmøller på samme sted og de deraf følgende påvirkninger, særligt i forbindelse med vindmølleparker, hvor blandt andet turbulens fra de forreste vindmøller har stor indflydelse på slid og belastning af de bagvedstående møller. Det er en dyr og langsommelig proces, der efter 18 måneder måske ikke engang løser udfordringerne med at placere møllerne optimalt.

Læs også: Big data kan styrke supply chain eksekvering

Med en kombination af en supercomputer og mere end to millioner gigabyte vejrdata er Vestas nu i stand til at forudsige – på baggrund af vejrmodeller tilbage til år 2000 – præcis hvor vindressourcerne er mest optimale. Herefter beregner de via simulering, om turbulensen er gunstig.

Beregningerne foretages i dag i realtid og giver estimater på antal megawatt, vedligeholdelsesudgifter og så videre Alt sammen store beløb, der spiller en væsentlig rolle i kontraktforhandlingerne. Dermed får vindmølleproducenten en klar fordel over for konkurrenterne på det hårde marked med intelligent udnyttelse af egne data i kombinationen med tilkøbte.

Læs også: Nye dataloggere sikrer transport af følsomme produkter

”Udnyttelsen af data vil kunne gøre størst forskel der, hvor der under en fællesbetegnelse er rullende maskineri. Big Data vil kunne gøre en massiv forskel, hvor der er større maskiner med sensorer - eksempelvis fly, tog, turbiner, vindmøller og lignende. Sensorerne skaber allerede data, og kombineret på den rette måde med dynamiske data og virksomhedens ERP-løsning er det muligt at forudse, hvornår hændelser indtræffer", siger siger Kim Gregers Petersen og uddyber: 

"Det giver mulighed for at planlægge service og reparationer i stedet for, at driften afbrydes i utide. Kan man forbedre dataopsamlingen med blot en procent, betyder det milliarder af kroner i besparelser for de helt store globale spillere”, fortæller han og peger blandt andet på GE.

General Electric, eller blot GE, udnytter Big Data eller rettere ’all data’ i Atea-termer, da de længe har haft sensorer på for eksempel turbiner til kraftværker. Data fra sensorerne kombineres med blandt andet dynamiske data i dette tilfælde videostrømme. På den måde registrerer de vibrationer i sensorerne og kombinerer med livedata fra kameraer. Resultatet er, at GE kan tage turbiner ud af drift til service eller reparation, længe inden et nedbrud indtræffer.

Læs også: Virksomhedsledere stoler ikke på big data

”Der er store udfordringer med at udnytte de ikke-strukturerede data, som blandt andre GE gør det. ERP-løsningerne har historisk set været rigtig gode til strukturerede data i tabeller og skemaer, mens semistrukturerede data er lidt sværere at håndtere. Det kan være metadata i e-mails og dokumenter. De helt ustrukturerede data som video- og lydfiler, røntgenfotos og lignende vokser eksplosivt. ERP-leverandørerne skal nu bevæge sig fra at være ø-systemer til også at kunne bruge disse data som input til blandt andet vedligeholdelse. Verden eksploderer omkring ERP-leverandørerne, og dataene vokser og bliver mere komplekse, og det skal de forholde sig til”, siger Kim Gregers Petersen.

De tre V’er
Kompleksiteten i data beskrives i Big Data-sammenhæng som de tre V’er – Volume, Velocity og Variety. Volume (volumen) dækker over de store mængder af rå data. Velocity (hastighed) dækker over det øgede krav til hastighed, når data skal analyseres. Variety (variation) er de mange forskellige typer data, der skal behandles.

Det stiller store krav til databasemiljøet, når der skal analyseres data i realtid, og når systemerne samtidig skal kunne skaleres til at håndtere forskellige mængder af data. Ateas Big Data-ekspert peger på, at de toneangivende leverandører alle har set løsningen med eksempelvis Hadoop, en opensource software-framework til storage og databehandling i store mængder, som ligger som et lag oven på de traditionelle ERP-løsninger.

Læs også: Danske virksomheder går glip af data-eventyr

Her i Danmark er særligt Danske Commodities blevet kendte for deres behandling af data i realtid i et Hadoop-miljø, hvilket utvivlsomt sikrer dem en markedsfordel i så volatile markeder som energi, som Danske Commodities handler på.

”ERP kan ikke leve videre som en ø, men i kombination med for eksempel Hadoop kan man nu udnytte disse data som input til blandt andet vedligeholdelse. Når man har en ERP-løsning, så kan man i dag løbende optimere en produktionsproces, hvor processerne tidligere var meget langtrukne. Det nye i Big Data-værktøjerne er, at man løbende kan justere på produktionsprocessen – altså mens tingene sker. Fem omdrejninger ekstra på en drejebænk kan være den optimering, som skal spredes ud i organisationen og som kan give en massiv besparelse her og nu”, slutter Kim Gregers Petersen.

Denne artikel er bragt med tilladelse fra www.p360.dk