Die Datenmengen, die in Unternehmen während der Wertschöpfungskette und darüber hinaus entstehen, steigen ins schier Unermessliche. Dabei können die Daten sowohl Echtzeitdaten als auch historische Daten sein und aus verschiedenen Quellen stammen. Beispiele sind Unternehmensdaten wie ERP und CRM, Maschinendaten, Logfiles, Text, Voice- & Videodaten, Prozessdaten oder Ortungsdaten.
All diese Daten werden jedoch erst nutzbar, wenn daraus Informationen gewonnen werden – wofür es nötig ist, die Daten intelligent zusammenzuführen und in Echtzeit visuell aufzubereiten. Das hieraus gewonnene Wissen ist sehr wertvoll und trägt zur Verbesserung und Automatisierung von Prozessen oder zur Schaffung neuer Geschäftsmodelle bei. Ihr ganz entscheidender Wettbewerbsfaktor!
CANCOM Analytics setzt mit neuesten Technologien und einer Vielzahl von Analyseverfahren genau an dieser Stelle an und ermöglicht Ihnen nahezu alle erdenklichen Anwendungsszenarien: angefangen bei der Visualisierung von Ist-Zuständen, über Prognosemodelle zur Prozessoptimierung bis hin zu autonomen, selbstlernenden Systemen. Im nachfolgenden Schaubild sehen Sie die unterschiedlichen Ebenen von CANCOM Analytics in der Übersicht.
Am Anfang eines Analyse-Prozesses stehen immer Datenmengen aus Rohdaten. Was aus diesen abgeleitet werden kann und welche Möglichkeiten sich hieraus ergeben, ist jedoch von den Analysemethoden abhängig. Dabei unterscheiden wir zwischen den folgenden Analysestufen:
Descriptive Analytics
Die beschreibende Analyse schafft Transparenz über aktuelle Daten und Prozesse.
Diagnostic Analytics
Die diagnostische Analyse findet Ursachen für Ereignisse und Entwicklungen.
Predictive Analytics
Mithilfe von historischen Daten und speziellen Analyseverfahren lassen sich zukünftige Ereignisse und Zustände vorhersagen.
Prescriptive Analytics
Durch die präskriptive Analyse erhalten Sie datengestützte Handlungsempfehlungen für Ihre unternehmensrelevanten Entscheidungen.
Intelligent Automation
Mithilfe von analytischen Methoden wird eine intelligente Automatisierung von Teilaufgaben und Prozessen ermöglicht.
Einsicht.
Durch die Echtzeitanalyse Ihrer gewonnen Daten erhalten Sie wertvolle Einblicke und Erkenntnisse. Voraussetzung dafür ist, dass im Vorfeld genau definiert wurde, welche Daten gesammelt werden – und zu welchem Zweck.
Entscheidungen.
Sind die jeweiligen Daten analysiert, können Sie nun auf deren Basis fundierte Entscheidungen treffen – um damit bestimmte Ziele zu erreichen. Ein mögliches Ziel ist beispielsweise die Optimierung von Prozessen, um Ressourcen zu sparen, die Performance des Unternehmens zu verbessern und höhere Gewinne zu erzielen.
Aktionen.
Je nach Entscheidung tritt abschließend die entsprechende Aktion in Kraft. Damit sollen die angestrebten Ziele, wie die Prozessoptimierung, realisiert werden.
Um das Potenzial von Daten richtig zu nutzen und Mehrwerte zu generieren, erfolgt die Analyse der Daten in sechs Phasen. CANCOM wendet hier das Standardvorgehensmodell “Cross Industry Standard Process for Data Mining”, kurz CRISP-DM, an.
1. Business Understanding
Verständnis zum geschäftlichen Hintergrund der Fragestellung schaffen.
2. Data Understanding
Verständnis für die Daten schaffen.
3. Data Preparation
Vor- und Aufbereitung der Daten.
4. Modeling
Modellieren mithilfe der unterschiedlichen Verfahren.
5. Evaluation
Bewertung und Überprüfung der Ergebnisse.
6. Deployment
Bereitstellung und Anwendung der Ergebnisse im produktiven Betrieb.
Das eingesetzte Analytics-Modell ist vom Anwendungszweck abhängig. Im Rahmen der Datenanalyse kommen bei der Modellierung und Algorithmen-Auswahl je nach Use Case und Analysestufe unterschiedliche Modelle zum Einsatz. Diese reichen von einfachen Schwellwertanalysen, über Clusteranalysen und Machine Learning bis hin zu neuronalen Netzen und Deep Learning. CANCOM Analytics begleitet Sie zu Ihrem perfekten Analytics-Szenario.
Branchenbezogene Anwendungsszenarien
Analytics-Lösungen lassen sich auf alle Branchen und Prozesse anwenden. Wie die Anwendungsszenarien im konkreten Fall aussehen können, zeigen Ihnen im Folgenden zwei Beispiele aus dem Produktions- und Handelsbereich.
Predictive Maintenance ermöglicht es Ihnen, Ausfälle von Maschinen und Produktionsstraßen vorherzusehen und zu vermeiden. Entsprechend können Sie Ihre Wartungspläne anpassen und Wartungseinsätze flexibler durchführen. Mit Predictive Maintenance verbessern Sie Ihre Produktionsprozesse, die Qualität Ihrer Produkte und stärken die Wettbewerbsfähigkeit Ihres Unternehmens. Zusätzlich steigern Sie die Zufriedenheit Ihrer Kunden und sparen Kosten ein.
Mit Retail Analytics können z.B. Kundenbewegungen innerhalb oder in der Nähe Ihres Geschäfts ausgewertet werden. Die Analyse bringt beispielsweise Erkenntnisse darüber, wie lange und wo genau sich der Kunde während seines Besuches aufhält. Auf diese Weise erhalten Sie wertvolle Erkenntnisse über die Wirksamkeit von Werbeaktionen und Schaufensterauslagen. Diese Ergebnisse lassen sich anschließend für aufschlussreiche Vergleiche zwischen den einzelnen Standorten oder unterschiedlichen Maßnahmen nutzen.
ANALYSE
Analytics Discovery Workshop
Ist- & Potenzialanalyse für Analytics Use Cases
Datenqualitätsanalyse
PLANUNG
Planung des Daten- und Analyse-Prozesses
Planung von Daten-Schnittstellen
Auswahl der Analytics-Technologie und Tools
Auswahl der Analyse-Methode und Algorithmen
BAU
Aufbau der Daten- & Analytics-Infrastruktur
Integration von Daten-Schnittstellen & -Systemen
Vor- und Aufbereitung der Daten
Entwicklung und Test des Analytics-Modells
Prozessintegration der Analytics-Lösung
BETRIEB
Support Services
Managed Services
Hosting & Cloud Services
Kontakt
Nehmen Sie Kontakt mit uns auf! Unsere Experten setzen sich schnell mit Ihnen in Verbindung und helfen Ihnen gerne weiter.