Få mere ud af tallene
Data bliver stadig vigtigere for udviklingen af nye produkter og tjenester. SMV’er kan producere mere effektivt og henvende sig mere individuelt til kunderne.
Først troede Moritz von Soden ikke sine egne øjne: I løbet af få minutter strømmede der data til hans mobiltelefon via Bluetooth fra den nye gevindspindel udstyret med minisensorer, som hans udviklingsteam præsenterede. De giver oplysninger om spindelens belastninger og vibrationer. »Det er som et røntgenbillede af gevindet«, siger chefen for Bornemann Gewindetechnik og glæder sig over de tal, der vælter ud af hans smarte gevind: »Man kan endda se, hvilket smøremiddel der bruges.«
Bornemanns kunder, primært producenter af løfteplatforme eller materialehåndteringsudstyr, kan nu overvåge deres produkters tilstand døgnet rundt. Det gør det muligt at opdage skader tidligt, optimere vedligeholdelsesintervaller og undgå nedbrud. For den Niedersachsen-baserede trådproducent selv åbner denne innovation op for et helt nyt forretningsområde: »Ved at analysere alle de målte data får vi viden, som vi kan tilbyde vores kunder ud over vores spindler i fremtiden«, siger von Soden. »Udviklingen af en konsulentafdeling er tænkelig.«
Flere og flere små og mellemstore virksomheder bruger teknologier som business intelligence (BI), big data, analytics og kunstig intelligens (AI) til at udvikle produkter og tjenester og åbne op for nye forretningsområder. Mens BI primært bruges til at behandle og visualisere historiske og aktuelle data, fokuserer analytics på fremtiden. Teknologier som datamining eller maskinlæring bruges til at bestemme sandsynligheden for fremtidige resultater. Det gør det muligt at lave velbegrundede prognoser. »Udviklingen kan forudses, så man på et tidligt tidspunkt kan iværksætte de ændringer, der er nødvendige for at opnå et vellykket resultat«, forklarer Christoph Oelrich, leder af HR-konsulentvirksomheden Steerer.
AI er også kommet til indkøbs-, produktions- og logistikafdelingerne i mellemstore virksomheder. Hvor man tidligere indstillede nonwoven-produktionssystemerne manuelt efter trial-and-error-princippet, indsamles der i dag data om maskinernes og miljøets tilstand, de aktuelle nonwoven-kvaliteter måles optisk, og neurale netværk trænes med disse oplysninger. En algoritme simulerer indstillingsparametre og viser, hvilke der giver den ønskede kvalitet til de laveste omkostninger. I en anden virksomhed registrerer et kamerasystem, om maskinerne monterer skruer og dyvler korrekt. Hvis ikke, bliver personalet advaret inden for få sekunder. Produktkvaliteten stiger, og antallet af reklamationer falder.
Et andet eksempel: I flere uger har en kosmetikproducent i Hessen registreret i detaljer, hvordan potentielle kunder opfører sig på deres hjemmeside og i sociale netværk, hvilke oplysninger en kvinde klikker på, hvilke spørgsmål hun stiller, og hvilke farver hun foretrækker. »Med de anonymiserede, men individualiserede data kan virksomheden få et præcist billede af hende, identificere årsagerne til hendes adfærd og anbefale passende produkter og indhold i realtid«, forklarer Rupert Steffner, grundlægger af startup-virksomheden Wunder.ai og ekspert i BI og AI i detailhandel, telekommunikation og finansielle virksomheder. »Vi forsøger så vidt muligt at kortlægge følelsesmæssige faktorer og beslutningsprocesser i den menneskelige hjerne i vores system.«
Forretningsanalytikere, dataingeniører og dataforskere er efterspurgte på arbejdsmarkedet. Potentielle dataloger, fysikere og matematikere bliver allerede rekrutteret på universiteterne. »Nogle virksomheder samarbejder med universiteterne for at få fat i de bedste talenter på et tidligt tidspunkt,« siger headhunteren Oelrich. Nyuddannede lokkes med årslønninger på 60.000 euro og derover, med en doktorgrad er over 70.000 euro muligt: »En data scientist med fem års erfaring tjener i gennemsnit omkring 90.000 euro.« Og tendensen er stigende. »For mange high potentials er det dog afgørende, om forretningsmodellen er spændende og fremtidsorienteret, og om de kan arbejde med de nyeste værktøjer.«
Store virksomheder vinder som regel kapløbet om de klogeste hoveder, mens mindre virksomheder sjældent kan følge med, når det gælder løn og karrieremuligheder. »Dertil kommer, at de ofte ikke har en leder med praktisk erfaring i at gennemføre digitale projekter«, klager Oelrich. Derfor tyer mange SMV’er til freelancere med dagssatser på mellem 800 og 1.200 euro, når der er behov for det. De benytter sig også af softwarevirksomheder, som tilbyder programmer og rådgivning inden for AI, visuel analyse, datavidenskab eller Internet of Things – herunder komplette forretningsprocesser baseret på brug af data.
Voksende interesse fra SMV’er
Den globale markedsleder er SAS. Den tyske afdeling af den amerikanske virksomhed oplever en stigende interesse fra SMV’er for løsninger, som tidligere var forbeholdt de store spillere. »Corona har gjort mange virksomheder smerteligt bevidste om deres mangler, når det gælder digitalisering«, siger Annette Green, der er ansvarlig for Tyskland, Schweiz og Østrig hos SAS. Mange beslutningstagere er ikke helt klar over deres egen virksomheds svagheder. Årsagen er ofte utilstrækkelig datahåndtering. Virksomheder, der ikke har metodiske, konceptuelle, organisatoriske og tekniske procedurer for at bruge data som en ressource, er mere tilbøjelige til at gå i stå i en krisesituation end virksomheder, der allerede er afhængige af big data, analytics eller AI: »Sidstnævnte har en modstandskraft, der vil beskytte dem i fremtiden i tilfælde af uventede begivenheder og gøre dem i stand til at udvikle nye produkter og tjenester.«
Ved hjælp af analyser og kunstig intelligens er det muligt at få en bedre kundetilgang og skræddersyede tilbud. »Disse er baseret på alle tilgængelige oplysninger om kunden og de tjenester, de hidtil har brugt, og skaber tillid og tilfredshed, selv i tider med begrænset personlig kontakt«, opsummerer Green. Det åbner op for nye indtægtsmodeller. »De teknologiske løsninger, der anvendes, skal være automatiserede, fleksible og frem for alt skalerbare.« Det er også nyttigt, når der anvendes nye analysemodeller som f.eks. maskinlæring, »fordi det kræver mere computerkraft i en bestemt periode, som så kan tilføjes eller reduceres igen efter behov.«
Bornemann-chefen von Soden er overbevist om, at intelligente tråde vil være et kerneprodukt for hans virksomhed i fremtiden. Han er allerede i gang med at indsamle og analysere data til online markedsføring: »Med succes.«