Извлеките больше пользы из чисел
Данные приобретают все большее значение для разработки новых продуктов и услуг. Малые и средние предприятия могут производить продукцию более эффективно и обращаться к клиентам более индивидуально.
Сначала Мориц фон Соден не мог поверить своим глазам: уже через несколько минут на его мобильный телефон по Bluetooth поступали данные с нового резьбового шпинделя, оснащенного мини-сенсорами, которые представила его команда разработчиков. Они предоставляют информацию о нагрузках и вибрациях шпинделя. «Это как рентгеновский снимок резьбы», — говорит глава Bornemann Gewindetechnik, восхищенный цифрами, вытекающими из его „умной“ резьбы: «Вы даже можете увидеть, какая смазка используется».
Клиенты Bornemann, в первую очередь производители подъемных платформ и погрузочно-разгрузочного оборудования, теперь могут круглосуточно контролировать состояние своей продукции. Это позволяет выявлять повреждения на ранней стадии, оптимизировать интервалы технического обслуживания и избегать поломок. Для самого производителя нитей из Нижней Саксонии эта инновация открывает совершенно новую сферу деятельности: «Анализируя все измеренные данные, мы получаем знания, которые в будущем сможем предложить нашим клиентам в дополнение к нашим шпинделям», — говорит фон Соден. «Возможно развитие консалтингового подразделения».
Все больше малых и средних компаний используют такие технологии, как бизнес-аналитика (BI), большие данные, аналитика и искусственный интеллект (AI), для разработки продуктов и услуг и открытия новых сфер бизнеса. Если BI в основном используется для обработки и визуализации исторических и текущих данных, то аналитика нацелена на будущее. Такие технологии, как интеллектуальный анализ данных или машинное обучение, используются для определения вероятности будущих результатов. Это позволяет делать обоснованные прогнозы. «Можно предвидеть развитие событий, чтобы уже на ранней стадии инициировать все необходимые изменения для успешного результата», — объясняет Кристоф Оэльрих, глава HR-консалтинговой компании Steerer.
ИИ также пришел в отделы закупок, производства и логистики средних компаний. Если раньше системы производства нетканых материалов настраивались вручную по принципу «проб и ошибок», то сегодня собираются данные о состоянии машин и окружающей среды, оптически измеряется текущее качество нетканого материала, и на основе этой информации обучаются нейронные сети. Алгоритм моделирует параметры настройки и показывает, какие из них обеспечивают требуемое качество при наименьших затратах. В другой компании система камер распознает, правильно ли машины собирают винты и дюбели. Если это не так, персонал предупреждается в течение нескольких секунд. Качество продукции повышается, а количество рекламаций снижается.
Другой пример: уже несколько недель производитель косметики из Гессена подробно фиксирует, как потенциальные клиенты ведут себя на его сайте и в социальных сетях, на какую информацию кликают, какие вопросы задают и какие цвета предпочитают. «С помощью анонимных, но индивидуализированных данных компания может составить точное представление о ней, определить причины ее поведения и рекомендовать подходящие продукты и контент в режиме реального времени», — объясняет Руперт Штеффнер, основатель стартапа Wunder.ai и эксперт в области BI и AI в розничной торговле, телекоммуникациях и финансовых компаниях. «Мы стараемся максимально отобразить в нашей системе эмоциональные факторы и процессы принятия решений в человеческом мозге».
На рынке труда востребованы бизнес-аналитики, инженеры по обработке данных и ученые, изучающие данные. Перспективные ученые-компьютерщики, физики и математики уже набираются в университетских городках. «Некоторые компании сотрудничают с университетами, чтобы заполучить лучшие кадры на ранней стадии», — говорит хедхантер Оэльрих. Выпускников заманивают годовыми зарплатами от 60 000 евро и выше, а с докторской степенью можно получить и более 70 000 евро: «Специалист по изучению данных с пятилетним опытом работы зарабатывает в среднем около 90 000 евро». И эта тенденция растет. «Однако для многих потенциальных специалистов решающим фактором является наличие интересной и перспективной бизнес-модели и умение работать с новейшими инструментами».
Крупные компании обычно выигрывают гонку за самыми яркими умами, в то время как небольшие редко могут угнаться за ними в плане зарплаты и карьерных возможностей. «Более того, у них часто нет менеджера с практическим опытом реализации цифровых проектов», — сетует Оэльрих. Поэтому многие малые и средние предприятия при необходимости прибегают к услугам фрилансеров с ежедневной оплатой от 800 до 1 200 евро. Они также пользуются услугами компаний-разработчиков программного обеспечения, которые предлагают программы и консалтинг в области искусственного интеллекта, визуальной аналитики, науки о данных или Интернета вещей — в том числе для комплексных бизнес-процессов, основанных на использовании данных.
Растущий интерес со стороны малых и средних предприятий
Лидером мирового рынка является компания SAS. Немецкое отделение американской компании отмечает растущий интерес малых и средних предприятий к решениям, которые раньше были уделом крупных игроков. «Corona заставила многие компании с болью осознать свои недостатки, когда речь идет о цифровизации, — говорит Аннет Грин, ответственная за Германию, Швейцарию и Австрию в компании SAS. Многие лица, принимающие решения, не до конца осознают слабые стороны своей компании. Причина часто кроется в неадекватном управлении данными. В условиях кризиса компании, не имеющие методических, концептуальных, организационных и технических процедур для использования данных в качестве ресурса, скорее всего, окажутся на плаву, чем компании, которые уже полагаются на большие данные, аналитику или ИИ: «Последние обладают устойчивостью, которая защитит их в будущем в случае непредвиденных событий и позволит им разрабатывать новые продукты и услуги».
С помощью аналитики и искусственного интеллекта можно улучшить подход к клиенту и создать индивидуальные предложения. «Они основаны на всей имеющейся информации о клиенте и услугах, которыми он пользовался до сих пор, и создают доверие и удовлетворенность даже в условиях ограниченного личного контакта», — резюмирует Грин. Это открывает новые модели получения прибыли. «Используемые технологические решения должны быть автоматизированными, гибкими и, прежде всего, масштабируемыми». Это также полезно, когда используются новые аналитические модели, такие как машинное обучение, «потому что в течение определенного периода времени это требует большей вычислительной мощности, которую затем можно добавить или уменьшить по мере необходимости».
Босс Bornemann фон Соден убежден, что в будущем «умные» нитки станут основным продуктом его компании. Он уже собирает и анализирует данные для онлайн-маркетинга: «С успехом».