Data pomáhají předvídat poptávku či zvyšovat spokojenost zákazníků

Data jsou nová ropa, prohlásil před pár lety na Auto Show v Los Angeles v narážce na jeden z hlavních faktorů růstu ekonomiky 20. století tehdejší šéf Intelu Brian Krzanich. Že data obsahují spoustu užitečných informací, si v době digitalizace průmyslové podniky uvědomují. Potvrzuje to například loňský průzkum Hospodářské komory ČR a poradenské společnosti EY, ve kterém označilo analýzu interních dat za žádaný nástroj digitalizace nejvíce firem.

V praxi ale podle oslovených odborníků průmyslové podniky s datovou analytikou teprve začínají koketovat. "Se sběrem dat a jejich vyhodnocováním se firmy nejčastěji seznamují prostřednictvím menších projektů, jako je například jednoduché připojení výrobních strojů pomocí externích senzorů. Seznamují se nejen s tím, jak data sbírat, ale i jak je vyhodnocovat a jak z nich vyvodit závěry třeba pro lepší zorganizování výroby," popisuje Ivo Procházka, expert na řešení pro průmysl v české pobočce společnosti SAP. Ve sběru dat, jejich vyhodnocování a zapojení do řízení výroby jsou podle něho většinou dále firmy vlastněné zahraničním kapitálem, u nás především v automobilovém průmyslu. Ty také častěji nasazují robustnější řešení zasahující celou výrobu nebo logistiku.

"Pokročilé co do množství i intenzity využívání dat jsou například všechny obory závislé na logistice či obory pracující s velkým množstvím součástek a výrobků," říká Vladislav Severa, vedoucí partner týmu pokročilé datové analýzy ve společnosti EY. Intenzita využívání dat v průmyslu je však podle něho znatelně pozadu za obory, jako jsou digitální média, telekomunikace, finančnictví či maloobchod.

Vědět, co se ve firmě děje

V každé firmě lze najít řadu příležitostí, jak by datová analytika mohla zlepšit konkrétní aspekty podnikání. Téměř jakákoliv dostupná data mohou vést ke zvýšení přidané hodnoty. Jde jen o to, vhodně zvolit jejich využití pro datovou analýzu. "Data o chování klientů například můžeme analyzovat za účelem zvýšení klientské spokojenosti, doporučování vhodných dodatečných výrobků a služeb nebo předvídání poptávky. Procesní data lze využít ke zrychlení výrobních cyklů nebo ke zjištění příčin mimořádných situací. Obrazová data často slouží například k detekci defektů. Historické časové řady prodejů pak mohou posloužit ke správnému nastavení cen," vypočítává Vladislav Severa.

Nejčastějším důvodem pro implementaci datové analytiky u výrobních firem bývá potřeba zjistit, co se ve výrobě přesně děje. "Povědomí firem o průběhu výroby je mnohdy založeno na zkušenostech, odhadech a dobré víře. Realita reprezentovaná analýzou dat, tedy jak moc jsou stroje a jejich obsluha vytíženy, kolik výrobků vyprodukují za směnu, jak moc se opotřebovávají výrobní nástroje a podobně, je často velmi překvapí," popisuje Ivo Procházka ze SAP.

Výrobní stroje zpravidla již bývají osazeny mnoha senzory, případně se k nim dají vhodně doplnit senzory externí. Sbíraná data je možné následně využít nejen pro lepší pochopení toho, jak efektivně stroj a jeho obsluha pracují, ale například pro prediktivní údržbu. Trendy snímaných parametrů stroje v kombinaci s předchozími zkušenostmi včas upozorní na možnou poruchu.

"V logistické firmě může jít například o data o poloze zásilky a jejích environmentálních charakteristikách. Tato data zákazníka informují, kde se zásilka nachází a jestli s ní přepravce zachází podle jeho požadavků. Třeba jestli teplota uvnitř kontejneru nepřekročí určenou maximální hodnotu," vysvětluje Ivo Procházka.

Menší projekt na zkoušku

Přestože se datová analytika podle Vladislava Severy z EY ve vhodně zvoleném případě většinou rychle vyplatí, firmy v jejím využívání brzdí strach z neznámého. "Metody datové analýzy mohou vypadat na první pohled exoticky, existuje obava z velkých investic. Nebývá vždy jasné, jaký by měl být rozumný první krok, přitom možných kroků je obvykle řada a vzájemně se nevylučují," říká Severa.

Pro začátek doporučuje zvolit jeden konkrétní případ s rozumnou očekávanou přidanou hodnotou. Taková implementace nemůže být drahá. Poté je dobré pokračovat ucelenější datovou strategií, což znamená vytipovat a seřadit podle priority vhodné projekty. "Chybou je podlehnout představě, že pro implementaci rozumné datové analytiky je nutné vybudovat zcela novou datovou infrastrukturu, velký datový sklad a spoustu IT okolo. Pracujte nejdřív s daty, která už máte, ne s těmi, která možná budete mít za několik let," připomíná Vladislav Severa.

Pořízení jednoduché senzoriky, díky níž bude mít firma přehled o tom, co se ve výrobě či v logistice vlastně děje, je relativně levné a rychlé. "Na trhu působí řada firem, které jsou v zavádění těchto technologií již zběhlé. Co však úplně jednoduché není, je rozmyslet si, jaká data chce firma sbírat a čeho chce jejich analýzou dosáhnout," říká Ivo Procházka ze SAP. Namísto otázky "Co budeme se všemi těmi daty dělat?" se tak firmy musí ptát "Jaké příležitosti můžeme uchopit?".