Tydzień temu zamieściliśmy w Business Dialog artykuł pod znamiennym tytułem ?W cyfryzacji nie chodzi o bogatszy zbiór systemów IT? https://businessdialog.pl/artykuly/w-cyfryzacji-nie-chodzi . W tym tekście obalamy inny stereotyp: im więcej zebraliśmy danych w firmie, tym bliżej nam do cyfryzacji naszego biznesu, w domyśle ? do korzyści z cyfryzacji.
Jednak aby firmy stały się naprawdę oparte na danych ? do czego dąży większość ? może lepiej zacząć nie od strony podaży (zbierania danych), ale od kwestii popytu: co chcemy dzięki nim uzyskać.
Innymi słowy, z jakiego powodu chcemy mieć dane? Jakie wyniki biznesowe chcemy osiągnąć? Jakie decyzje podjąć? Jak zebrane dane mają pracować na rzecz naszych celów biznesowych lub innych? Może chodzi o poprawę bezpieczeństwa, może o rentowność produktów lub klientów, może o wydajność maszyn, może o prognozowanie popytu i planowanie produkcji.
Obecnie, gdy dane stały się niemal nieograniczonym zasobem ? i pojawia się coraz więcej technik wydobywających z nich więcej znaczenia – ich potencjał biznesowy stale rośnie. Nie warto zastanawiać się, co jeszcze można wiedzieć, ale warto dobrze zdefiniować cele, a dopiero w następnej kolejności jakich danych wymagają, a gdy te dane są już dostępne, można uzyskać jeszcze więcej i lepsze wyniki.
Przywołam tutaj trzy przykłady: jeden polski (opisywaliśmy go już szczegółowo w ramach naszego programu Digital Finance Excellence) i dwa zagraniczne (z praktyki firmy Cognizant)
Monitorowanie pociągów w czasie rzeczywistym
Network Rail jest głównym właścicielem infrastruktury kolejowej w Wielkiej Brytanii. Firma miała konkretne, wymierne cele, które chciała osiągnąć w pracy z danymi: niższe koszty, większe bezpieczeństwo i mniejsze zakłócenia w podróży, zapobieganie problemom z konserwacją sprzętu, nadawanie priorytetów strumieniom pracy i minimalizowanie czasu spędzanego przez pracowników kolei na torach.
Ten operator kolejowy nie miał pod ręką wszystkich danych, których potrzebował. Było jednak jasne, że przy obecnej technologii możliwe było zebranie tych danych dodając czujniki do ponad 12 000 podłączonych zasobów, takich jak obwody torowe, zasilacze sygnałowe i przełączniki.
Dzięki gromadzeniu danych i analizom opartym na sztucznej inteligencji firma może teraz monitorować ruch pociągów, warunki na kolei i wzorce pasażerów w czasie rzeczywistym przez cały dzień. Ostatecznie pożądanym rezultatem jest zmniejszenie liczby wypadków i incydentów do zera. Umożliwi to podejmowanie decyzji w czasie rzeczywistym (zapotrzebowanie) w oparciu o strumień danych w czasie rzeczywistym (podaż) oraz monitorowanie zasobów.
Chociaż nie jest to bezpośrednio związane z generowaniem przychodów, to wytworzyło do tego możliwości. Teraz, gdy firma ma więcej zasobów danych niż kiedykolwiek, może rozpocząć burzę mózgów, co jeszcze można z nimi zrobić.
Na przykład, dzięki możliwości obserwowania wzorców ruchu i pasażerów, może zacząć przerabiać rozkłady jazdy pociągów, aby obniżyć koszty lub zwiększyć przychody, wydajnie rozmieszczać zasoby w zależności od potrzeb i zapewniać różne poziomy usług w oparciu o odblokowane możliwości.
Nowe przychody dzięki danym o lokalizacji
Innym przykładem jest duży detalista budowlany, który odpowiedniemu podejściu do danych osiągnął pożądany wynik biznesowy: przyciąganie dużego ruchu (zwłaszcza wykonawców) do swoich sklepów w porównaniu do sklepów konkurencji. Hipoteza polegała na tym, że dzięki lepszemu zrozumieniu, dokąd ludzie przechodzą przed i po wizycie w jej sklepach, może oferować ukierunkowane oferty promocji krzyżowych.
Po wyznaczeniu celu biznesowego nadszedł czas na zbadanie opcji dostarczania potrzebnych danych. Nie było sposobu na pozyskanie ich w normalnym toku działalności, detalista nie miał możliwości samemu dowiedzieć się, gdzie byli klienci przed wejściem do jego sklepów ani gdzie poszli później.
Tak więc ten detalista nawiązał współpracę z firmą zajmującą się grami mobilnymi, która wykorzystuje dane dotyczące szerokości i długości geograficznej telefonu w czasie rzeczywistym. Odkrył, że miejscem najczęściej odwiedzanym przez klientów przed i po wizycie była restauracja typu fastfood. Oznaczało to, że może uruchamiać kampanie, które oferują wspólne promocje między restauracją a nim.
Gdy to zaczęło działać, detalista mógł zastosować te spostrzeżenia do jeszcze innych sposobów działania, na przykład oferować klientom dostawę fast foodów wraz ze swoimi zamówieniami, a także dzierżawę części powierzchni handlowej czy parkingu takim partnerom.
Nowe usługi dla klientów
Warszawa ma jedną z największych sieci ciepłowniczych w Europie: prawie 1 800 km, 20 000 węzłów, 23 000 ciepłomierzy. Z jednej strony, tak rozległa sieć generuje ogromne ilości potencjalnie niezwykle pożytecznych danych, a z drugiej, stanowi nie lada wyzwanie, jeśli chodzi o zarządzanie nią, sprostanie potrzebom klientów, rozliczanie, likwidację awarii, itd. Zarząd Veolii od dawna zdawał sobie sprawę, że sprawne przetworzenie tych danych i ich dystrybucja bardzo ułatwiłoby efektywne zarządzanie siecią, a także stworzyło fundament pod przyszłe usługi dla klientów. Aby to uzyskać należało najpierw zoptymalizować pewne procesy w firmie oraz zintegrować systemy informatyczne, obsługujące poszczególne obszary.
Sama integracja IT nie tworzy nowych przychodów w firmie, nie generuje też wielkich oszczędności, trudno więc jest uzyskać biznesowe uzasadnienie niebagatelnego kosztu takiego projektu. Jednak bez niej niemożliwe byłyby kolejne etapy tworzenia Inteligentnej Sieci Ciepłowniczej, rokującej już poważny efekt ekologiczny i ekonomiczny.
Wcześniej oddzielnie funkcjonowały działy i wspierające je systemy IT. Ani systemy, ani ludzie nie wymieniali się automatycznie informacjami i nie było koordynacji automatycznej pomiędzy tymi, co wprowadzają dane i ich używają. Każdy wprowadzał z dokumentów papierowych do systemów dane, które były mu potrzebne do wykonania swojego zadania. Dane były rozproszone, więc jeśli była potrzeba zebrania ich na potrzeby analizy i raportowania, to zajmowało to 80% czasu przeznaczonego na to zadanie, a na samą analizę wyników pozostawało 20%.
Pominięcie tak ważnego elementu, jak analiza danych podstawowych może skutkować tym, iż wdrożone zostaną procesy i wspomagające je rozwiązania informatyczne, a całość i tak nie będzie funkcjonować tak, jak to planowano z uwagi na niepełne lub niespójne dane. Procesy zamiast być realizowane, a pracownicy pracować efektywniej, będą działać gorzej tworząc dla firmy zamiast korzyści dodatkowe problemy.
W wyniku projektu wdrożono zoptymalizowane modele 15 procesów biznesowych (np. Dodanie i modyfikacja punktu sieci, prognozowanie zapotrzebowania na ciepło, obsługa awarii), 27 usług (np. synchronizuj dane adresowe, pobierz odczyty, modyfikuj punkt pomiarowy z licznikiem), obsługiwanych przez 12 aplikacji biznesowych dostępnych przez 24 godziny na dobę.
Wdrożenie szyny integracyjnej i procesów BPM mogło początkowo wydawać się nadmiarowym kosztem, jednak w efekcie końcowym okazało się, że jej wdrożenie dało również inne cenne wartości, których nie brano pod uwagę, kiedy dopiero planowano wdrożenie. Wprowadziła bowiem ogromną elastyczność całego środowiska inteligentnej sieci ciepłowniczej i realnie przyczyniła się do redukcji kosztów związanych z wprowadzaniem nowych funkcjonalności oraz także przygotowywaniem obejść awarii występujących w systemach dziedzinowych.