Использование машинных данных: Руководство для руководителей по получению ROI с ИИ и IoT

То, что привело вас сюда, не доведет вас туда, куда вы идете. Эта поговорка может быть ключом к пониманию разницы между внедрением и масштабированием технологий. Руководители видели, как интеграция новых технологий вроде ИИ и IoT добавляет ценность, но пропускают вехи и оценки ROI. Далее рассматривается, как руководители могут использовать машинные данные для бизнес-интеллекта, чтобы достичь следующего уровня.

Проблемы масштабирования пилотных проектов

Один из текущих драйверов в производстве — использование технологий для увеличения производства и снижения затрат. Многие ранние проекты фокусируются на связности и машинных данных. Пока проект машинных данных может показать перспективы, он может не достичь ожидаемого ROI или масштабироваться с похожими результатами. Это часто потому, что цели пилотных программ нацелены на этот единственный проект.

Руководители должны знать, как проекты машинных данных достигают целей локально, но учитывать, как локальный успех повлияет на других стейкхолдеров. Пока понимаете, как машинные данные вписываются в большую картину, новые технологии могут не дать изменений на бизнес-уровне до достижения определенного процента внедрения или N-значения. Ниже описываем, что учитывать при запуске пилотной программы.

С чего начать?

Знайте свою цель и почему она важна. Рассмотрите несколько проектов (всего несколько, не десятки), которые могли бы показать наибольшее локальное влияние, понимая потенциал воздействия на более высокие уровни бизнес-интеллекта при успехе или неудаче.

Задокументируйте свой рабочий процесс, ресурсы и другие KPI, чтобы выявить зоны, где технологию можно быстро интегрировать для получения машинных данных. Знайте, сколько времени займет сбор достаточного объема данных для точных результатов и обоснованных решений. Обоснованные решения включают два набора результатов — время на определение успеха пилота, и время или объем внедрения, необходимый для сбора машинных данных для высших бизнес-функций.

«Но тридцать лет было нормально!»

Это заявление, пожалуй, самое разрушительное в динамичной и быстро эволюционирующей отрасли. Однако в нем есть доля правды. Не начинайте с предположения уничтожения legacy-оборудования или подключения всего новыми передовыми устройствами. Legacy-оборудование все еще можно подключить!

Legacy-оборудование или сети могут все еще давать ценность. Их обновление может быть тратой денег на убывающие доходности, когда эти деньги могли пойти в зону с лучшим ROI. Будьте в курсе новых технологий, работающих с legacy-оборудованием для усиления того, что у вас уже есть.

Задача руководителей — обеспечивать лидерство, но позволять менеджерам делать то, что они знают лучше. Когда речь идет об инновациях, поддержка сверху вниз, но строительство снизу вверх. Пока руководитель может задавать темп и направление, менеджеры могут лучше понимать архитектуру и рабочий процесс для принятия решений в каждом конкретном случае.

Хотите реальную видимость производства в реальном времени?

Забронируйте демо, чтобы узнать, как

От машинных данных к бизнес-данным

Тренд внедрения технологий — находить решения, где легко определить ROI или осязаемую выгоду, вроде предиктивного обслуживания. Машинные данные могут остаться на цехе, если руководители не видят, как они связаны с бизнес-целями. Быстрое принятие обоснованных решений на бизнес-уровне может включать данные о том, что происходит за пределами компании — Продажи, цепочка поставок, действия конкурентов. Но пилотные программы дают шанс начать видеть, как машинные данные могут относиться к…

• Гибкости или отзывчивости компании
• Выручке или возможностям создания новых потоков выручки
• Клиентскому опыту
• Маркетинговым кампаниям

Заблуждения и решения

Частое заблуждение: машинные данные должны быть обработаны для использования на бизнес-уровне. Компании вкладывали деньги в продвинутое ПО для фильтрации данных под бизнес-аналитику. Однако кастомные решения могут быть дорогими, долгими в разработке и негибкими после внедрения.

Готовые one-size-fits-all решения могут быстро интегрироваться, но тоже ограничивают. Поиск более гибридных решений, предлагающих модульное и настраиваемое ПО, ценен при старте. Ищите провайдеров технологий, предлагающих SaaS, динамические дашборды и микросервисы, способные митигировать Edge и Cloud машинные данные. Гибридные решения позволяют начать быстро и подстраиваться с кастомными функциями по мере необходимости.

SaaS с реальными машинными данными, алертами и уведомлениями отлично подходит для поддержания цеха в движении, пока дополнительные функции вроде KPI и ERP помогают следить за большой картиной, управлять запасами цепочки поставок и помогают руководителям принимать обоснованные бизнес-решения.

В целом, руководители должны поддерживать инновации и двигать корпоративную культуру к использованию аналитики машинных данных. В конце концов, данные — будущее производства. Это можно сделать, поощряя пилотные, обучающие и бонусные программы. Создание системы коммуникации, где рабочие могут делиться идеями или проблемами, может помочь указать, какие программы лучше мотивируют ваших сотрудников. В некоторых случаях компании внедряли геймификацию или соревнования вроде хакатонов для вовлечения и обучения сотрудников. Только помните: то, что привезло вас туда, где вы есть, не довезет вас туда, куда вы идете. Не держитесь вчерашних решений, решая завтрашние задачи.