hirdetés
hirdetés

Az adatokból pénzt csinálni és tanulni egyaránt lehet

Az ipar 4.0 legfontosabb eleme: tanulás

Az új technológiák segítik és igénylik is a vállalati adatok módszeres feldolgozását, használatát. Nincs olyan digitalizációhoz kapcsolódó fogalom, amely ne az adathoz vezetne vissza. Biró Szabolccsal, a HiflyLabs fejlett analitikai üzletágának vezetőjével, mérnök-informatikus-szociológus-data scientisttel beszélgettünk a minden szinten megjelenő tanulásról, amely segíti a kis- és nagyvállalatokat az adatos gondolkodás és a sikeres adatos projektek felé való nyitásban.

hirdetés

GyártásTrend: Ha csak egy fogalmat mondhatna az ipar 4.0-val kapcsolatban, mi lenne az?

Biró Szabolcs: A tanulás. Mind az ipari oldalon, mind az adatelemzési fronton lévő szállítók részéről közös tanulási folyamatnak kell megvalósulnia. Amelyik adatos cég részt vesz egy projektben, annak meg kell ismernie a megbízó cég működését, amelyik vállalat pedig belevág egy big data projektbe, ott adatos tudást kell szerezniük a dolgozóknak, döntéshozóknak, vezetőknek. 

GyT.: Hogyan lehet az adatos gondolkodást kiépíteni?

B. Sz.: A felső vezetők már látják, hogy adataik értéket jelentenek. Részükről fontos, hogy jó szponzorként támogassák, hogy az adatos gondolkodás gyökeret tudjon ereszteni a vállalatnál, tehát egy támogatói szerepkörre van szükség a cégvezetők részéről. Ami legalább ennyire fontos, és nehezebb is elérni, hogy a szakértők vagy operatív vezetők is ezt magukénak érezzék, és elkezdjék beemelni a saját kultúrájukba. A digitális transzformáció ugyanis kulturális átalakulást hoz a vállalatok életébe.

Biró Szabolcs, a HiflyLabs fejlett analitikai üzletágának vezetője
Biró Szabolcs, a HiflyLabs fejlett analitikai üzletágának vezetője

GyT.: Mik a legjellemzőbb akadályozó tényezők abban, hogy sikeres legyen egy adatos projekt?

B. Sz.: Több akadály is útját állhatja egy kezdeményezésnek, én három fontos tényezővel találkoztam, amely blokkolhatja az előrehaladást. Egyrészt a helyi szakértőkben (mérnökökben/technológusokban) könnyen kialakulhat ellenérzés azokkal szemben, akik kívülről érkezve próbálnak javaslatot tenni arra, hogy mit is kellene másképp csinálni. Főleg, ha valaki már 10-15-20 éve dolgozik egy adott területen, a megszokásai és a mély helyismerete miatt – egyébként érthető módon – hajlamos némi szkepszisre a digitalizációval, adatokkal kapcsolatban. Másrészt előfordul, hogy egy sikeres adatos projekt után az érintett szakértőknek meg kell magyarázniuk, hogy eddig miért nem azon a hatékonyságon működtek a folyamatok, ami az adatalapú megközelítéssel elérhetővé vált. Ha egy munkatárs tart ettől, akkor könnyen magában tarthat információkat, és nem kapcsolódik be a közös adatgondolkodásba. Az erőforráshiány a harmadik dolog, ami hátrasorol egy-egy big datás projektet.

Az optimális felállás az, amikor a vállalat minden kapcsolódó területéről szakemberek és a döntéshozók közösen ötletelnek az adatprojektet megvalósítókkal.

GyT.: Hogy jön létre ez a kapcsolódás egy külsős adatos céggel?

B. Sz.: Elsősorban nyitottságra van szükség, és minél hamarabb kell olyan eredményeket szállítani a beszállító cégnek, amihez a gyártó oldalon ülő szakértők tudnak kapcsolódni. Ilyen például, ha bemutatjuk, az adatok alapján erős szezonális hatást látunk a selejtek képződésében, és egyből záporoznak a különböző elméletek, hogy ez miért lehet. Ekkor elindul egy információcsere, egy közös gondolkodási folyamat, ami után tovább lehet lépni, értelmet keresni a számok mögött. Ezért is fontos a sok iteráció és interakció egy-egy adatos projekt során.

GyT.: Mi a kulcsa annak, hogy egy vállalatvezető értse és alkalmazni tudja az ipar 4.0-t, és digitálisan támogatott, adatvezérelt döntéshozásra álljon át?

B. Sz.: A kulcs, hogy legyen adat, amire megvannak a különböző adatgyűjtési és -tárolási módszerek. Erre a legtöbb vállalatnál már van kialakult módszertan, de legalább az első lépéseken túl vannak. Ennek ellenére sokszor költséges az adatok összekapcsolása, integrálása, ezért a legtöbb esetben gyors átfutású, költséghatékony, „fájdalommentes” proof-of-concept projekteken érdemes megbizonyosodni egy-egy megoldás használhatóságáról. Ráadásul azt látom, hogy sok helyen vannak parlagon heverő adatvagyonok, ami lehetőséget ad arra, hogy valamivel elkezdjünk dolgozni. Ha pedig még nincs gyűjtött adat, akkor pedig azért szerencsés a helyzet, mert úgy lehet elkezdeni strukturáltan adatot gyűjteni, hogy azt rögtön elemezni lehessen, persze ehhez tudatosság szükséges.

GyT.: Melyik szektor ebben a legfejlettebb, és hol áll a rangsorban az ipar?

B. Sz.: Az adatos gondolkodás korai adoptálója a pénzügyi szektor, hiszen ott az üzleti működés és szabályozási környezet folytán nagyon hamar kialakultak strukturált adattárházak, melyekre üzletiintelligencia-megoldások építhetők. Ráadásul a bankok egymáshoz sokkal inkább hasonlítanak, mint a gyártó szektor vállalatai, így a hasonló problémák és hasonló adatok jól megismételhető megoldásokat hoztak (hitelkockázati modellek, termékaffinitási elemzések, ügyfél-szegmentációk). Szintén korán lépett a telekommunikációs szektor és az államigazgatás egyes szereplői (pl. az adóhivatalok). Az általam testközelből látott projekteket – nem reprezentatív – mintaként alapul véve később léptek be a közműszolgáltatók, logisztikai vállalatok. Az ipar 4.0 hullámain az utóbbi években a gyártó szektorban is elindult az adatgyűjtés, és a nagyobb hazai szereplők vagy német/amerikai cégek leányvállalatai már el is kezdték használni a gyűjtött adatokat, de még ők is sok esetben az út elején járnak.

Biró Szabolcs
Biró Szabolcs

GyT.: Milyen egy sikeres adatos projekt?

B. Sz.: Tökéletes projekt nincs, de el tudom képzelni! Az első és legfontosabb, hogy meghatározzuk az adatos projekt célját, hogy mire akarunk megoldást találni, például sok a selejt, hosszú a ciklusidő, leáll a gép, sok energia fogy egy részfeladatnál. Sokszor a digitalizációs éretlenség a kifogás a kkv-k oldaláról, hogy miért nem indulnak el az adatalapú működés útján. Igaz ugyan, hogy bizonyos fokú digitális érettség szükséges ahhoz, hogy egy adatos projektet elindítsunk, de a digitális érettség nem előfeltétele annak, hogy adatokban gondolkodjunk. Az első lépés, hogy gyűjtsük össze a problémáinkat, minél kisebb egységekben. Ha nincs belső adatos erőforrás, akkor egy külső partnerrel együttműködve lehet gondolkodni. Készítsünk egy listát azokról a folyamatokról, részfeladatokról, amelyek problémásak, majd a hozzájuk tartozó szakembereket, döntéshozókat kérdezzük ki, hogy kiértékelhessük ezeket az eseteket. Több dimenziója kell hogy legyen egy ilyen előzetes kiértékelésnek. Egyrészt meg kell vizsgálni, hogy adatalapon megoldható-e az adott probléma, valamint hogy rendelkezésre áll-e olyan mennyiségű és minőségű adat, amivel a probléma megoldható, illetve elérhetővé tehetők-e ezek az adatok. Az üzleti potenciálra vonatkozóan pedig láthatóvá kell tenni, hogy mekkora költségmegtakarítást vagy más előnyt hoz az adatmegoldás.

Természetesen fontos szempont még a probléma komplexitása, ami arányban áll a projekt költségével. Nagyon hatékony, ha a cégnél van egy adatbajnok, aki hidat tud képezni a vállalat és a fejlett analitikai beszállító között, aki lelkes és affinis, hogy belülről motiválja a csapatot – ez az összekötő ember nagyot tud lendíteni az adatos projekt sikerességén.

GyT.: Van olyan dobozos termék, amelyet új technológiákkal, de olcsón tudnak kihasználni a kkv-k?

B. Sz.: Inkább a módszertani és technológiai elemeket használjuk fel és visszük tovább, fejlesztjük projektről projektre – ez az, amit a kkv-k ki tudnak használni. A módszer és a technológia van a dobozban. De vannak olyan problémák – például a forgómotoros gépek körében –, amelyekre rá lehet húzni egy dobozos adatterméket, de ezek speciálisan szűk szegmensben használhatók. Emellett az iparban is vannak közös részterületek – mint pl. a bankszektorban a hitelkihelyezés –, amelyek nagyon hasonlóan működnek, ilyen lehet a beszerzés, a karbantartás, logisztika. Ezekre a folyamatokra elképzelhetőek dobozos megoldások, de még egy sztenderdnek tűnő folyamatban is könnyen bele lehet futni olyan specifikus problémákba, melyek rugalmas kezelést kívánnak (például az imént említett forgómotoros eszközök esetén egyáltalán nem mindegy, hogy milyen anyag van jelen mondjuk egy szivattyúban, vagy hogy az adott eszköznek milyen a függősége a rendszer többi elemének működésétől). Egy dobozos termék kötöttséget ad, egy projekt korrigálható.

GyT.: A kkv-k mennyire érdeklődőek, nyitottak az új technológiákra?

B. Sz.: Az ipari szektorból vannak ügyfeleink az autóiparban, az olajiparban, de inkább nagyvállalatok. Az eddigi tapasztalat azt mutatja, hogy minden szektorban a nagyobb vállalatok kezdtek előbb adatos projektekbe, de a kisebbek is fokozatosan indultak utánuk; most a gyártás terén is ezt látjuk. Részt vettünk többek közt meghibásodás-előrejelzésben, lézeres anyagvizsgálatban, szivattyúmeghibásodás kiküszöbölését megoldandó projektben, hőcserélő hatékonyságának elemzésében.

A nagyobb vállalatoknál szerzett tapasztalatokkal – ha áttör a gát kkv-fronton – tudunk már eljárásokat, módszereket és technológiát nyújtani a speciális kihívásokra. A kkv-k számára is egyre fontosabb lesz ez a téma, mert egy cég akkor tud stabilan a beszállítói lánc része maradni, ha az adatok frontján is lépést tart.

Trapp Henci
a szerző cikkei

hirdetés
Ha hozzá kíván szólni, jelentkezzen be!
 
hirdetés
hirdetés
hirdetés

Kiadónk társoldalai

hirdetés