3 Big Data lärdomar från Ford

I en intervju från Gigaom Structure Show podcast diskuterar Fords Data Science Leader, Michael Cavaretta lärdomar av att utnyttja kraften i Big Data, och hur man bäst tar den i bruk. ”Big Data” på Ford kan innebära allt ifrån data som kommer från bil- och lastbilsproduktionen, till data från kunder hos återförsäljare och kundservicecenter. I den här intervjun talar Cavaretta om hur data kan påverka bildesignen, och du kan läsa nedan om de faktorer han berör.

Data kan påverka design
Ett av Fords användningsområden för "Big Data" är att de antagit en lätt aluminiumram istället för stål, i ett försök att minska bränsleförbrukningen och därmed minska CO2-utsläppen i miljön. Dataanalysen hjälpte till att generera ett steg mot co2 glide path program, som kom till när tekniska alternativ vägdes mot kostnader och fördelar.

Ett annat tillfälle där Fords design påverkades av data var genom Sociala medier. Efter att marknadsavdelningen bett Fords dataforskare att gräva djupare i varför amerikanerna inte tyckte om de tre korta blinkningarna, visade det sig att de faktiskt inte hade några problem med själva blinkersen i sig, utan det var dess placering på ratten de inte gillade.

Mervärde vs kostnad
Cavarettas team har arbetat med dubbla dataanalysen som begärts av cheferna på Ford. De har fått i uppdrag att presentera data på ett användarvänligt sätt, med korrekta och begripliga analyser, för att stödja de beslut som tas. Utifrån detta ställer sedan Ford tuffa frågor till sig själva och dataforskarna: Behåller de all data? Var lagras den mest värdefulla datan? Vad är det verkliga värdet för Ford? För stora företag som Ford kan det vara alldeles för dyrt att avveckla och ersätta den befintliga infrastrukturen.

Dataforskare behöver inte vara unika
"Dataforskare" är en term som nämns då och då. För att vara det det krävs god datavetenskap, kundservice orientering och analytisk förmåga. Ford har kommit fram till att en kombination av dessa kunskaper inte nödvändigtvis kräver en sällsynt unik person. De har istället kunnat utnyttja många interna resurser i dessa roller med stor framgång. Genom att sätta ihop denna infrastruktur, har Ford lyckats ta ut datamängder från kunder och sedan samköra och analysera all data tillsammans för att förbättra både processer och kundtillfredsställelse. Genom att göra på det sättet, utnyttjar dataforskarna på Ford kraften i "Big Data" genom analytiska verktyg, kostnads ​​motiverat beslutsfattande och implementering av rätt resurser.

Läs hela bloggartikeln här.

I motsats till traditionella APM-verktyg som byggdes för gårdagens applikationer trivs Dynatrace för Big Data i komplexa och dynamiska miljöer. Den upptäcker automatiskt komponenter, beroenden och hotspots, alla med mindre än 2% overhead, end-to-end, 24/7. Mer info om Dynatrace för Big Data hittar du här.