3 Big Data -opetusta Fordilta

Gigaom Structure Show:n podcastissa haastateltiin Fordin Data Science johtajaa Michael Cavarettaa siitä, kuinka parhaiten valjastaa ja käyttää big datan voimaa. Big data Fordin liiketoiminnassa voi tarkoittaa lähestulkoon mitä tahansa tuotantolinjojen lähettämistä tiedoista asiakaspalautteisiin jälleenmyyjiltä ja asiakaspalvelukeskuksista. Tässä haastattelussa Cavaretta puhui siitä, kuinka kerätty data voi vaikuttaa jopa ajoneuvojen suunnitteluun. Katetut aihealueet olivat seuraavat:

Datan vaikutus suunnitteluun

Yksi tavoista, joilla big dataa on otettu käyttöön Fordilla, on kevyeen alumiinirunkoon siirtyminen. Käyttämällä alumiinia teräksen sijaan pystytään vähentämään polttoaineen kulutusta ja siten ympäristöön vapautuvia CO2-päästöjä. Data-analyysi auttoi CO2 Glide Path – ohjelmaan siirtymistä, joka syntyi, kun teknologisia vaihtoehtoja punnittiin kustannusten ja hyötyjen suhteen.

Toinen tapa, jossa datalla oli vaikutusta suunnitteluun, oli sosiaalisen median kautta. Fordin markkinointi pyysi datatieteilijöitä tutkimaan, miksi amerikkalaiset eivät pitäneet auton 3 lyhyestä suuntavalon vilkutuksesta. Lopulta kävi ilmi, etteivät itse valot olleetkaan ongelma, vaan niitten sijainti ohjauspyörässä.

Lisäarvon punnitseminen kustannuksia vastaan

Cavarettan tiimi on onnistunut vastaamaan kaksinkertaistuneeseen data-analyysin tarpeeseen, jonka Fordin johto heille asetti. Heille annettiin tehtäväksi esittää data helposti ymmärrettävässä muodossa selkeiden analyysien kera, jotta dataa voitaisiin käyttää päätöksien tukena. Kysymykset, jotka Fordilla ovat nousseet esille, ovat haastavia: Pidetäänkö kaikki data tallessa? Mikä on arvokkain säilytetty data? Mikä on datan todellinen arvo liiketoiminnalle? Fordin kaltaiselle suurelle yritykselle infrastruktuurin vaihtaminen ja uudelleenrakentaminen voi olla liian kallista.

Datatieteilijöiden ei tarvitse olla ”yksisarvisia”

Datatieteilijä saattaa olla tuttu termi ja se vaatii hyviä tietotekniikan, asiakaspalvelun ja analytiikan taitoja. Fordilla ollaan sitä mieltä, että näitten taitojen yhdistäminen ei vaadi ”yksisarvista”, eli harvinaista ja kallista kaikkien osa-alueiden mestaria, vaan he ovat onnistuneet hyödyntämään näiden osa-alueiden sisäisiä talentteja toimivan kokonaisuuden muodostamiseen. Yhdistetyn infrastruktuurin ansiosta Ford on pystynyt keräämään aineistoja myös asiakkailta ja tekemään analyysejä, jotka kattavat kaiken kerätyn datan. Näiden analyysien avulla he ovat pystyneet kehittämään prosessejaan ja parantamaan asiakastyytyväisyyttä. Big dataa siis hyödynnetään analyyttisten työkalujen, kustannusperusteisen päätöksenteon ja oikeiden resurssien hyödyntämisen kautta.

Voit lukea alkuperäisen artikkelin tästä.

Toisin kuin perinteiset sovellusten suorituskyvyn hallintatyökalut, jotka ovat rakennettu vanhentuneille sovelluksille, Dynatrace for Big Data –työkalu suoriutuu erittäin hyvin monimutkaisissa ja dynaamisissa ympäristöissä. Se löytää automaattisesti komponentit, riippuvuussuhteet ja hotspotit – alle 2% kiinteillä kuluilla, jatkuvasti, koko matkan end-to-end. Lue lisää täältä: http://dynatrace.com/en/initiatives/big-data.html