Uncategorized @hu

„XXI. században már az adat az új olaj!” Clive Humby brit matematikus 2006-ban elhangzott mondata valódi szállóigévé vált az elmúlt években. Azonban hozzá kell tennünk, hogy az olajhoz hasonlóan, az adat is csak akkor jelent valódi értéket, ha megfelelően hasznosítani is tudjuk az összegyűjtött információhalmazt. Egyik hasznosítása az előrejelzések készítése, melynek a módszertanát összefoglalóan prediktív analitikának nevezünk. Mostani cikkünkben áttekintjük, hogy mit érdemes tudni a prediktív analitikáról és miért fontos a vállalatoknak. 

 

„A jóslás hatalma” 

A prediktív analitika tulajdonképpen azoknak az elemzőeszközöknek a gyűjtőfogalma, melyek segítségével a múltbeli mintákat és viselkedést alapul véve előre jelezhetünk előre jövőbeli várható eseményeket. Az előrejelzési módszerek között említhetjük az adatbányászati algoritmusokat, a statisztikai modelleket és a mesterséges intelligencián alapuló elemzőeszközöket, melyek a mindennapi működésbe beépítve lehetővé teszik, hogy döntéseinket még azelőtt meghozzuk, hogy az – esetlegesen nemkívánt – események bekövetkeznének. 

A múltbeli adatok felhasználásával, például előre jelezhetjük a hóvégi várható eredményeinket, megbecsülhetjük a termékeink várható fogyását vagy az ügyfeleink elvándorlását. 

Azzal pedig, hogy előre látunk, megadjuk magunknak a lehetőséget a korai beavatkozásra és döntéseinket időben meghozhatjuk ahhoz, hogy a várható eredményeink jobbak lehessenek, értékesítésünk nőjjön vagy ügyfeleinket megtartsuk. A megfelelő visszamérési és kiértékelési módszerekkel pedig a cselekvéseink, azaz adatvezérelt döntéseink tényleges üzleti hatását is mérni, igazolni tudjuk. 

 

Strukturált és strukturálatlan adatok 

A prediktív analitika módszerei közé tartozó adatbányászat és szövegbányászat a statisztikai modellekkel kiegészülve megteremti a vállalatok számára a lehetőséget, hogy a strukturált és a strukturálatlan adatok között egyaránt hatékonyan feltárják az eddig rejtve maradt összefüggéseket.  A strukturált adatoknak azokat az információkat tekintjük, melyek már elemzésre készen állnak, mivel előre meghatározott formátumban tárolódnak. Ebbe a csoportba tartoznak például a demográfiai és a vásárlási szokásokra vonatkozó adatok is. A strukturálatlan adatok natív formátumban lelhetők fel, tehát nincsenek rendszerezve egy előre definiált módon. Ide sorolhatók a videó-, hang- vagy képfájlok, valamint a naplófájlok, az érzékelők vagy a közösségi médiában lévő bejegyzések. 

A prediktív analitikai módszerek sajátossága abban rejlik, hogy az előrejelzések készítéséhez azokat a múltbeli adatokat használjuk fel, amelyek az előrejelzés pillanatában rendelkezésre állnak. Tehát az adatok gyűjtésénél fokozott figyelmet kell szentelni az adatok keletkezésének időbeliségére. A prediktív analitika egyik speciális esete az idősor elemzés amikor megfigyeléseink azonos időpontokban, idősor-szerűen állnak rendelkezésre (pl. termék eladás adatok). Más esetben az előre jelezni kívánt eseményt megelőző események alapján készítjük az előrejelzést (pl. ha egy hűségprogramban részt vevő ügyfél váratlanul elkölti a teljes egyenlegét, az előre vetítheti a lemorzsolódását). 

Összegezve, a prediktív analitika egy olyan adatvezérelt döntéstámogató eszköz, amellyel a vállalatok közvetlenül tudják javítani üzleti eredményüket és növelni versenyelőnyüket.  

A prediktív analitikát számos területen alkalmazzák a vállalatok. Cikkünk folytatásában ezeket a tevékenységi köröket tekintjük át és részletesen bemutatjuk az elemzési módszerekkel járó előnyöket.  

 

Szívesen növelné vállalatának versenyelőnyét a rendelkezésre álló adatvagyon megfelelő felhasználásával? Bízza mindezt egy tapasztalt külső tanácsadóra, bízza mindezt a Stratisra! Forduljon hozzánk bizalommal és találjuk meg közösen a legoptimálisabb prediktív analitikai megoldásokat!  

Minden vállalat rendelkezik egy – szerencsés esetben írott – jövőképpel, vízióval, valamint kell, hogy legyen elképzelése arról, hogyan fogja azt elérni. Ez a stratégiája. Napjaink egyik szakmai közhelye, hogy az adat az új vállalati erőforrás. Ennek megfelelően a vállalati stratégiának erre is ki kell terjednie. Az adat stratégia – vagy ahogy sok esetben hívják, BI stratégia – segít megérteni, hogyan támogatja az adatvagyon felhasználása a vállalat stratégiai céljainak elérését.

A stratégiaírás fontos kiindulópontja, hogy tisztában legyünk a kezdeti helyzettel, ahonnan céljaink elérésére törekszünk. Pontos helyzetértékelés birtokában van lehetőségünk reális és hatékony stratégiát alkotni. Ebben lehet segítségünkre egy jó érettségi modell.

Az egyik legismertebb, az utóbbi években gyakran használt BI érettségi modellt a Gartner tette közzé 2018-ban. Használata során összegyűjtött tapasztalataink alapján azonosítottuk a modell továbbfejlesztési lehetőségeit.

Melyek ezek? Megtudhatja részletes elemzésünkből, mely az alábbi adatok megadása után letölthető.

A Magyar Járműalkatrészgyártók Országos Szövetsége (Majosz) október 6-án rendezte meg az év egyik legfontosabb járműipari rendezvényét a ZalaZone tesztpálya helyszínén , ahol a TIER 1-3 beszállítók részvételével megbeszélték az iparág aktuális problémáit és trendjeit. A hibrid konferenciát közel kétszázan élőben, sokan pedig a monitorok mögött távolról követték figyelemmel.

A Majosz célja, hogy a hazai járműipar növekedése fenntartható legyen a jövő generációi számára, ezért aktuális és jövőbemutató témákat dolgoznak fel szakértők, kormányzati szereplők és vállalatvezetők segítségével, elsősorban a kkv szektor fejlesztése érdekében. Az új piaci kihívásokra tekintettel a Majosz kiemelt figyelmet fordít az innováció, a digitalizáció és az egyéb hozzáadott értéket teremtő területekre (például gyártás, értékesítés, marketing, márkaépítés).

A STRATIS először vett részt ezen a konferencián, melyet ötödik alkalommal tartottak meg. Érdekes és hasznos beszélgetéseket folytatottunk a vállalatok digitalizációjáról és arról, milyen eszközök állnak a vállalatok rendelkezésére a kihívások leküzdése és eredményességük növelése érdekében.

Az ötödik, jubileumi konferenciát Nyirő József nyitotta meg, aki a mintegy kétszáz jelenlévő vendég mellett külön köszöntötte Nagy Ádám helyettes államtitkárt (TIM), Vígh László miniszteri biztost, Balaicz Zoltánt, Zalaegerszeg polgármesterét. A résztvevőket videoüzenetben üdvözölte Palkovics László technológiai és ipari miniszter, aki megerősítette, hogy a magyar kormány célja, hogy Magyarországon ne csak alkatrészeket és autókat gyártsanak, hanem kiemelt szerephez jusson a kutatás-fejlesztés is. Több mint 10 ezer járműipari mérnök jelzi, hogy jó úton haladunk, 800 fölötti a járműiparban jeleskedő cégek száma, amelyek a magyar GDP 13-15 százalékát adják. A miniszter hozzátette, hogy a magyar járműipari innováció kiemelt terület a kormány számára. Az innovációs kiadások 2021-ben 900 milliárdot is meghaladták, 2010-hez képest megduplázódott az innovációban tevékenykedők száma.

Az egekbe törő energiaköltségek, a magas – és egyre gyorsuló – infláció, az elszabadult beszerzési árak még a legrutinosabb cégvezetőknek is fejfájást okoznak. Mindenki keresi, hogy hol, min lehetne spórolni, milyen eszközökkel lehetne fenntartani a működést. Egyre több szektorban a tét a vállalatok életben maradása. Ugyanakkor a megoldás közelebb lehet, mint gondolnánk. A vállalati adatvagyon és annak helyes értelmezése rengeteg spórolási lehetőséget hordoz. Tudta, hogy az adatokon alapuló hatékonyságnövelés már önmagában elég lehet nem csak a túléléshez, hanem akár a növekedéshez is válság idején?

 

A 2022-es év minden bizonnyal fontos évszám lesz a történelemkönyvekben: a globális világ eresztékei recsegnek. Orosz-Ukrán háború, szankciók, elszabaduló energia- és nyersanyagárak. Alkatrész-hiány, infláció, szakember-hiány, COVID és félelem a piacok összeomlásától. Rengeteg információ zúdul az emberre, cégvezető legyen a talpán, aki átlátja a helyzetét és a csapatával megfelelő irányba kormányozza a vállalatát.

Aki termel, szolgáltat, értéket állít elő, az tudja, hogy a mostani helyzetben a hatékonyság, az egy forint árbevételre jutó költség az a mutató, ami rövidtávon a túlélés, hosszútávon a fejlődés záloga. De mit tegyünk, ha az egyenlet sokismeretlenes? Ha a megtérülés-számítási képletben sokkal több változó sokkal gyorsabban mozdul el, mint amikhez az elmúlt években szoktunk? Ha úgy érezzük, képtelenek vagyunk lekövetni ezt a bevált módszereinkkel?

 

A jó hír: van megoldás! A közelmúltban felgyorsult a vállalatok digitalizációja. A vállalatirányítási rendszerek, különböző gyártást, logisztikát és egyéb folyamatokat felügyelő rendszerek térnyerése olyan lehetőségeket biztosít a döntéshozóknak, melyről korábban álmodni sem mertek. Egyszerű példa: a nagy elektromos fogyasztók adatainak monitorozása most már nem csak lehetőség, hanem törvényi kötelezettség is. Az energiafogyasztás terén ezáltal adottak a feltételek, hogy a vállalat áram-felhasználását monitorozva, elemezve olyan döntések szülessenek, amelyek javítják a cég energiahatékonyságát. És ez ilyen energiaárak mellett olyan lehetőség, amit kár lenne kihagyni.

 

Egy amerikai tanulmány rámutat arra, hogy a termelő szektor energia-hatékonysága 50% körül van. A termelésre fordított energia fele veszteség! Ennek több oka van: üresen futó gépek, meghibásodás, selejtgyártás, átállási veszteségek stb. Amíg az energia-hányad az előállítási költség 5-10%-a, addig is lényeges faktor, de tízszeres energia-árak mellett már létkérdés, hogy a vállalatok javítsák az energiahatékonyságukat. Ebben 50%-os hatékonyság mellett hatalmas potenciál van!

Hol tud egy vállalat energiát megtakarítani? Hogyan tud hatékonyságot, minőséget javítani? Hiszen a selejt is veszteséget okoz alapanyagban, energiában, kieső gyártási kapacitásban, munkaerő-költségben, stb.

 

Minden vezető tudja, hogy jó döntést akkor tud hozni, ha a rendelkezésére álló információk megbízhatóak. Ehhez azonban szükség van az adatok jól strukturált gyűjtésére és megjelenítésére. Az adatvezérelt vállalat alapgondolata azon alapul, hogy adatok birtokában a vezetők gyorsabban és valós tények alapján hoznak döntéseket, mint adatok nélkül. A Data-driven company alapvetése: mérjük, amit lehet és alapozzuk erre döntéseinket!

Hol tartunk ebben a folyamatban? Kihasználjuk-e a rendelkezésünkre álló lehetőségeket? Hol tart a vállalat információs rendszereinek integrációja?

 

A fentiekkel összefüggésben számos további kérdés merül fel:

1. Milyen adatokkal rendelkezik a vállalat?

2. A rendelkezésre álló adatok mekkora szerepet játszanak a döntéshozatalban?

3.  Látok-e ebben fejlődési lehetőséget?

4.  Hogyan kapok pontosabb, frissebb, részletesebb adatokat?

5. Tudok-e / akarok-e ezen a területen fejleszteni?

 

Tapasztalatunk szerint a gyártó vállalatok többsége megfelelő adatmennyiséggel és -minőséggel rendelkezik ahhoz, hogy az „alacsonyan csüngő gyümölcsöket” leszakítsa: gyorsan és hatékonyan látnak át olyan összefüggéseket és hoznak meg döntéseket, ahol az adatok egyszerűen és gyorsan hozzáférhetőek. A vállalatok többsége azonban több, egymással nem feltétlenül kommunikáló, adott területeket lefedő alrendszerek sokaságát használja: vállalat-irányítási rendszert, logisztikai rendszert, termelés-irányítási rendszert, dokumentum-kezelő rendszert, sok esetben Excel-táblázatokat, valamint számos egyéb, speciális célokra fejlesztett rendszereket. Ezek jellemzően szigetszerűen működnek, az információ-áramlás közöttük nehézkes vagy nem megoldott. A döntéseket megalapozó adatok ezáltal gyakran hiányosak, megbízhatatlanok.

Digitális transzformációnak hívjuk azt a folyamatot, amikor a vállalat működését, folyamatait informatikai rendszerekkel is leköveti. A különböző rendszerek integrálása által megváltozik a munkatársak és az adatok viszonya, hiszen nagymennyiségű adat válik a digitális technológiának köszönhetően egyszerűen gyorsan elérhetővé, megjeleníthetővé és elemezhetővé. A digitális transzformációnak köszönhetően a vállalat működése átlátható, irányítása adatalapú és hatékony lesz.

 

Külső, szakértő támogatás segíthet abban, hogy workshop vagy audit keretén belül meghatározzuk a lehetőségeket és priorizálásuk után kidolgozzunk megoldásokat a hatékonyság-javításra, költségcsökkentésre.

 

A STRATIS-nál több mint 20 éve fejlesztünk és szállítunk megoldásokat a vállalati adatvagyon fejlesztésére és kiaknázására. Adattárházakat fejlesztünk, informatikai rendszereket integrálunk, adatelemzési megoldásainkkal pedig partnereink működési- és döntéshozatali hatékonyságát javítjuk. Az elmúlt időszakban sokat dolgozunk azon, hogy feltárjuk, bemutassuk és kiaknázzuk a gyártóvállalatok lehetőségeit.

 

Olyan megoldásokat fejlesztünk, melyekkel partnereink

• javíthatják gyártási hatékonyságukat (OEE-mérés, minőség-menedzsment, stb.)
• optimalizálhatják energia-felhasználásukat
• hatékonyabbá tehetik karbantartási feladataikat (rendellenes működés előrejelzése, adatvezérelt predictive karbantartás)
• javíthatják a beszállítói láncuk mutatószámait (kereslet-előrejelzés, logisztikai feladatok optimalizálása, raktárkészlet-optimalizálás, kockázat-elemzések)
• hatékonyabbá és rugalmasabbá tehetik minőség-biztosítási folyamataikat (AI alapú minőségellenőrzés, gyökérok-feltárás)
• javíthatják a vállalat információ-áramlását (KPI-ok vizualizálása, dashboard-fejlesztés, balanced scorecard fejlesztés, napi/heti riportok fejlesztése)

 

Meggyőződésünk, hogy a ma kihívásait napjaink technológiájával lehet hatékonyan leküzdeni. A digitalizáció az az eszköztár, ami itt és most hatékony megoldást kínál.

A rendelkezésre álló információk, adatok digitális feldolgozásával és pontos értelmezésével rengeteg időt és pénzt takaríthat meg. Ha Önt is nyomasztják az emelkedő költségek, növekvő ellátási bizonytalanság, romló hatékonyság, érdemes különösebb befektetés nélkül szakértők bevonásával megvizsgálni a vállalatában rejlő rejtett potenciált.

A gépi tanulás alapú modern szövegfeldolgozó modellek 2019 óta egyre nagyobb népszerűségnek örvendenek, mivel ezek a megoldások szemantikailag tudják értelmezni az ömlesztett szöveget, és abban összefüggéseket megtalálni. Ezen modellek segítségével megvalósítható az automatikus kulcsszó kinyerés, szövegek kategorizálása, szöveggenerálás, vagy akár fordítás is. A felsorolt alkalmazási területeket egy komplex folyamatban összeépítve olyan szoftver alkotható, mely egy teljes feldolgozási és ügyintézési feladatot tud teljesen automatikusan végrehajtani, emberi beavatkozás nélkül. Ezen felül egy ilyen szoftver további segítséget nyújthat a manuális ügyintézési folyamatokban is, azzal, hogy az internetről, vagy belső rendszerekből további információkat gyűjt össze a felhasználó számára, ezzel időt és energiát spórolva.

Felhasználási lehetőség

A vállalati intelligens keresőszoftver a teljes vállalati dokumentumtárban képes keresni úgy, hogy szemantikusan értelmezi a feltett szabad szöveges kérdést, és a tudástárban elérhető dokumentumok közül azokat választja ki, amelyek a kérdés témájához kapcsolódnak, majd ezen dokumentumokon belül is megtalálja a releváns részeket.

Ezt a funkcionalitást egészítheti ki a teljes interneten való keresés, mely a belső dokumentumtárban talált válaszoktól elkülönítve interneten elérhető válaszokat is felkínál a felhasználónak, vagy akár beállítható úgy is, hogy csak azokban az esetekben keressen az interneten, ha a belső tudástárban nem talál elég biztos választ a kérdésre.

Képzeljük el, hogy nincs szükség többé komplex mappastruktúrákba rendezni az egyes word és pdf fájlokat, vagy akár beszkennelt képeket, nem szükséges többé fejben tartani, hogy az adott dokumentum épp melyik projekthez, vagy területhez tartozott, ráadásul valakinek mindig tudni kell, hogy az adott kérdésre melyik doksiban lesz meg a válasz.

Mindezen nehézségek magunk mögött hagyhatóak egy mesterséges intelligencia alapú vállalati keresővel.

Manapság a vállalati dokumentumok túlnyomó része egy fájlszerveren vagy sharepoint-on kerül letárolásra, melyhez könnyen integrálható egy ilyen megoldás akár egy helyi szerverre telepítve, akár a felhőben futtatva.

A megoldás segítségével minden meglévő, és újonnan beérkezett, vagy létrejövő dokumentum metaadatokkal ellátva indexálásra kerül a keresőmotorban, azaz a dokumentum nem lesz duplán letárolva, csak a dokumentum tartalmát leíró metaadatok, ezzel is segítve a hatékony tárhelykihasználást. A használat során egy dedikált felületen feltett kérdésekre pillanatok alatt választ kaphatunk a szoftver segítségével, és a válaszok mellett az azokat tartalmazó dokumentumokra mutató linkeket is megtaláljuk, hogy még gyorsabban elérjük azokat.