Революция в аналитике. Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики - читать онлайн книгу. Автор: Билл Фрэнкс cтр.№ 32

Поставщики услуг, собирая данные о местонахождении и скорости передвижения своих абонентов, повторно используют их на агрегированном уровне для поддержки систем слежения за дорожной обстановкой. И абоненты в часы пик могут получить новейшую информацию о трафике благодаря входным данным от тысяч таких же абонентов, которые движутся по тому же маршруту. Причем единственное, что нужно абонентам, так это пользоваться своими мобильными телефонами или GPS-навигаторами.

Мы уже говорили о том, что детализированные сенсорные данные собираются с автомобилей, самолетов и другой техники. Теперь обратимся к данным, собираемым современными тракторами. Когда фермеры выводят трактор на поле, датчики собирают информацию о его работе. С какой скоростью трактор передвигается по полю? На какую глубину обработки установлен его культиватор? Какова температура почвы и воздуха? И многое другое. Изначально эти данные предназначены для использования в операционных целях, скажем, в виде аналитики для профилактического техобслуживания или контроля за соблюдением условий гарантии. Однако существуют и другие интересные способы применения этой информации.

Ценность данных может быть скрыта на самом виду

На первый взгляд, данные, собираемые для операционной аналитики, по большей части кажутся скучными и временными. Тем не менее зачастую этим данным можно найти творческое и неожиданное применение, которое не будет ни скучным, ни временным.

Постепенно углубляя свое понимание того, как фермеры в разных точках земного шара используют их оборудование, производители тракторов могут определить, какие методы земледелия позволяют получить максимальную урожайность. Они соотносят данные об урожайности, сообщаемые фермерами, с особенностями применяемых ими сельскохозяйственных технологий. Что если путем внесения небольших изменений можно урожайность повысить? Такие знания окажутся очень ценными для фермеров. Например, представьте, насколько полезно фермерам будет узнать о том, что увеличение глубины обработки культиватором всего на 0,3 миллиметра позволяет повысить урожайность. Однако такие знания могут быть получены только благодаря объединению операционных данных о применении оборудования большим количеством фермеров и использованию этих данных новыми способами.

Производители фасованных потребительских товаров ежегодно тратят огромные суммы денег на рекламу, промоакции и специальные выкладки товаров в магазине. Производители, с учетом высокой стоимости таких выкладок, хотят убедиться в том, что они размещаются в обговоренном месте и на протяжении обговоренного срока. Установка датчиков позволяет производителям контролировать местоположение выкладок без необходимости направлять в магазины своих сотрудников для визуальной проверки. Это дает возможность экономить много денег, а производители будут точно определять, когда была сделана выкладка их товара и как долго она находилась в этом месте.

Сопоставляя данные о местоположении с данными о продажах можно составить более ясное представление об эффективности промоакции. Например, некое место в торговом зале может казаться отличным для привлечения покупателей, а выяснится, что на самом деле это не так. Или же окажется, что выкладка была размещена в непривлекательном месте либо ее убрали на день раньше срока. Аналитика, оценивающая эффективность промоакции, способна принять вышеназванные обстоятельства во внимание. Соответственно при планировании следующих промоакций производитель будет договариваться о выделении лучшего места для выкладки и об оплате с учетом уточненных показателей продаж, привязанных ко времени и месту. Несмотря на то что изначально эти данные собираются с целью контроля за соблюдением условий, они могут использоваться для того, чтобы внести поправки в стратегии продвижения товара.

Итак, мы обсудили широкий спектр примеров тактического применения операционной аналитики. Однако собранные данные могут быть разнообразно использованы и в стратегической долгосрочной аналитике. Например, многие организации сегодня используют сенсорные данные и аналитику для того, чтобы выявлять возникающие со временем закономерности отказов оборудования. Это особенно характерно для производителей автомобилей, авиационных двигателей и тяжелой техники, такой как тракторы и самосвалы.

Собираемые данные используются для предупредительного техобслуживания – практического применения аналитики с целью опережающего выявления и устранения проблем, прежде чем те приведут к серьезным неполадкам. Мы уже вкратце касались этой темы в первой и второй главах, а теперь давайте рассмотрим ее подробнее, чтобы понять, как одни и те же данные можно использовать и в операционных, и в стратегических целях.

Чтобы проиллюстрировать потенциал подобного подхода, обратимся к такой дорогостоящей технике, как самолет. Сотрудник одной авиакомпании как-то по секрету сообщил мне, что снять крупный коммерческий самолет с рейсов и демонтировать с него двигатель для ремонта обойдется владельцам, по скромным оценкам, в сумму порядка $1 млн. Эта сумма складывается из потерянных доходов за время простоя самолета и стоимости рабочего времени, необходимого для демонтажа и повторного монтажа двигателя. Понятно, что авиакомпании (или военно-воздушные силы) прибегают к такому дорогостоящему ремонту только при крайней необходимости. К счастью, аналитика и данные позволяют радикально изменить подходы к техобслуживанию как на краткосрочном операционном, так и на долгосрочном стратегическом уровне.

Традиционно в случае отказа двигателя механики его осматривали, выясняли, какие симптомы наблюдались непосредственно перед поломкой, и пытались установить, что именно требует ремонта.

Сегодня же производители могут использовать датчики, которые в мельчайших подробностях отслеживают, как двигатель работает по прошествии времени. А когда возникают проблемы, данные анализируются с целью выявить ранние предупреждающие индикаторы. Например, может быть установлено, что поломке конкретного узла двигателя предшествовало усиление трения определенного компонента вместе с небольшим повышением температуры в течение нескольких дней или недель. После чего аналитика будет искать похожую комбинацию в других двигателях и, если обнаружит, подаст предупреждающий сигнал о необходимости проведения профилактического ремонта. Такова суть предупредительного техобслуживания.

Тем самым обеспечиваются два важных стратегических преимущества. Это позволяет производителям, во-первых, лучше понять динамику работы оборудования в реальных условиях и внести необходимые технические изменения, чтобы усовершенствовать оборудование в будущем. Во-вторых, заранее предупреждать серьезные поломки. В идеале такие процессы должны происходить в рамках планового техобслуживания, чтобы свести к минимуму издержки. Техобслуживание к тому же дешевле ремонта.

Обратите внимание, что здесь, помимо операционной аналитики, возникают возможности и для операционного применения традиционной аналитики. Операционная аналитика следит за работой двигателя в режиме реального времени и носит тактический характер. Стратегический компонент вступает в действие при корректировке долгосрочных планов техобслуживания на основе анализа сенсорных данных. Аналитика может быть применена для уточнения рекомендуемых графиков проведения техобслуживания с учетом работы двигателей в прошлом – таково стратегическое операционное применение традиционной аналитики. Данные об истории эксплуатации большого количества двигателей анализируются в пакетном режиме с целью выработать обновленные правила техобслуживания.