Meer uit cijfers halen
Gegevens worden steeds belangrijker voor de ontwikkeling van nieuwe producten en diensten. Middelgrote bedrijven kunnen efficiënter produceren en klanten individueler benaderen.
Moritz von Soden kon zijn ogen aanvankelijk niet geloven: binnen enkele minuten stroomden er via Bluetooth gegevens naar zijn mobiele telefoon vanuit de nieuwe, met minisensoren uitgeruste schroefspindel die zijn ontwikkelingsteam had geïntroduceerd. Deze gegevens geven informatie over de belastingen en trillingen van de spindel. “Het is alsof je door de schroefdraad heen kunt kijken”, zegt de directeur van Bornemann Gewindetechnik enthousiast over de cijfers die uit zijn slimme schroefdraad komen: “Je kunt zelfs zien welk smeermiddel wordt gebruikt.”
Klanten van Bornemann, voornamelijk fabrikanten van hefbruggen of transportapparatuur, kunnen nu 24 uur per dag de staat van hun producten in de gaten houden. Zo kan schade vroegtijdig worden opgespoord, kunnen onderhoudsintervallen worden geoptimaliseerd en kunnen storingen worden voorkomen. De innovatie opent voor de schroefdraadproducent uit Nedersaksen zelf een volledig nieuw businessgebied: “Door alle gemeten gegevens te analyseren, verkrijgen we kennis die we in de toekomst naast onze spindels ook aan onze klanten kunnen aanbieden”, zegt Von Soden. “Het opzetten van een adviesafdeling is denkbaar.”
Steeds meer kleine en middelgrote ondernemingen maken gebruik van technologieën zoals Business Intelligence (BI), Big Data, Analytics en Kunstmatige Intelligentie (AI) om producten en diensten te ontwikkelen en nieuwe bedrijfsgebieden aan te boren. Terwijl BI in de eerste plaats wordt gebruikt om historische en actuele gegevens te verwerken en weer te geven, is Analytics gericht op de toekomst. Met technologieën zoals datamining of machine learning wordt de waarschijnlijkheid van toekomstige resultaten bepaald. Dit maakt gefundeerde prognoses mogelijk. “Ontwikkelingen kunnen worden geanticipeerd, zodat eventueel noodzakelijke veranderingen voor een succesvol resultaat vroegtijdig in gang kunnen worden gezet”, legt Christoph Oelrich, hoofd van het personeelsadviesbureau Steerer, uit.
Ook AI heeft zijn intrede gedaan in de inkoop-, productie- en logistieke afdelingen van middelgrote bedrijven. Waar installaties voor de productie van vliesstoffen in het verleden handmatig werden ingesteld volgens het trial-and-error-principe, worden tegenwoordig gegevens over de toestand van de machines en de omgeving verzameld, worden de huidige vlieskwaliteiten optisch gemeten en worden neurale netwerken met deze informatie getraind. Een algoritme simuleert instellingsparameters en laat zien bij welke parameters de vereiste kwaliteit tegen de laagste kosten wordt geproduceerd. In een ander bedrijf detecteert een camerasysteem of machines schroeven en pluggen correct in elkaar zetten. Als dat niet het geval is, wordt het personeel binnen enkele seconden gewaarschuwd. De productkwaliteit stijgt, het aantal klachten daalt.
Nog een voorbeeld: een cosmeticafabrikant uit Hessen registreert sinds enkele weken gedetailleerd hoe potentiële klanten zich op zijn website en in sociale netwerken gedragen, op welke informatie een vrouw klikt, welke vragen ze stelt en welke kleuren ze verkiest. “Met de geanonimiseerde, maar geïndividualiseerde gegevens kan het bedrijf zich een nauwkeurig beeld van haar vormen, de motieven voor haar gedrag herkennen en haar in realtime passende producten en content aanbevelen”, legt Rupert Steffner uit, oprichter van de start-up Wunder.ai en expert op het gebied van BI en AI in handels-, telecommunicatie- en financiële bedrijven. “We proberen in ons systeem zoveel mogelijk ook emotionele factoren en besluitvormingsprocessen in het menselijk brein weer te geven.”
Businessanalisten, data-engineers en datawetenschappers zijn gewild op de arbeidsmarkt. Al op de campus worden aankomende informatici, natuurkundigen en wiskundigen gerekruteerd. “Sommige bedrijven werken samen met hogescholen om vroeg in het proces de beste talenten te vinden”, zegt headhunter Oelrich. Afgestudeerden worden gelokt met jaarsalarissen van 60.000 euro en meer, met een doctoraat is zelfs meer dan 70.000 euro mogelijk: “Een datawetenschapper met vijf jaar ervaring verdient gemiddeld ongeveer 90.000 euro.” De trend is stijgend. “Voor veel high potentials is het echter van cruciaal belang dat het bedrijfsmodel spannend en toekomstgericht is en dat ze met de nieuwste tools kunnen werken.”
Meestal zijn het de grote bedrijven die de strijd om de knappe koppen winnen, kleinere bedrijven kunnen op het gebied van salaris en carrièremogelijkheden zelden concurreren. “Bovendien hebben ze vaak geen leidinggevende die praktische ervaring heeft met de implementatie van digitale projecten”, klaagt Oelrich. Daarom doen veel middelgrote bedrijven bij behoefte een beroep op freelancers met dagtarieven tussen 800 en 1.200 euro. Ze maken ook gebruik van de diensten van softwarebedrijven die programma’s en advies aanbieden voor AI, visuele analyse, datawetenschap of het internet der dingen – ook voor complete, op gegevensgebruik gebaseerde bedrijfsprocessen.
Toenemende belangstelling van middelgrote ondernemingen
SAS is wereldmarktleider. De Duitse vestiging van het Amerikaanse concern registreert een toenemende belangstelling van middelgrote bedrijven voor oplossingen die tot nu toe vooral voorbehouden waren aan grote bedrijven. “Corona heeft veel bedrijven pijnlijk duidelijk gemaakt dat ze achterlopen op het gebied van digitalisering”, zegt Annette Green, bij SAS verantwoordelijk voor Duitsland, Zwitserland en Oostenrijk. Veel besluitvormers zijn zich dus niet precies bewust van de zwakke punten van hun eigen bedrijf. De oorzaak hiervan is vaak gebrekkig gegevensbeheer. Tijdens de crisis raakten bedrijven zonder methodische, conceptuele, organisatorische en technische procedures voor het gebruik van gegevens sneller in moeilijkheden dan bedrijven die al gebruikmaken van big data, analytics of AI: “Deze bedrijven beschikken over een veerkracht die hen ook in de toekomst beschermt tegen onverwachte gebeurtenissen en hen in staat stelt nieuwe producten en diensten te ontwikkelen.”
Met behulp van analytics en AI is het mogelijk om klanten beter aan te spreken en individueel op maat gemaakte aanbiedingen te doen. “Deze zijn gebaseerd op alle beschikbare informatie over de klant en de diensten die hij tot nu toe heeft afgenomen, en zorgen ook in tijden van beperkte persoonlijke contacten voor vertrouwen en tevredenheid”, vat Green samen. Dit opent nieuwe omzetmodellen. “De gebruikte technologische oplossingen moeten geautomatiseerd, flexibel en vooral schaalbaar zijn.” Dat is ook nuttig wanneer nieuwe analytics-modellen zoals machine learning worden gebruikt, “want dat vereist gedurende een bepaalde periode meer rekenkracht, die vervolgens naar behoefte kan worden bijgeboekt of weer verminderd.”
Bornemann-directeur von Soden is ervan overtuigd dat de slimme schroefdraden in de toekomst een kernproduct voor zijn bedrijf zullen worden. Hij verzamelt en analyseert nu al gegevens voor online marketing: “Met succes.”