Mendapatkan lebih banyak daripada angka
Data semakin penting untuk membangunkan produk dan perkhidmatan baharu. Perniagaan kecil dan sederhana boleh menghasilkan dengan lebih cekap dan melayani pelanggan secara lebih individu.
Pada mulanya, Moritz von Soden tidak percaya dengan matanya: dalam beberapa minit, data daripada poros berulir baharu yang dilengkapi sensor mini, yang dibentangkan oleh pasukan pembangunan beliau, mengalir ke telefon bimbitnya melalui Bluetooth. Data tersebut memberikan maklumat tentang beban dan getaran poros. “Ia seperti pandangan sinar-X ke dalam ulir,” kata ketua Bornemann Gewindetechnik, teruja dengan angka yang mengalir keluar dari ulir pintar beliau: “Anda malah boleh melihat pelincir apa yang digunakan.”
Pelanggan Bornemann, terutamanya pengeluar platform angkat atau peralatan penghantar, kini boleh memantau keadaan produk mereka sepanjang masa. Ini membolehkan kerosakan dikesan awal, selang penyelenggaraan dioptimumkan dan kerosakan dapat dielakkan. Inovasi ini membuka bidang perniagaan baharu sepenuhnya bagi pengeluar benang yang berpusat di Lower Saxony itu sendiri: “Dengan menganalisis semua data yang diukur, kami memperoleh pengetahuan yang boleh kami tawarkan kepada pelanggan kami di samping spindel kami pada masa hadapan,” kata von Soden. “Penubuhan bahagian perundingan boleh difikirkan.”
Semakin banyak perusahaan kecil dan sederhana menggunakan teknologi seperti kecerdasan perniagaan (BI), big data, analitik dan kecerdasan buatan (AI) untuk membangunkan produk dan perkhidmatan serta meneroka bidang perniagaan baharu. Manakala BI terutamanya digunakan untuk memproses dan mempersembahkan data sejarah dan semasa, analitik pula memfokuskan pada masa depan. Teknologi seperti perlombongan data dan pembelajaran mesin digunakan untuk menentukan kebarangkalian hasil masa depan. Ini membolehkan ramalan yang berasas dibuat. “Perkembangan boleh diramalkan supaya sebarang perubahan yang diperlukan untuk mencapai hasil yang berjaya boleh dimulakan pada peringkat awal,” jelas Christoph Oelrich, ketua perunding kakitangan Steerer.
AI juga telah tiba di jabatan pembelian, pengeluaran dan logistik syarikat bersaiz sederhana. Manakala pada masa lalu, sistem pengeluaran fabrik bukan tenunan diselaraskan secara manual melalui cuba dan silap, hari ini data mengenai keadaan mesin dan persekitaran dikumpul, kualiti fabrik bukan tenunan semasa diukur secara optik, dan rangkaian neural dilatih dengan maklumat ini. Algoritma mensimulasikan tetapan parameter dan menunjukkan parameter mana yang menghasilkan kualiti yang diperlukan pada kos terendah. Di sebuah syarikat lain, sistem kamera mengesan sama ada mesin memasang skru dan paku keluli dengan betul. Jika tidak, kakitangan akan dimaklumkan dalam beberapa saat. Kualiti produk meningkat dan bilangan aduan berkurangan.
Satu contoh lagi: selama beberapa minggu kebelakangan ini, seorang pengeluar kosmetik di Hesse telah merekod secara terperinci bagaimana bakal pelanggan wanita berkelakuan di laman web dan media sosialnya, maklumat apa yang mereka klik, soalan apa yang mereka ajukan dan warna apa yang mereka gemari. “Dengan data yang dianonimkan tetapi diperibadikan, syarikat itu dapat membentuk gambaran tepat tentang dirinya, mengenal pasti sebab tingkah lakunya dan mencadangkan produk serta kandungan yang sesuai kepadanya secara masa nyata,” jelas Rupert Steffner, pengasas syarikat permulaan Wunder.ai dan pakar BI dan AI dalam peruncitan, telekomunikasi dan syarikat kewangan. “Dalam sistem kami, kami cuba memetakan faktor emosi dan proses membuat keputusan dalam otak manusia sedaya mungkin.”
Penganalisis perniagaan, jurutera data dan saintis data sangat diminati di pasaran kerja. Calon ahli sains komputer, ahli fizik dan ahli matematik sudah pun direkrut di kampus. “Sesetengah syarikat bekerjasama dengan universiti untuk mendapatkan bakat terbaik pada peringkat awal,” kata pemburu bakat Oelrich. Graduan tertarik dengan gaji tahunan £60,000 dan ke atas, dan dengan doktorat, lebih £70,000 boleh diperoleh: “Seorang saintis data dengan lima tahun pengalaman memperoleh purata sekitar £90,000.” Trennya menaik. “Bagaimanapun, bagi ramai individu berpotensi tinggi, adalah penting bahawa model perniagaan itu menarik dan berwawasan masa depan serta mereka dapat bekerja dengan alat terkini.”
Syarikat besar biasanya memenangi perlumbaan untuk mendapatkan bakat terbaik, manakala syarikat kecil jarang dapat bersaing dari segi gaji dan peluang kerjaya. “Lebih-lebih lagi, mereka sering kali tidak mempunyai pengurus dengan pengalaman praktikal dalam melaksanakan projek digital,” keluh Oelrich. Itulah sebabnya banyak syarikat bersaiz sederhana mengupah pekerja bebas dengan kadar harian antara £800 dan £1,200 apabila diperlukan. Mereka juga menggunakan perkhidmatan syarikat perisian yang menawarkan program dan perundingan untuk AI, analitik visual, sains data atau Internet Perkara – termasuk untuk proses perniagaan lengkap berdasarkan penggunaan data.
Minat yang semakin meningkat dalam kalangan perusahaan kecil dan sederhana
SAS adalah peneraju pasaran global. Cawangan syarikat AS itu di Jerman menyaksikan minat yang semakin meningkat daripada perusahaan kecil dan sederhana terhadap penyelesaian yang sebelum ini dikhaskan untuk syarikat besar. “Wabak Corona telah menonjolkan dengan menyakitkan kekurangan banyak syarikat dari segi pendigitalan,” kata Annette Green, yang bertanggungjawab untuk Jerman, Switzerland dan Austria di SAS. Akibatnya, ramai pembuat keputusan tidak sedar akan kelemahan syarikat mereka sendiri. Ini sering disebabkan oleh pengurusan data yang tidak mencukupi. Semasa krisis, syarikat yang tidak mempunyai prosedur metodologi, konseptual, organisasi dan teknikal untuk menggunakan sumber data mendapati diri mereka dalam masalah yang lebih besar berbanding syarikat yang sudah bergantung pada big data, analitik atau AI: “Syarikat-syarikat ini mempunyai ketahanan yang akan melindungi mereka daripada peristiwa yang tidak dijangka pada masa hadapan dan membolehkan mereka membangunkan produk dan perkhidmatan baharu.”
Analitik dan AI membolehkan penglibatan pelanggan yang lebih baik dan tawaran yang disesuaikan secara individu. “Ini berdasarkan semua maklumat yang ada mengenai pelanggan dan perkhidmatan yang telah mereka gunakan setakat ini, dan mewujudkan kepercayaan dan kepuasan walaupun pada masa hubungan peribadi terhad,” ringkas Green. Ini membuka model pendapatan baharu. “Penyelesaian teknologi yang digunakan haruslah diautomasikan, fleksibel dan, yang paling penting, boleh diskala.” Ini juga membantu apabila model analitik baharu seperti pembelajaran mesin digunakan, “kerana ini memerlukan lebih banyak kuasa pengkomputeran dalam tempoh masa tertentu, yang kemudian boleh ditambah atau dikurangkan semula mengikut keperluan.”
Ketua Bornemann, von Soden, yakin bahawa benang pintar akan menjadi produk teras syarikatnya pada masa hadapan. Beliau sudah mengumpul dan menganalisis data untuk pemasaran dalam talian: “Dengan kejayaan.”