Αξιοποιήστε καλύτερα τους αριθμούς
Τα δεδομένα αποκτούν ολοένα και μεγαλύτερη σημασία για την ανάπτυξη νέων προϊόντων και υπηρεσιών. Οι μεσαίες επιχειρήσεις μπορούν να παράγουν πιο αποτελεσματικά και να απευθύνονται στους πελάτες με πιο εξατομικευμένο τρόπο.
Ο Moritz von Soden δεν πίστευε στα μάτια του: από τον νέο κοχλία με μίνι αισθητήρες που παρουσίασε η ομάδα ανάπτυξης, μέσα σε λίγα λεπτά έφτασαν στο κινητό του δεδομένα μέσω Bluetooth. Τα δεδομένα αυτά παρέχουν πληροφορίες σχετικά με τα φορτία και τους κραδασμούς του κοχλία. «Είναι σαν να βλέπεις μέσα στο σπείρωμα με ακτίνες Χ», λέει χαρούμενος ο διευθυντής της εταιρείας Bornemann Gewindetechnik για τα στοιχεία που αναδύονται από το έξυπνο σπείρωμα: «Μπορείς να διακρίνεις ακόμη και το λιπαντικό που χρησιμοποιείται».
Οι πελάτες της Bornemann, κυρίως κατασκευαστές ανυψωτικών πλατφορμών ή μεταφορικών μηχανημάτων, μπορούν πλέον να παρακολουθούν την κατάσταση των προϊόντων τους όλο το 24ωρο. Έτσι, μπορούν να εντοπίζουν έγκαιρα τυχόν βλάβες, να βελτιστοποιούν τα διαστήματα συντήρησης και να αποφεύγουν τις διακοπές λειτουργίας. Η καινοτομία αυτή ανοίγει έναν εντελώς νέο τομέα δραστηριότητας για τον παραγωγό σπειρωμάτων της Κάτω Σαξονίας: «Μέσω της ανάλυσης όλων των μετρημένων δεδομένων, αποκτούμε γνώσεις που στο μέλλον θα μπορούμε να προσφέρουμε στους πελάτες μας επιπλέον των σπειρών μας», λέει ο von Soden. «Η δημιουργία ενός τμήματος παροχής συμβουλών είναι πιθανή.»
Οι πελάτες της Bornemann, κυρίως κατασκευαστές ανυψωτικών πλατφορμών ή μεταφορικών μηχανημάτων, μπορούν πλέον να παρακολουθούν την κατάσταση των προϊόντων τους όλο το 24ωρο. Έτσι, μπορούν να εντοπίζουν έγκαιρα τυχόν βλάβες, να βελτιστοποιούν τα διαστήματα συντήρησης και να αποφεύγουν τις διακοπές λειτουργίας. Η καινοτομία αυτή ανοίγει έναν εντελώς νέο τομέα δραστηριότητας για τον παραγωγό σπειρωμάτων της Κάτω Σαξονίας: «Μέσω της ανάλυσης όλων των μετρημένων δεδομένων, αποκτούμε γνώσεις που στο μέλλον θα μπορούμε να προσφέρουμε στους πελάτες μας επιπλέον των σπειρών μας», λέει ο von Soden. «Η δημιουργία ενός τμήματος παροχής συμβουλών είναι πιθανή.»
Η τεχνητή νοημοσύνη έχει κάνει την εμφάνισή της και στα τμήματα αγορών, παραγωγής και logistics των μεσαίων επιχειρήσεων. Ενώ στο παρελθόν οι εγκαταστάσεις παραγωγής μη υφασμένων υλικών ρυθμίζονταν χειροκίνητα με βάση την αρχή της δοκιμής και του λάθους, σήμερα συλλέγονται μεγάλες ποσότητες δεδομένων σχετικά με την κατάσταση των μηχανών και του περιβάλλοντος, μετράται οπτικά η τρέχουσα ποιότητα των μη υφασμένων υλικών και εκπαιδεύονται νευρωνικά δίκτυα με αυτές τις πληροφορίες. Ένας αλγόριθμος προσομοιώνει τις παραμέτρους ρύθμισης και δείχνει ποιες από αυτές παράγουν την απαιτούμενη ποιότητα με το χαμηλότερο κόστος. Σε μια άλλη επιχείρηση, ένα σύστημα καμερών αναγνωρίζει εάν οι μηχανές συναρμολογούν σωστά τις βίδες και τους πείρους. Εάν όχι, το προσωπικό ειδοποιείται σε δευτερόλεπτα. Η ποιότητα των προϊόντων αυξάνεται, ο αριθμός των παραπόνων μειώνεται.
Ένα άλλο παράδειγμα: ένας κατασκευαστής καλλυντικών από τη Χέσση καταγράφει εδώ και μερικές εβδομάδες λεπτομερώς τη συμπεριφορά των δυνητικών πελατών στον ιστότοπό του και στα κοινωνικά δίκτυα, τις πληροφορίες στις οποίες κάνουν κλικ οι γυναίκες, τις ερωτήσεις που υποβάλλουν και τα χρώματα που προτιμούν. «Με τα ανώνυμα, αλλά εξατομικευμένα δεδομένα, η εταιρεία μπορεί να σχηματίσει μια ακριβή εικόνα για αυτές, να αναγνωρίσει τα κίνητρα της συμπεριφοράς τους και να τους προτείνει σε πραγματικό χρόνο τα κατάλληλα προϊόντα και περιεχόμενο», εξηγεί ο Rupert Steffner, ιδρυτής της νεοφυούς επιχείρησης Wunder.ai και ειδικός σε θέματα BI και AI σε εμπορικές, τηλεπικοινωνιακές και χρηματοοικονομικές εταιρείες. «Στο σύστημά μας προσπαθούμε να απεικονίσουμε όσο το δυνατόν περισσότερο και τους συναισθηματικούς παράγοντες και τις διαδικασίες λήψης αποφάσεων στον ανθρώπινο εγκέφαλο».
Οι επιχειρηματικοί αναλυτές, οι μηχανικοί δεδομένων και οι επιστήμονες δεδομένων είναι περιζήτητοι στην αγορά εργασίας. Ήδη από το πανεπιστήμιο προσλαμβάνονται μελλοντικοί πληροφορικοί, φυσικοί και μαθηματικοί. «Ορισμένες εταιρείες συνεργάζονται με πανεπιστήμια για να προσελκύσουν νωρίς τα καλύτερα ταλέντα», λέει ο κυνηγός κεφαλών Oelrich. Οι απόφοιτοι προσελκύονται με ετήσιους μισθούς 60.000 ευρώ και άνω, ενώ με διδακτορικό μπορούν να κερδίσουν πάνω από 70.000 ευρώ: «Ένας επιστήμονας δεδομένων με πέντε χρόνια εμπειρίας κερδίζει κατά μέσο όρο περίπου 90.000 ευρώ». Τάση: ανοδική. «Για πολλούς υποψήφιους υψηλού δυναμικού, όμως, είναι καθοριστικό το επιχειρηματικό μοντέλο να είναι συναρπαστικό και πρωτοποριακό και να μπορούν να εργάζονται με τα πιο πρόσφατα εργαλεία».
Συνήθως, οι μεγάλες εταιρείες κερδίζουν τον αγώνα για την προσέλκυση ταλαντούχων στελεχών, ενώ οι μικρότερες σπάνια μπορούν να ανταγωνιστούν σε ό,τι αφορά τους μισθούς και τις ευκαιρίες καριέρας. «Επιπλέον, συχνά δεν διαθέτουν στελέχη με πρακτική εμπειρία στην υλοποίηση ψηφιακών έργων», παραπονιέται ο Oelrich. Για αυτό το λόγο, πολλές μεσαίες επιχειρήσεις προσφεύγουν, όταν χρειάζεται, σε ελεύθερους επαγγελματίες με ημερήσιες αμοιβές μεταξύ 800 και 1.200 ευρώ. Χρησιμοποιούν επίσης τις υπηρεσίες εταιρειών λογισμικού που προσφέρουν προγράμματα και συμβουλευτικές υπηρεσίες για τεχνητή νοημοσύνη, οπτική ανάλυση, επιστήμη δεδομένων ή το Διαδίκτυο των πραγμάτων – ακόμη και για ολοκληρωμένες επιχειρηματικές διαδικασίες που βασίζονται στη χρήση δεδομένων.
Αυξανόμενο ενδιαφέρον από τις μεσαίες επιχειρήσεις
Η SAS είναι ο παγκόσμιος ηγέτης της αγοράς. Το γερμανικό υποκατάστημα του αμερικανικού ομίλου καταγράφει αυξανόμενο ενδιαφέρον από μεσαίες επιχειρήσεις για λύσεις που μέχρι τώρα ήταν προνόμιο κυρίως των μεγάλων εταιρειών. «Ο κοροναϊός έφερε στο φως με οδυνηρό τρόπο τα ελλείμματα πολλών επιχειρήσεων στον τομέα της ψηφιοποίησης», λέει η Annette Green, υπεύθυνη της SAS για τη Γερμανία, την Ελβετία και την Αυστρία. Έτσι, πολλοί υπεύθυνοι λήψης αποφάσεων δεν γνωρίζουν ακριβώς τις αδυναμίες της δικής τους επιχείρησης. Η αιτία είναι συχνά η ανεπαρκής διαχείριση δεδομένων. Κατά τη διάρκεια της κρίσης, οι εταιρείες που δεν διέθεταν μεθοδικές, εννοιολογικές, οργανωτικές και τεχνικές διαδικασίες για τη χρήση των δεδομένων ως πόρου βρέθηκαν σε δυσχερή θέση πιο γρήγορα από τις εταιρείες που ήδη χρησιμοποιούσαν big data, analytics ή τεχνητή νοημοσύνη: «Αυτές διαθέτουν μια ανθεκτικότητα που θα τις προστατεύσει και στο μέλλον από απρόβλεπτα γεγονότα και θα τους επιτρέψει να αναπτύξουν νέα προϊόντα και υπηρεσίες».
Με τη βοήθεια της ανάλυσης δεδομένων και της τεχνητής νοημοσύνης, είναι δυνατή η καλύτερη προσέγγιση των πελατών και η παροχή εξατομικευμένων προσφορών. «Αυτές βασίζονται σε όλες τις διαθέσιμες πληροφορίες για τον πελάτη και τις υπηρεσίες που έχει χρησιμοποιήσει μέχρι τώρα και δημιουργούν εμπιστοσύνη και ικανοποίηση, ακόμη και σε περιόδους περιορισμένων προσωπικών επαφών», συνοψίζει ο Green. Αυτό ανοίγει νέους τρόπους δημιουργίας εσόδων. «Οι τεχνολογικές λύσεις που χρησιμοποιούνται πρέπει να λειτουργούν αυτόματα, να είναι ευέλικτες και, πάνω απ’ όλα, να είναι επεκτάσιμες.» Αυτό είναι επίσης χρήσιμο όταν χρησιμοποιούνται νέα μοντέλα ανάλυσης, όπως η μηχανική μάθηση, «επειδή απαιτεί περισσότερη υπολογιστική ισχύ για ένα ορισμένο χρονικό διάστημα, η οποία μπορεί στη συνέχεια να προστεθεί ή να μειωθεί ανάλογα με τις ανάγκες.»
Ο διευθυντής της Bornemann, Herr von Soden, είναι πεπεισμένος ότι τα έξυπνα σπειρώματα θα αποτελέσουν στο μέλλον ένα βασικό προϊόν για την εταιρεία του. Ήδη συλλέγει και αναλύει δεδομένα για το διαδικτυακό μάρκετινγκ: «Με επιτυχία».