Translate

» » Predictive Analytics in der Fertigung: ein entscheidender Vorteil

Admin
on
No Comment

Blog

Die moderne Fertigungswelt ist ein zarter Tanz voller miteinander verbundener Teile, die alle perfekt funktionieren müssen, um die Güter zu produzieren, die die Welt am Laufen halten. In Moving Parts untersuchen wir die einzigartigen Herausforderungen für Daten und Analysen, denen sich produzierende Unternehmen täglich gegenübersehen.

Es ist nicht einfach, ein genaues Modell für prädiktive Analysen zu erstellen. Es erfordert ein erfahrenes Datenteam, fortschrittliche Tools und enorme Mengen an sauberen Daten aus der richtigen Kombination von Eingaben. Es ist ein schwieriger Prozess, aber eine effektive Predictive Analytics-Engine ist ein enormer Vorteil für jedes Unternehmen.

Manufacturing-Data-banner "class =" wp-image-88811 lazyload "data-srcset =" https: //cdn.sisense .com / wp-content / uploads / Herstellungsdaten-banner-770X250.jpg 770w, https://cdn.sisense.com/wp-content/uploads/Manufacturing-Data-banner-770X250-370x120.jpg 370w, https : //cdn.sisense.com/wp-content/uploads/Manufacturing-Data-banner-770X250-768x249.jpg 768w, https://cdn.sisense.com/wp-content/uploads/Manufacturing-Data-banner- 770X250-178x58.jpg 178w, https://cdn.sisense.com/wp-content/uploads/Manufacturing-Data-banner-770X250-616x200.jpg 616w, https://cdn.sisense.com/wp-content/ uploads / Manufacturing-Data-banner-770X250-356x116.jpg 356w "sizes =" (max-width: 770px) 100vw, 770px "/> </figure> <h2> Große Herausforderungen, große Belohnungen </h2> <p> Fertigungsunternehmen haben eine einzigartige Position in Bezug auf Daten: Sie erstellen und erfassen tagtäglich Tonnen davon. Der Prozess der Warenproduktion ist enorm uns Gelegenheit zur Datenoptimierung. Rohstoffe müssen so effizient wie möglich bestellt, erhalten, konstruiert, verpackt und für den Verkauf bereitgestellt werden. Da die Schritte im Laufe des Prozesses so oft wiederholt werden, wird bei jeder Wiederholung ein kleiner Vorsprung vergrößert, der durch Predictive Analytics in der Fertigung entsteht, was einen erheblichen Nutzen bringt. </p> <p> Aufgrund der Zyklizität des Herstellungsprozesses sind datengesteuerte Unternehmen Aufbau überlegener Prozesse, um immer größere Vorteile zu erzielen. Nachfolgend einige Beispiele für Unternehmen, die Manufacturing Analytics einsetzen, um die Zukunft zu erobern: </p> <h2> Vorhersage der Rücklaufquote </h2> <p> Skullcandys Einstieg in Predictive Analytics begann mit der Herausforderung, die Rücklaufquoten neuer Produkte zu verstehen. Die Logik war, dass, wenn das Team bestimmte Merkmale oder Aspekte eines Produkts vorhersagen konnte, die zu einer Rückgabe führen würden, diese Richtlinien für die Rückgabe von Produkten optimiert werden konnten. Sie verwendeten BigSquid, um historische Daten zu Renditen zu mischen und zu analysieren, und fügten ihre Erkenntnisse Funktionen und Produkten auf ihrer Roadmap hinzu. Von dort aus konnte das Team neue Fragen zu diesem Datensatz stellen, um zu verstehen, wie Kunden mit ihren Produkten interagieren, und schließlich eine bessere Garantierichtlinie für Produkte aufstellen, bevor diese überhaupt veröffentlicht wurden. Diese Daten waren auch für Produktmanager nützlich und gaben ihnen ein klares Bild davon, warum Kunden Skullcandys Produkte angenommen haben (oder nicht). </p> <p> Nach Beantwortung der Fragen zur Rückgaberate konzentrierte sich das Team auf die Aufdeckung von Erkenntnissen zu Überprüfungen und Garantien behauptet, Erkenntnisse über positive und negative Treiber zu generieren. Daten wie diese sind ideal, um Entscheidungen für Produkt-Roadmaps zu treffen. All diese Kundenerkenntnisse können auf verschiedene kreative Arten genutzt werden, um Ressourcen besser zu fokussieren und Produkte zu verbessern. </p> <h2> Verbessern Sie Prognosen und maximieren Sie den Umsatz. Nur sechs Monate nach der Implementierung von Predictive Analytics stieg der E-Commerce-Umsatz um 50%! </p> </blockquote> <p> Gentex setzte Sisense ein, um nach der Umstellung von einem veralteten ERP-System Millionen von Datensätzen zu durchsuchen. Sie brauchten eine Plattform, die all diese Daten schnell durchblättert und schnelle Informationen über aktuelle und zukünftige Umsätze liefert. Zunächst erstellte Gentex Dashboards für seine Vertriebs- und Betriebsteams, in denen Informationen zu Verkäufen, Angeboten und Bestellungen im gesamten Unternehmen gesammelt wurden. Diese Dashboards beantworteten sofortige Fragen zum aktuellen Stand des Geschäfts. </p> <p> Um zukunftsorientiertere Fragen zu beantworten, erstellt Gentex eine Umsatzprognose für ein ganzes Jahr mit nur wenigen Datenmonaten. Sie verwenden Vorhersagemodelle, um Einnahmen basierend auf Ausgaben zu prognostizieren. Sie enthalten sogar Trenddaten, um die Genauigkeit im Laufe der Zeit zu verbessern. Derzeit erstellt Gentex Visualisierungen der aktuellen Umsatzdaten für Prognosen bis zu 15 Monaten in der Zukunft. </p> <p> Aufgrund dieser genauen Prognosen schöpfte Gentex das Beste aus ihrem Budget, um den Umsatz zu optimieren. Nur sechs Monate nach der Implementierung von Predictive Analytics stiegen ihre E-Commerce-Umsätze um 50%! </p> <h2> Verbesserte Bestandsverwaltung mit Bedarfsprognose </h2> <p> Die Erstellung eines Produkts, das Verbraucher kaufen möchten, ist nur dann sinnvoll, wenn ein Unternehmen einen Weg findet, um dieses Produkt zu erwerben vor den Verbrauchern, die es verlangen. Einige der modernsten Hersteller von heute kombinieren historische Kundendaten und externe Faktoren, um die Nachfrage nach Waren vorherzusagen. So können sie die Produktion steigern, wenn die Nachfrage hoch sein wird, und die Produktion verringern, wenn die Nachfrage niedrig sein wird. Diese Unternehmen bauen nicht nur für die Zukunft, sie bauen auch für die Zukunft. </p> <p> Die Notwendigkeit, die Nachfrage genau vorherzusagen, ist für diese Hersteller von entscheidender Bedeutung. Die Bedarfsermittlung in Echtzeit ist ineffektiv, da Unternehmen die Bedarfsermittlung weit genug im Voraus treffen müssen, um einen gesamten Produktionszyklus abzuschließen und das Produkt den Kunden vorzustellen. Mit einem soliden Predictive Analytics-Modell können Hersteller genau die richtige Menge an Produkten (und die richtige Vielfalt dieser Produkte) erstellen, um zukünftige Kunden zufriedenzustellen. </p> <p> Diese Prognosen optimieren den Umsatz, vermeiden jedoch auch unnötige Produktionskosten , Versand und Lagerung von Artikeln, die sich nicht verkaufen lassen. Genaue Vorhersagen sind eine Win-Win-Situation für jeden Hersteller. </p> <h2> Bauen Sie Ihr Fertigungsgeschäft mit Analysen auf. </h2> <p> Vorausschauende Analysen in der Fertigung haben sich von Science-Fiction zu einem Gewinn für die Technologie eines Unternehmens entwickelt. Die Verwendung einer Plattform wie Sisense für Fertigungsanalysen, bei der interne und externe Informationen zu einer Reihe genauer Vorhersagen kombiniert werden, ist für jeden Hersteller von unschätzbarem Wert. Das Verbessern eines beliebigen Schritts des Herstellungsprozesses ist ein Vorteil gegenüber der Konkurrenz, aber das Verbessern jedes Schritts ist eine datengesteuerte Methode, um schneller zum Branchenführer zu werden. </p> <figure class=

Adam Bonefeste ist ein erfahrener Content-Marketing-Manager. Wenn er keine Kopie schreibt, liest er wahrscheinlich Bücher, läuft durch San Francisco oder verliert sich in YouTube-Lücken über mathematische / logische Probleme.

Der Beitrag Predictive Analytics in der Fertigung: ein entscheidender Vorteil erschien zuerst auf Business Intelligence Online.



Weiterlesen: https://ift.tt/2Ua1ewk

- January 31, 2020
Share:

0 comments:

Post a Comment

Subscribe to: Post Comments (Atom)