inspiration
Anvend data intelligence i produktudvikling
Indsamling af data er essentielt i fremtidens produktudvikling, fordi data skaber grundlaget for helt nye indsigter og muligheder. Dataindsamling kan med fordel tænkes ind, når I som virksomhed udvikler de enkelte delkomponenter, hvor små som store databrikker kobles sammen i slutproduktet eller servicen.
Ved at tænke data ind i produktudviklingsforløbet vil I øjne nye muligheder for at forbedre og udvikle produkter og services. Det kan være initiativer, som skaber gevinst i ét eller flere led i den udvidede værdikæde; fra underleverandør af en komponent, til montøren, kunden eller forbrugeren eller i de services som I bidrager til, for at jeres kunder kan yde en bedre service overfor deres kunder.
Det er optimalt at samarbejde med leverandører og kunder om data på tværs af den udvidede værdikæde. Teknologien til opsamling af data udføres af én part, opsamling og behandling af data af en anden og gevinsten ved at anvende data slår igennem hos en tredje part i værdikæden.
Uanset om I som virksomhed produktudvikler in-house eller sammen med eksterne partnere, gælder det om at identificere, hvor og hvordan hver databrik opstår, og hvordan og hvor den skaber værdi for kunderne i de produkter og services, der udvikles.
"
Det er virksomhedens domænekompetencer og vores business data scientist, der i fællesskab forløser potentialet i jeres data. Det gælder også i mindre virksomheder, når de indgår i et partnerskab med vores business data scientist.
Konkrete eksempler på dataindsamling i produktudvikling
Forudsig produktionen af vindenergi. Det er kritisk for vindenergiproducenter, dvs. ejere af vindmøller og vindmølleparker, at kunne forudsige, hvor meget vindenergi hver vindmølle i en park producerer. De er nemlig forpligtiget til at melde forventet produktion ind til Energinet, som ejer og driver dansk energiinfrastruktur. For en dansk vindmølleproducent har Rooftop Analytics udviklet algoritmer til at identificere de features, som har størst indflydelse på vindenergiproduktionen. Det gør producenten i stand til at forudsige vindenergiproduktionen fra hver enkelt vindmølle i en vindmøllepark - helt op til 36 timer frem i tiden.
Forudsig vedligeholdelse af maskinen baseret på testresultater. En virksomhed har over en lang periode analyseret testprøver af olie anvendt i turbiner. Baseret på kritiske måleværdier er det vurderet, hvornår olien bør skiftes. På baggrund af testresultaterne udvikler Rooftop Analytics algoritmer, som identificerer, hvornår kunden bør skifte olien. Desuden får kunden forslag til hvilken vedligeholdelsesindsats af maskinen, der bør foretages. Gevinsten for virksomheden er bedre kundeservice, da tilbagemelding på olietesten går hurtigere, og kunden får anbefalet en indsats i vedligeholdelsen, som på sigt kan minimere omkostningerne til vedligeholdelse. Desuden opnår virksomheden driftsmæssige besparelser, da den bruger færre medarbejdere i analyseafdelingen. Virksomheden får også konkret datainput til videreudvikling af olien.
Udfordringerne – særligt for små virksomheder
Hos især mindre virksomheder er det en udfordrende opgave at arbejde med data i produktudvikling, særligt når det kommer til it-investeringer og ressourcer.
Brug interim it-platform under produktudviklingen. Selvom teknologien er til stede, og it er blevet billigere, er det stadig investeringstungt at implementere de it-løsninger, som evner at opsamle, opbevare og analysere data. Derfor kan man med fordel drage nytte af interim teknisk setup, imens pilotprojektet gennemføres. Når produktudviklingen tegner til at blive succesfuld, kan man investere i it. Cloudløsninger og applikationer er oftest velegnede, fordi de er hurtige at idriftsætte og samtidig nemme at komme af med, hvis gevinsterne for produktudviklingen udebliver.
Køb jer til business data sciene kompetence, men konsolider jeres domæneviden. En væsentlig barriere for at tænke data ind i produktudvikling, er behovet for en business data scientist. For mindre virksomheder er der ikke forretningsgrundlag for at have en dedikeret data intelligence -afdeling eller blot en enkelt business data scientist ansat. Det er dog ikke nødvendigt at have in-house ekspertviden om data intelligence. I kan indgå samarbejdsaftaler med eksperter som eksempelvis Rooftop Analytics. Det vigtige er, at I sikrer deltagelse af jeres virksomheds domænekompetencer som i fællesskab med vores business data scientist, identificerer hvordan potentialet i jeres data bedst frigøres. I har den unikke domæneviden om markedet, kunderne og virksomhedens muligheder og begrænsninger, og en business data scientist har den rette værktøjskasse til at indsamle, bearbejde og udvikle prædiktioner.
OM ROOFTOP ANALYTICS
Når en virksomhed identificerer nye eller forbedrede services og produkter til markedet, kan Rooftop Analytics analysere, om de tilgængelige data er relevante, om de er tilstrækkeligt forklarende, og om resultaterne kan dannes alene på baggrund af data. Med vores kompetence inden for statistisk metode, modeller og algoritmer udvikler vi data intelligence til gavn for ét eller flere led i den udvidede værdikæde.
Se et eksempel på, hvordan forventningerne til anvendelsen af data stiger over tid.
Virksomheder er ikke ens, og søger at få løst opgaver på forskellig vis. Det kræver forskellige leverancemuligheder. Rooftop er fleksibel og ændrer sit service setup i takt med virksomhedens ændrede behov.