Kunde: Einzelhandel
Hintergrund
Im Online-Handel ist es so einfach. Jeder Kunde hinterlässt seine digitale Spur wie er sich auf der Webseite bewegt, woher er kommt und wann er kauft oder nicht. In einer Filiale ist diese Analyse ungleich schwerer. Dies ist aber Voraussetzung dafür z.B. für Kunden via Mobile Apps personalisierte Angebote zur rechten Zeit zukommen zu lassen. Dies könnten Kaufempfehlungen am entsprechenden Regal oder Wegeempfehlungen sein. Dazu benötigen wir in Echtzeit dessen Standort und eine sehr gute Einschätzung seines Bedarfs. Dieser liegt typischerweise in der Kombination seiner Online- und Offline-Aktivitäten, also benötigen wir dazu ein Offline-Tracking der Kundenbewegungen.
Unser Wertbeitrag
Um dies zu ermöglichen werden die Handy-Schnittstellen des Kunden benutzt oder alternativ der Einkaufswagen. Beides lässt sich via WLAN oder Bluetooth z.B. mit sognannten Beacons verbinden, die den Weg des Kunden (oder des Einkaufswagens) verfolgen können. Genügen anonyme Bewegungsprofile des Kunden in der Filiale so kommen heute Kameras oder auch LED-Leuchten zum Einsatz, die zumindest den Kunden erkennen solange er in der Filiale weilt.
Kunde: Industrie
Hintergrund
Unter Nutzung von Daten, die im Ablauf automatisierter Prozesse von ERP- und anderen Datenverarbeitungssystem generiert werden, können mit Process Mining einzelne Prozesse strukturiert und tiefgehend analysiert werden. Die Grundlage dafür stellt die Definition eines im Fokus stehenden Geschäftsprozesses von Anfang bis Ende und die Auswahl der für die Analyse relevanten Systemdaten dar. Von diesen Daten ist ein Abzug für einen definierten Zeitraum aus dem ERP-System zu erstellen.
Unser Wertbeitrag
Die Prozessdaten lassen sich über die im ERP-System hinterlegten Zeitstempel automatisch visualisieren und auf verschiedenen Detailebenen softwaregestützt visualisieren und analysieren. Process-Mining ist vergleichbar mit einem Kernspintomographen – jedoch für Geschäftsprozesse. Im Anschluss an die Analyse werden schließlich Ergebnis- und Verbesserungspotenziale identifiziert und geeignete Maßnahmen implementiert, ganz im Sinne einer klassischen Prozessoptimierung. Tiefergehende Analytik kommt dabei zum Einsatz wenn Prozessverhalten prognostiziert wird. Hier greifen dann Predictive Analytics um z.B. die Herkunftsländer einer Teilproduktion abzuschätzen.
Kunde: Produktionsoptimierung
Hintergrund
Durch konsequente Digitalisierung im Produktionsprozess kann dieser mit Hilfe von Machine Learning Algorithmen optimiert werden. Dazu werden Toleranzen, Ausschussquoten u.ä. digital erfasst und in dem Modell integriert. Aber auch sehr alte Maschinen können in dieses Modell eingebunden werden. So helfen z.B. Kameras um analoge Zeigerinstrumente abzulesen und deren Werte zu digitalisieren.
Unser Wertbeitrag
Die Schwierigkeit hier liegt in der Ermittlung des richtigen Masses für die Speicherung der Sensordaten. Hier greifen sogenannte Smart-Data Konzepte, bei denen nicht jeder Tick im Millisekundenbereich gespeichert wird sondern nur sinnvolle vergleichbare Datenelemente.