Több mint 40 példát ismertet a BITKOM átfogó tanulmánya, amelyben strukturált elemzéseket találunk a nagyvállalatok és a big data viszonyáról, a konkrét kihívások, megoldások és üzleti haszon leírásával.
Összegzés
Felhasználó: Nestlé S. A., a világ legnagyobb élelmiszergyártó cége
IT-szolgáltató: SAS Institute GmbH, Heidelberg
Big data analitikus elemzés alkalmazási területe: gyártás, készletezés és szállítmányozási logisztika irányítása statisztikai alapú előrejelzéssel
A kihívás
Az élelmiszertermelés és -kereskedelem különböző, egymással versengő igényekkel szembesül. Egyrészt mérlegelni kell a szolgáltatási szint és az ellátási szint egymáshoz képesti viszonyát. Például akkor javítható az ügyfélkiszolgálási szint, ha a készletmennyiséget megnövelik és emellett teljeskörűek, pontosak a kiszállítások. Ez azonban tőkét köt le és a termékek frissessége is megszenvedi. Az élelmiszergyártás logikája megköveteli a termékek nagy mennyiségben való előállítását, hogy az egy egységre jutó költségeket alacsonyan tartsák, hogy garantálják a megfelelő minőséget vagy hogy kihasználják a nyersanyagok rendelkezésre állását. Ebből szükségszerűen következik a „Make-to-stock” (készletregyártás) folyamata,
ellentétben pl. az autóipar „make-to-order” alapelvével.
Másrészt további vállalati mutatószámokra is tekintettel kell lenni, mint például költségkeretre, árbevételi célértékekre, illetve stratégiai célokra is.
Egy ilyen méretű cégnél a globális szinten való tervezés tehát egy nagyon komplex kérdés. A termékkategóriák, értékesítési régiók és a különböző szakmai területek egy kifinomult mátrixban fonódnak össze, amely csak egy big data-kompatibilis szoftverplatformmal kezelhető.
A megoldás
Az élelmiszeripar jellegéből adódik, hogy sok állandóan változó tényezővel kell tervezni. Ide tartoznak a szezonalitás, az aratástól (és ezáltal az időjárástól) való függés, a rövidtávú keresletingadozások és a trendek. A Nestlé arra kényszerül, hogy a lehető legpontosabban előrejelezze a vevői megrendeléseket, hogy a megfelelő termékből a megfelelő mennyiséget a megfelelő helyen, a megfelelő időpontban rendelkezésre tudja bocsátani. A kereslet és kínálat prognosztizálásáért a Demand Planning Performance and Statistical Forecasting osztály felelős. Annak érdekében, hogy az ellátási lánc menedzsmentjében proaktívan tudjon közreműködni és ne csak reagáljon, a Nestlé egy előrejelző-technológiára támaszkodik, ami napi szinten kezeli a nemzetközi konszern teljes adatmennyiségét. A statisztikai előrejelzés módszerét a svájci SAS cég High-Performance Forecastingja szolgáltatja. Az előrejelzések összeállításának alapvetően két módja van. Az egyik módszer szubjektív: a tervező szakemberek értékelésére, becslésére és tapasztalataira épül.
A másik módszer a statisztikai eljárás – egy adatbázisból készíti a prognózist. A SAS rendszer előtt a Nestlé elsősorban az SAP APO-ban elérhető előrejelző funkciókat és a R statisztikai szoftver modelljeit használta, melyek az SAP APO-ba vannak integrálva. Ezeket az előrejelzéseket aztán a Nestlé kereslettervezői leellenőrizték. Az SAS big data elemző platformja szignifikáns javulást biztosít és zökkenőmentesen kiegészíti az SAP APO képességeit. Ezáltal lehetővé válik az „előrejelzés hozzáadott értéke” (Forecast Value Added- FVA) mutató kiszámítása problémamentesen és automatizáltan. A mutató azt írja le, hogy mennyivel javul az előrejelzés pontossága az előrejelzési folyamat egyes lépéseiben (vagy fordítva: mennyivel csökken a hibaarány). Ez lehetővé teszi a team számára, hogy erősen volatilis termékek és piacok esetében is értékelje az előrejelzések megbízhatóságát.
Big Data
Volumen: tételek rendkívül magas száma jellemző – 10.000 márka, több, mint 450 termelőhely, körülbelül 1 milliárd gyártott termék naponta
Változatosság: befolyásoló tényezők és adatforrások nagy számossága
Külső faktorok: mezőgazdaság, időjárás, kereslet, beszerzési ár, regionalitás
Belső faktorok: termékújdonságok, promóció, marketing, értékesítés, történeti adatok
Változás gyorsasága: az összes fentebb említett külső paraméter folyamatosan változik, ezáltal állandóan szükség van a statisztikai alapon irányított kiigazításokra (napi szinten)
Az innováció
Az előrejelzések megbízhatóságának értékelése egy rendkívül összetett, volatilis és adatintenzív környezetben. Különösen a rövidtávon erősen ingadozó kereslet esetén lényeges az előrejelzési módszer kiválasztása és kombinációja. A SAS big-data analitikus elemző megoldása automatizálja a módszer kiváltását és tartósan javítja az eredmény minőségét.
A haszon
A megoldás méretezhetősége: kevés specialista képes nagy földrajzi régiókat lefedni.
A manuális beavatkozás: alig szükséges, a megfelelő statisztikai modellek kiválasztása nagyrészt automatikusan történik.
Mély betekintés az ügyfél-hierarchiába: még a promóciós akciók hatásait is közvetlenül be lehet építeni a statisztikai modellekbe.
Javaslatok
Forrás: BITKOM
