Datenmonetarisierung Wie sich der Datenschatz ausgraben lässt

Anbieter zum Thema

salesforce.com Germany GmbH

Fsas Technologies GmbH

Aus unübersichtlichen Datenbergen neue Angebote oder sogar Geschäftsmodelle zu entwickeln, vor dieser Herausforderung stehen viele Unternehmen der Elektroindustrie. Datenmonetarisierung ist der Schlüssel um Services, Materialfluss- und Produktionsprozesse zu verbessern – auch bei Tesla.

Daten sammeln – und zwar so viele wie nie zuvor. Vom kleinsten Bauteil bis zu komplexen Maschinenparks. Alles kann mit Sensoren ausgestattet werden. Wenn Industrieunternehmen ihre Daten richtig pflegen und aufbereiten, sitzen sie auf einem großen Datenschatz, den es nur noch zu heben gilt. Deshalb wird die Datenmonetarisierung in Zukunft immer wichtiger. Mithilfe von Analytics können so ökonomische Vorteile aus Daten generiert werden. Wie eine Studie von BARC (Business Application Research Center) im Auftrag von Tableau, Anbieter einer Analytics-Plattform, zeigt, sind gerade einmal bei 17 Prozent der befragten 200 Unternehmen Datenprodukte Bestandteil der Unternehmensprozesse. Allerdings erklären schon 40 Prozent der Befragten, dass ihr Unternehmen plant, Daten zu monetarisieren oder sich bereits in einer Pilotphase befindet. Ein Fünftel der Befragten hält Datenmonetarisierung zumindest für denkbar. Die Studie zeigt, dass einige Unternehmen bereits den finanziellen Wert ihrer Daten erkannt haben.

Daten gewinnbringend durch Analyse nutzen

Wenn Industrieunternehmen darüber nachdenken, mit Daten zu neuen Umsätzen zu gelangen, zielen sie meistens auf „Data-as-a-Product“ ab. Das bedeutet, Daten werden in Form von Roh- oder aufbereiteten Daten direkt als Produkt verkauft. Egal, ob Mess-, Prozess-, Anlagen- oder Kundendaten – Daten sprudeln aus den verschiedensten Quellen. Diese werden jedoch häufig in Silos gespeichert und sind nur bedingt nutzbar. Mit modernen Business Intelligence (BI) Werkzeugen können Daten aufbereitet, verschmolzen und verknüpft werden. So erhalten Unternehmen aussagekräftige Ergebnisse in Sekundenschnelle. Mit der intelligenten Nutzung von Daten lassen sich aber auch neue Business-Modelle, Dienstleistungen und andere geschäftsrelevante Maßnahmen auf den Weg bringen. Ein Beispiel: Der Konzern General Electric bietet mit seiner IoT-Plattform Predix eine standardisierte Möglichkeit, industrielle Anwendungen in der Cloud zu entwickeln. Anwender können dabei mit Tableau in Predix Echtzeitdaten in wichtige Erkenntnisse umwandeln, indem sie Maschinen und Daten mit dem ganzen Unternehmen verbinden.

Interessant kann für Hersteller auch das Pay-per-use- oder Pay-per-hour-Modell sein. Dank vernetzter Maschinen und unternehmensübergreifender Datenauswertung muss nicht mehr das ganze Produkt oder die Komponente an den Kunden verkauft werden. Der Anbieter stellt stattdessen gegen eine Gebühr, die sich nach der konkreten Nutzung der Maschinen oder sogar ganzer Anlagen-Infrastrukturen richtet, eine Dienstleistung zur Verfügung.

Mit Datenanalyse interne Kosten reduzieren

Mithilfe von Self-Service-Analysen können sowohl einzelne Mitarbeiter in der Herstellung als auch ganze Unternehmen Daten entlang der Lieferkette, zu Produktionsabläufen und zum gesamten Lebenszyklus von Dienstleistungen verständlich aufbereiten. Eine Variante zur internen Kostenreduktion ist zum Beispiel Predictive Maintenance, die vorausschauende Instandhaltung: Hier können Fertigungsleiter Ausfälle oder Störungen von Anlagen oder Maschinen erkennen, bevor sie auftreten und so teure Ausfallzeiten vermeiden.

Warum Tesla auf Datenmonetarisierung setzt

Der Elektrofahrzeugbauer Tesla Motors Designs hat beispielsweise festgestellt, dass Self-Service-Analysen seine Mitarbeiter dazu befähigen, ihre eigenen Daten zu untersuchen. Diese Erkenntnisse tragen dazu bei, die Produktion zu optimieren. „Wenn Mitarbeiter Zugriff auf Daten erhalten, werden sie mehr Fragen stellen. Und sie können den Daten wirklich auf den Grund gehen. Wie Ursachen für lästige Probleme identifizieren, die die Produktion vielleicht schon Wochen oder Monate stören. Uns hat das neue Erkenntnisse gebracht“, erklärt Will Bishop, Senior Test Engineer bei Tesla.

Den Einsatz von Self-Service-Analytics mit Sprachsteuerung fördern

Doch wie lässt sich der Einsatz von Self-Service-Analytics fördern und so den Wandel zum datengetriebenen Unternehmen aktiv voranbringen? Dazu können Technologien beitragen, wie zum Beispiel Natural Language Processing (NLP) – also die Fähigkeit von Computern, menschliche Sprache verstehen zu können. NLP hat sich gerade in den vergangenen Jahren rasch weiterentwickelt und verbreitet sich nun auch im Bereich Datenanalyse wie mit der Funktion Ask Data von Tableau. Mit ihr können sich Anwender regelrecht mit den Daten unterhalten, etwa mittels schriftlich formulierter Fragen, um neue Erkenntnisse zu gewinnen. Der einfach gestaltete Umgang mit der BI-Lösung, soll Mitarbeiter ermutigen, sie auch einzusetzen. Die Funktion Explain Data von Tableau liefert auch das „Warum“ hinter den Antworten. Mit einem Klick auf Datenausreißer analysiert eine künstliche Intelligenz dank statistischer Algorithmen alle verfügbaren Daten und erklärt die relevanten Faktoren. Diese Technologien machen Nutzern statistische Analysen zugänglicher, senken damit die Eintrittshürde für Analysen und maximieren so das Datenpotenzial.

Anhand der aufgeführten Beispiele wird deutlich, dass Industrieunternehmen mithilfe der eigenen Daten mehr Umsatz generieren können. Gerade Ingenieure und Technikbegeisterte besitzen eine Affinität zu Zahlen, Daten und Fakten. Diese Eigenschaft können besonders Unternehmen der Elektroindustrie zu ihrem Vorteil nutzen.

Dieser Artikel stammt von unserem Partnerportal Elektrotechnik. Verantwortliche Redakteurin: Sariana Kunze

* Henrik Jorgensen, Country Manager DACH, Tableau Software

(ID:46870879)