Whitepaper. Big Data: Verander Gegevens Over Het Werk in Goud

Transcriptie

1 Whitepaper Big Data: Verander Gegevens Over Het Werk in Goud

2 Samenvatting Vandaag de dag worden steeds meer producenten en fabrikanten geconfronteerd met de buzz rondom big data en de hoeveelheid informatie die het omvat. Waarom zouden ze zich ervoor moeten interesseren? Omdat Big Data de mogelijkheid biedt om bestaande informatie om te zetten in daadwerkelijke handelswaarde. Door relevante gegevens te verzamelen, te analyseren en hier de juiste actie op te ondernemen zijn producenten in staat om hun dagelijkse stroom aan gegevens in goud te veranderen. De buzz van Big Data Net zoals zoveel andere buzzwoorden is Big Data opeens uit het niets verschenen. Toch hebben we ons het woord ontzettend snel eigen gemaakt. In april 2010 is het na enige weerstand een geaccepteerde term geworden op Wikipedia. Nu zien we overal in de blogosphere en in bladen als de New York Times hoe CEO s en bedrijven plannen maken rondom Big Data. In de afgelopen jaren is de notie rondom Big Data exponentieel gegroeid en is het onderdeel geworden van alledaagse gesprekken. Afgezien van de buzz rondom deze term bestaat big data echt, en toont het een snelle groei. Als we de statistieken van IBM mogen geloven, creëren we elke dag meer dan 2 petabytes aan gegevens, dat wil zeggen 2 bytes gevolgd door 15 nullen. Dit betekent dat 90% van alle beschikbare data wereldwijd is ontstaan in slechts de laatste 2 jaar. 1 Het is dan ook niet verwonderlijk dat de groeiverwachting voor de wereldwijde markt aan diensten en technologie met betrekking tot Big Data is gegroeid van 3,2 miljard dollar in 2010 tot 16,9 miljard dollar in 2015, zo zegt Data Corp. 2 In 2012 is een onderzoek uitgevoerd door Computerworld, dat een enquête heeft gehouden onder 300 van de grootste bedrijven ter wereld. Hieruit bleek dat 13% van deze bedrijven reeds initiatieven had uitgevoerd rondom Big Data. 38% overwoog om dergelijke projecten te implementeren in Waarom Big Data? Het concept van Big Data is niet voor iedereen hetzelfde. Ken Krugler, gerenommeerd consultant en expert in data mining beschrijft het concept het beste: Het is meer dan je kunt beheren op je computer en een verhoging van de datacapaciteit is geen optie. 4 1 Bringing Big Data to the Enterprise, IBM Corp., 30 December, 2012, 2 IDC Releases First Worldwide Big Data Technology and Services Market Forecast, Shows Big Data as the Next Essential Capability and a Foundation for the Intelligent Economy, International Data Corp., 7 maart 2012, 3 John Bantleman, Big Data: Business or Technology Challenge? Wired, 3 januari 2013, 4 A Very Short History of Big Data, Ken Krugler, geraadpleegd 30 december, 2012,

3 Dit betekent dat onze oude gewoonten, zoals het optimaliseren van de technologie of het verhogen van de efficiëntie niet voldoende zijn om aan de uitdagingen van Big Data te voldoen. Een andere aanpak is vereist. Dus waarom zou u zich bezighouden met Big Data? Zoals gesteld door Computerworld, u moet zich ermee bezighouden om de simpele reden dat uw concurrenten het doen. Wat nog belangrijker is, het beheren van Big Data biedt u strategische kansen en soms onverwachte mogelijkheden. Bedrijven zoals Google zijn gebouwd rondom de beschikbaarheid van Big Data. Andere bedrijven hebben gezocht naar subtiele maar krachtige informatie om hun markten te exploiteren. Vakspecialisten en retailers zoals Target (in de VS) gebruiken Big Data op hun verkooppunten om te anticiperen op toekomstige aankopen van hun klanten. Vervolgens kunnen zij hun aanbiedingen en promoties hier optimaal op aanpassen. Maar de waarde van Big Data gaat verder dan dat. Strategieën rondom Big Data bieden ook industriële bedrijven de mogelijkheid om de commerciële waarde van informatie over hun werk te exploiteren. Elk aspect van de productie kan verbeterd worden, als we maar beginnen met het begrijpen van het proces. Met andere woorden: Data + Analyse + Actie = goud waard. Om waarde te creëren, moeten gegevens relevant zijn De gegevens die aan de basis liggen van het proces zijn van grote invloed op de waarde van Big Data. En zoals met elke grondstof, de uitdaging rondom het verkrijgen van Big Data is kostenverlaging, met behoud van kwaliteit van het eindproduct. Goede technieken en instrumenten voor gegevensverzameling helpen u bij deze uitdaging. Van de prikklok tot de barcode tot proximity-kaarten: er zijn vele methoden om gegevens over het werk te verzamelen. En de kosten om deze gegevens te verzamelen blijven dalen zolang er steeds nieuwe technologieën op grote schaal beschikbaar zijn. Vandaag de dag wordt hetzelfde mobiele apparaat gebruikt in de fabrieken als uw postbode gebruikt om een pakket te scannen aan uw deur. Door middel van gestandaardiseerde toepassingen hebben werkgevers door deze apparaten meer betrouwbare en nauwkeurige gegevens tot hun beschikking, zonder extra kosten. De precisie van Big Data De vereiste nauwkeurigheid van de gegevens, dat wil zeggen de precisie en densiteit van de verzamelde gegevens en de periodiciteit van de verzameling, is afhankelijk van de manier waarop u de gegevens uiteindelijk wilt gebruiken. Als het doel is om naleving van bepaalde regels te garanderen, kan informatie over elk stadium van een evenement relevant zijn. Als uw gegevens worden gebruikt voor een statistische meting kan minder nauwkeurigheid voldoenden zijn. Dit kan de kosten van het verzamelen van de gegevens verminderen.

4 Een van onze klanten wilde bijvoorbeeld de werking van zijn belangrijkste distributiecentra verbeteren. Na te hebben gemerkt dat de supervisors slechts een paar keer per uur de operationele status controleerden, besliste onze klant dat hij de workflow elke 15 minuten wilde controleren, om een statistisch gemiddelde te calculeren van de vraag en het aanbod. Deze oplossing heeft de klant geholpen om een goede balans te vinden tussen het verkrijgen van nuttige informatie en het beheersen van de kosten, zonder dat de besluitvorming werd belemmerd door buitensporige gegevensdichtheid.. Arbeidsgegevens worden meestal verzameld op vier manieren, elk met een eigen niveau van precisie en een andere kostenstructuur: Het verzamelen van gegevens door middel van deductie: Deze methode is gebruikelijk als we de werklast afzetten tegen een bepaald product of tegen een bepaalde geproduceerde hoeveelheid. Deze vorm van gegevensverzameling is eenvoudig en goedkoop, maar kan uiteindelijk duur uitvallen vanwege verborgen kosten, risico s van non-compliance en gemiste kansen om de productiviteit te verbeteren. De verzameling van gemiddelden of geschatte waarden: Deze methode stelt u in staat de arbeidskosten in meer detail te bekijken. Een supervisor geeft het totaal aantal gewerkte uren van een team door, en vervolgens wordt dit afgezet tegen het uiteindelijke resultaat van de productiecyclus. Dit resultaat is vaak een stuk preciezer en nauwkeuriger, maar is ook prijziger. Het verzamelen van werktijden: De verzameling van werktijden wordt vaak gebruikt wanneer wordt verondersteld dat het werk met een constante snelheid wordt uitgevoerd, behalve in uitzonderlijke gevallen. Zo kan een medewerker worden uitbetaald volgens een specifiek werkschema, behalve in het geval van ziekte of vakantie. Deze aanpak is een verbetering ten opzichte van de bovenstaande manieren, maar de gegevens die het biedt blijven benaderingen, en zijn vaak niet precies. De real-time monitoring van daadwerkelijke waarden: In deze methode worden de tijden van binnenkomst en vertrek van individuele medewerkers, hun lunchpauzes of specifieke taken precies bijgehouden. Deze benadering van het verzamelen van gegevens is buitengewoon nauwkeurig, maar de kosten van dataverzameling zijn hoger. De integratie van Big Data De belangrijkste toegevoegde waarde van Big Data ligt in de innovatieve inzichten die we verkrijgen door uiteenlopende gegevens te koppelen. De analyse is echter niet altijd eenvoudig, omdat het vaak zeer gefragmenteerde gegevens zijn, met een hoge informatiedichtheid, die geoptimaliseerd zijn voor een bepaald doel. Ze zijn dan ook zelden geschikt voor andere toepassingen. Belangrijke uitdagingen zijn bijvoorbeeld verschillende datumnotaties in verschillende landen, of complexere problemen zoals verschillende eenheden

5 of betaalperiodes in verschillende landen. Dit zijn allemaal factoren die kunnen leiden tot een betere besluitvorming, mits zij goed worden uitgevoerd. Fabrikanten moeten dan ook op zoek gaan naar oplossingen die Big Data integreren, en niet naar oplossingen die de gegevens isoleren. De betrouwbaarheid van Big Data Onvolledige gegevens of gegevens van slechte kwaliteit kunnen onverwacht slechte gevolgen hebben in een industriële omgeving. Als bijvoorbeeld de uren of andere elementen worden berekend op grond van het invoeren van input in een ERP-systeem, kan een eenvoudige typefout leiden tot discrepanties in bijvoorbeeld uitbetaalde uren, een vertraging in verzendingen of in onvoldoende beschikbaar materiaal. Dit heeft vervolgens kostenverhogingen tot gevolg. Zoals zo vaak is het verbeteren van de kwaliteit van gegevens het belangrijkst. En de beste manier om gegevens over het werk te verzamelen is om het upstream aan te pakken. Barcodes en scanners kunnen de hoeveelheid data van slechte kwaliteit grondig verminderen. Dit verbetert de integriteit van de gegevens, en verbetert de effectiviteit van de strategie die volgt op de gegevensverzameling. Analyse en actie, cruciale elementen Big Data verandert de wijze waarop informatie wordt geanalyseerd en gebruikt. Traditioneel wordt informatie gebruikt om specifieke doelen aan te pakken. Maar nu fabrikanten terabytes en terabytes aan informatie tot hun beschikking hebben, kunnen ze die gebruiken om bredere uitdagingen aan te pakken. Als ze deze Big Data in hun voordeel willen gebruiken, hebben ze wel medewerkers nodig die beschikken over de juiste competenties. Die competenties omvatten onder andere: Solide analytische vaardigheden: In de wereld van Big Data is correlatie een gemeenplaats. Toch is het vinden van oorzaken en effecten moeilijker dan ooit. Maar de meesters van Big Data hebben begrepen dit cruciaal is. Sterke analysevaardigheden zijn dus ontzettend belangrijk. Overzicht: Big Data heeft ook de potentie tot enorm veel potentieel irrelevante conclusies. De medewerkers die de Big Data observeren moeten dus in staat zijn om het overzicht te behouden. De capaciteit om een verhaal te vertellen: Aangezien Big Data betrekking heeft op vele betrokkenen, sectoren en afdelingen, moet degene die met de Big Data werkt in staat zijn om een duidelijk verhaal te vertellen op basis van cijfers. Ook is het belangrijk dat deze persoon in staat is anderen te helpen om de waarde van deze getallen in te zien. Het is voorts belangrijk dat degene die werkt met de Big Data in staat is zijn of haar bevindingen in de juiste context te plaatsen.

6 Het is echter niet genoeg om de impact alleen te begrijpen. Zelfs de meest waardevolle ideeën zijn niets waard als ze niet in daden kunnen worden omgezet. Hoe kunt u de impact meten? Hoe kan die worden gebruikt om een bepaalde theorie te bewijzen of een bepaalde mythe over de ideale werkwijze van het bedrijf te ondermijnen? Zo kan bijvoorbeeld een kleine verandering in het materiaalgebruik de productkwaliteit beïnvloeden, of het aantal overuren verhogen. Op die manier kan het van invloed zijn op de arbeidskosten, die op de lange termijn flink kunnen oplopen. Big Data kan de industrie helpen om de verschillende punten te verbinden, patronen te zien en te analyseren op grond van feiten. Dit kan de omzet verhogen en nieuwe mogelijkheden creëren. Verschillende soorten Big Data Wat het uiteindelijke resultaat is van de data is afhankelijk van de analyse en de actie die erop volgt. En die resultaten kunnen wezenlijk zijn. En ondanks de grote vooruitgang die bedrijven doormaken door Big Data, zijn er niet al te veel investeringen voor nodig: Een verandering van de variabelen: één van de eenvoudigste toepassingen van Big Data is een verandering in de variabelen waarnaar wordt gekeken. Een lang over het hoofd geziene variabele, zoals ziekteverzuim of te vroege/te late klokmomenten, kan een groot verschil maken. Het analyseren van deze informatie kan managers inzicht en mogelijkheden bieden voor effectievere oplossingen. Vinden van juiste data en verbanden: Een andere moeilijkheid is het vinden van de juiste relatie tussen de verschillende variabelen. En ook hier kan Big Data zeer nuttig zijn, omdat het vaak problemen betreft waar gezond verstand en traditionele oplossingen tekort schieten. Bijvoorbeeld, overuren zijn heel gebruikelijk in veel bedrijven. Maar omdat overuren voorkomen in zeer verscheidene scenario s (toegenomen vraag, slechte prestaties van de apparatuur etc.) is de precieze oorzaak van overuren vaak moeilijk te bepalen. Meet het onzichtbare: Elk bedrijf krijgt vroeg of laat te maken met een stagnerende groei. Het is dan vaak moeilijk om te blijven verbeteren. Soms hebben verbeterde methodes de processen wel verbeterd, maar de resultaten zijn nog steeds niet wat ze zouden moeten zijn. Wanneer managers de productie van dichtbij bekijken zien zij soms dat bepaalde hindernissen in het proces zo klein zijn dat ze moeilijk te identificeren zijn. Tegelijkertijd kunnen ze als ze accumuleren grotere problemen veroorzaken. Deze verraderlijke problemen hebben dus een cumulatief effect en zijn vaak pas goed waar te nemen en op te lossen door middel van een statistische modellering. Dit kan met Big Data, omdat deze gegevens het mogelijk maken om gebeurtenissen die willekeurig of oncontroleerbaar lijken toch op te sporen, te meten en te analyseren.

7 Gebruik voorspellende modellen. De resultaten van bedrijven worden vaak goed gedocumenteerd. Professionals weten wat in het verleden heeft gewerkt en wat niet. Deze gegevens kunnen vervolgens gebruikt worden als business intelligence, en kunnen als basis dienen voor toekomstige beslissingen. Als fabrikanten bijvoorbeeld tijdelijk personeel in dienst hebben weten ze dat zij het beste in een team kunnen worden ingedeeld met meer ervaren personeel. Dit zijn voorspelbare dingen. Als we dezelfde logica volgen is het niet logisch om een probleem op te sporen in een situatie waarin een team net aan het werk gaat. Het is beter om, met gebruik van big data, veranderingen en problemen in kaart te brengen op grond van het totaalplaatje, dat ervaringen, vaardigheden, verwachte afwezigheid, seizoensgebonden veranderingen in de vraag en ziekteverzuim in acht neemt. Aggregatie van gegevens: Vaak verzamelt elke dienst zijn eigen gegevens om de lokale problemen op te lossen, en worden ze vervolgens niet meer gebruikt. Tegelijkertijd is het voor de directie juist belangrijk om een totaaloverzicht te hebben, dat alle services en de totale kosten omvat. Deze informatie is nodig om de winstgevendheid van een productlijn of afdeling te bepalen, bij prijsonderhandelingen, investeringsbeslissingen of voor de corporate strategie. Door gebruik te maken van Big Data kunnen zij informatie uit meerdere bronnen aggregeren en gebruiken voor vele doeleinden binnen het bedrijf. Fabrikanten weten goed hoe ze materieel met een lage kostprijs kunnen omzetten in hoogwaardige producten. Het transformeren van informatie in goud is een gelijksoortig proces. Bedrijven kunnen hun concurrentievoordeel vergroten dankzij het verzamelen en analyseren van goede gegevens, die ze vervolgens om kunnen zetten in concrete en nuttige actie. Hoe kan Kronos helpen Kronos helpt organisaties van elke omvang om hun proces te optimaliseren, hun loonkosten te beheersen, non-compliance risico s te beperken en de productiviteit van hun personeel te verbeteren. Onze oplossingen voor tijdregistratie, plannen, afwezigheidsbeheer en werkanalyse, evenals onze strategische diensten bieden uitgebreide en kwalitatief hoogwaardige informatie. Ze automatiseren het volledige proces van de transformatie van gegevens in hoogwaardige informatie, om onze klanten de ervaring te bieden die ze van ons verwachten. Om te zien hoe Kronos u kan helpen om uw personeel strategisch te beheren of om strategischer gebruik te maken van Big Data, kijk dan op Kronos Systems BVBA Research Park Z Asse (Zellik) Kronos Nederland Newtonlaan BH Utrecht +31 (0) , Kronos Incorporated. Kronos en het Kronos-logo zijn geregistreerde handelsmerken en Workforce Innovation that Works is een handelsmerk van Kronos Incorporated of een daaraan verbonden onderneming. Alle specificaties zijn onderhevig aan verandering. Alle rechten voorbehouden.