Menggabungkan sensor dan data operasional memastikan profitabilitas terus meningkat
Sebuah perusahaan otomotif besar perlu menggabungkan sensor dan data operasional untuk memberikan penawaran yang menarik, layanan pelanggan yang lebih baik, dan profitabilitas yang lebih besar. Perusahaan ini memproduksi truk, bus, dan peralatan konstruksi. Rob Mellor, Wakil Presiden &GM EMEA, WhereScape berbicara dengan perusahaan tentang perjalanan mereka.
Perubahan apa dalam industri truk yang mendorong strategi data Anda?
Ini adalah titik yang sama dengan industri mobil di tahun 1990-an; persaingan ketat, margin sangat ketat dan keuntungan terutama diperoleh melalui penjualan tambahan. Untuk industri mobil, penjualan tambahan adalah suku cadang; untuk industri truk menawarkan garansi, pembiayaan, servis dan asuransi. Tantangan utama bagi semua perusahaan truk adalah bagaimana menciptakan penawaran menarik yang jauh lebih baik daripada yang ditawarkan pesaing. Tanggapan kami adalah memperkenalkan sensor ke truk kami; kami percaya dengan memahami aktivitas kendaraan, kami dapat membuat penawaran yang jauh lebih relevan.
Bagaimana sensor trukdata menjadi inti bagi . Anda bisnis?
Hal ini memungkinkan kita untuk memahami setiap aspek dari setiap truk individu. Kami dapat memantau komponen, tepatnya di mana ia digerakkan, seberapa cepat ia melaju dan seberapa agresif ia dikendarai. Data sensor yang digabungkan dengan data operasional (seperti pembuatan, model, dan riwayat layanan) memungkinkan kami membuat profil yang terperinci. Dengan menggunakan alat manajemen informasi yang tepat, kami menghasilkan penawaran yang memiliki peluang statistik tinggi untuk menghasilkan keuntungan.
Misalnya, kami membeli kembali truk setelah kontrak leasing berakhir dan menganalisis nilai potensial berdasarkan data sensor. Sebuah truk yang dikemudikan melalui pedalaman Australia tidak akan memiliki harapan hidup yang sama dengan truk yang dikendarai di jalan raya Eropa. Jadi, daripada menjual kedua truk berdasarkan jarak tempuh, kami dapat menjualnya berdasarkan harapan hidup mereka. Hal ini memungkinkan kami untuk mencapai margin yang jauh lebih tinggi pada truk dengan harapan hidup yang lebih tinggi, sebanyak 5%, yang setara dengan jutaan euro per tahun. Itu membuat perbedaan besar pada profitabilitas.
Analisis data sensor berarti kami mengetahui bagian tertentu berisiko setelah mengatakan 100.000 km dan truk tertentu sedang dikendarai dalam kondisi yang sulit, kami dapat memprediksi kapan servis akan diperlukan. Kami menyarankan pelanggan untuk mengambil truk untuk diservis. Wawasan semacam ini memungkinkan kami untuk menawarkan kontrak layanan harga tetap dengan jaminan tidak akan ada kerusakan.
Orang yang membeli truk tertarik dengan konsumsi bahan bakar armada mereka. Dengan menggunakan data sensor, kita dapat menghitung konsumsi bahan bakar rata-rata oleh truk, perjalanan dan bahkan oleh pengemudi. Memiliki informasi ini dan dapat menindaklanjutinya – dengan menemukan rute yang lebih ekonomis atau mengedukasi pengemudi – dapat menghasilkan penghematan yang signifikan bagi pemilik armada.
Apakah menggunakan pose data sensortantangan teknologi besar bagiorganisasi?
Ini benar-benar mengubah permainan. Data sensor sendiri tidak ada nilainya; kita harus dapat menganalisisnya terhadap data operasional – memberikan konteks dengan menautkannya ke riwayat servisnya.
Kedua tipe data ini sangat berbeda; data sensor volume tinggi, kompleksitas rendah dan data operasional volume rendah, kompleksitas tinggi. Bagaimana kedua tipe data ini cocok bersama dan mengelolanya dalam Enterprise Data Warehouse (EDW) yang terintegrasi penuh hanyalah awal dari tantangan. Sensor membuat kumpulan data yang besar dan kompleks sehingga sulit untuk diproses menggunakan pemrosesan data tradisional.
Kami membutuhkan pendekatan yang lebih cepat dan gesit untuk menangkap, memproses, dan menganalisis data ini untuk mendukung strategi bisnis. Kami juga mengintegrasikan banyak jenis data lain untuk meningkatkan profitabilitas; misalnya, data tidak terstruktur seperti cuaca, lalu lintas, dan informasi pemogokan.
Bagaimana Anda mengatasi tantangan ini?
Dengan WhereScape kami memiliki analisis tangkas dan strategi manajemen data. Mereka mengotomatiskan perencanaan dan pembuatan data ke dalam IBM our kami Netezza Enterprise Data Warehouse (EDW), 10 kali lebih cepat daripada metode tradisional. WhereScape memungkinkan kami untuk mendapatkan nilai dari data sensor dan mempersingkat waktu ke pasar; kami dapat memberikan solusi BI kami lebih cepat dari sebelumnya.
WhereScape juga membantu kami dengan integrasi semua sistem manajemen informasi kami. Kami perlu beralih dari data mart independen dengan teknik pemodelan mereka sendiri ke EDW yang terintegrasi penuh dengan satu standar pemodelan global. Kami telah beralih dari pendekatan teknis ad hoc ke pendekatan berbasis model.
Manfaat TI utama menggunakan WhereScape adalah konsistensi data dan integritas seluruh lingkungan data kami – kami memiliki lima situs yang bekerja pada EDW yang sama. Perubahan pemeliharaan sistem jauh lebih cepat dan mudah.
Kami telah menciptakan lingkungan manajemen informasi terpusat baru yang memberi kami pandangan 360° lintas fungsi dari data kami, berdasarkan metode pemodelan tunggal. EDW adalah langkah konkrit pertama kami dalam mengelola big data. Kami akan dapat merespons tuntutan baru pencampuran data dari bisnis yang berbeda dengan volume yang lebih besar, mendekati respons waktu nyata serta keterlacakan dan penggunaan kembali yang lebih baik.
WhereScape adalah pusat masa depan kita dan saya berharap dapat bekerja sama dengan mereka selama bertahun-tahun yang akan datang.
Penulis blog ini adalah Rob Mellor, VP &GM EMEA dari WhereScape
