Data als brandstof voor digitale transformatie

Industriële productiebedrijven staan vaak op de eerste rij als er met nieuwe technologieën wordt geëxperimenteerd. Voor die organisaties is het dan extra belangrijk om mee te zijn met de snelle evoluties, willen ze van hun data effectief het nieuwe goud maken. Bovendien worden er steeds grotere hoeveelheden data geproduceerd. Het zou zonde zijn om daar niet optimaal gebruik van te maken. 

​Assets als databron

Om als productiebedrijf Industrie 4.0-waardig te worden, moeten we in eerste instantie de juiste data uit onze assets halen. Maar dat is minder eenvoudig dan het lijkt. Zo kunnen datasilo’s de algemene toegang tot gegevens belemmeren. Nochtans is die toegang noodzakelijk voor een goede onderhoudsplanning van de assets, de aankoop van onderdelen, enzovoort.

Dat heel wat CIO’s van productiebedrijven nog met de uitdagingen op het vlak van Industrie 4.0. worstelen, blijkt ook uit Gartner-onderzoek. Zo stelt 49 procent van de CIO’s binnen zware industrieën dat hun organisatie niet in staat is om digitale en business strategieën op één lijn te krijgen. Verder maakt 47 procent zich zorgen over hun effectiviteit als het aankomt op het maken van datagedreven beslissingen.
Bettina Tratz-Ryan, VP & analyst Industry 4.0 bij Gartner: “Het is schrijnend dat de helft van alle dataprojecten en templates blijven steken in de ‘proof-of-concept’-fase. Nochtans kunnen assets in industriële productieomgevingen wel degelijk waardevolle data bieden die bijdragen tot een grotere efficiëntie en transparantie. Intussen hebben we geleerd dat sterk geconnecteerde gedigitaliseerde projecten een must zijn met het oog op een hogere holistische businesswaarde. Daarbij is niet alleen de technologie belangrijk, maar ook de processen en de mensen. Ik vergelijk het wel eens met een trein. Je mag nog de beste trein hebben, zonder een perron en sporen zal hij nooit het station verlaten.”

Om die holistische businesswaarde te maximaliseren, raadt Bettina Tratz-Ryan aan de afhankelijkheid tussen de verschillende oplossingen onderling goed te identificeren. “Een probleem is wel dat datamodellen vaak op verschillende standaarden gebaseerd zijn. We moeten dan ook werk maken van dataharmonisatie, met zoveel mogelijk standaardisatie en interoperabiliteit.”

Een organisatie die dat intussen al goed voor elkaar heeft, is Celsa Group. Deze staalproducent heeft ‘Data-driven steel 4.0’ in het leven geroepen om zijn datastromen te standaardiseren met het oog op ‘digital twins’ en dataorkestratie. De creatie van gemeenschappelijke data ondersteunt vandaag verschillende zaken. Zo kunnen businessproblemen nu beter worden geanalyseerd vanuit value chain perspectief. Binnen het IoT-platform werden operationele algoritmes ontwikkeld. Er wordt feedback gegenereerd doorheen de processen zonder menselijke tussenkomst. Verder worden er efficiënte data-analyses uitgevoerd rond de businesswaarde van de circulaire economie, energieconsumptie en de impact op de business.

Om digitalisering beter te aligneren met de businessprioriteiten, raadt Bettina Tratz-Ryan ook aan datamodellen te gebruiken in de vorm van templates met het oog op Industrie 4.0. Die laten toe synergieën te identificeren tussen projecten, maar ook over de verschillende business units heen. Dat laat tevens toe de maturiteit van data uit verschillende bronnen te controleren en de toepasbaarheid ervan te toetsen. Bovendien krijgen we zo een geconnecteerd product dat ons een beter zicht op de processen geeft. Op die manier kunnen we ook beter inschatten of onze data wel tot de nodige verbeteringen zal leiden.

Een mooi voorbeeld van hoe dat kan, vinden we terug bij Jabil. Deze wereldwijde speler vervaardigt vooral elektronische apparatuur voor grote industriële klanten. De organisatie gebruikt datastructuren en datatemplates om data intelligence en data-uitwisseling te orkestreren. Daardoor kunnen interne en externe datastromen worden geïntegreerd, met een transparant overzicht als resultaat. De centralisatie van de data, met daaraan gekoppeld een dashboard en operations center, zorgt voor realtime inzichten. Jabil gebruikt ook analytics om data beschikbaar te maken voor selfservice, automatisering en controlesystemen met het oog op predictieve en preventieve acties. 

​Goede afspraken zorgen voor betere data

We moeten er ook rekening mee houden dat een ‘equipment as a service deal’ met onze leverancier een optimaal management van onze eigen dataomgeving in de weg kan staan. Dat kan leiden tot een onaangename ‘vendor lock-in’. “Besef dat het maanden kan duren vooraleer je toegang krijgt tot data met beperkte toegang. Dat wil je uiteraard niet”, waarschuwt Kristian Steenstrup, distinguished VP bij Gartner. “Je moet dan ook vooraf heel goede afspraken met je leverancier maken als je door hem gegenereerde data wil gebruiken.”

Om onze assets klaar te stomen voor de toekomst, adviseert hij ook goed af te stemmen met alle betrokken partijen in de organisatie. “Een goede samenwerking met engineering, bijvoorbeeld, is cruciaal om uit je assets de data te halen die je nodig hebt om je business te versterken. Vroeger werd de waarde van machines louter beoordeeld op basis van hun performantie, betrouwbaarheid en de hoeveelheden die ze konden produceren. Maar als je een goed zicht krijgt op de mogelijkheden, kun je er zoveel meer uithalen.”

Alles begint dus met het doorgronden van onze processen, onze assets en onze dataopportuniteiten. “Zo moet je heel goed weten wat de huidige mogelijkheden van je machine zijn op datavlak”, weet Kristian Steenstrup. “Je moet data goed leren interpreteren om de juiste inzichten te krijgen. Identificeer welke data je nodig hebt en hoe je die wil opslaan. Welke data kunnen je machines genereren? Beslis of je meer data nodig hebt om de dingen te doen die je wil doen en/of meer capaciteit om de data te verzamelen. Misschien moet je investeren in extra sensoren of netwerken? Bekijk welke databronnen kunnen worden aangeboord om de toegevoegde waarde te verhogen. Evalueer ook of je huidige toolsets en software voldoen, te beginnen bij je enterprise asset managementsystemen en je asset performance management. Leg daarbij de focus op data als dé connector om digitalisering te linken aan kritische businessprocessen in een sterk enterprise architecture management.”

Versterking via nieuwe technologieën

Een inherent gevaar bij alle veranderingstrajecten is de mogelijke weerstand van medewerkers. Dat is bij de transitie naar een meer datagedreven organisatie niet anders. Voor niet minder dan 37 procent van de organisaties met veel assets vormt de bedrijfscultuur zelfs de grootste bedreiging voor een succesvolle digitale businesstransformatie.
B. Tratz-Ryan: “Gebruik datamodellen ook om de datavaardigheden van medewerkers aan te zwengelen. Tracht een ‘datacultuur’ te ontwikkelen. Investeer bijvoorbeeld in digitale werkplaatstechnologieën. Ook een systematische uitwisseling van kennis binnen de organisatie en het ecosysteem zal zo’n cultuur stimuleren.”

Bettina Tratz-Ryan raadt ook aan niet al te lang te wachten met use cases. Met succesvolle initiatieven kunnen we medewerkers makkelijker overtuigen van de zin van digitalisering. Die use cases kunnen focussen op bijvoorbeeld onderhoud, asset tracking, analytics of de consumptie van resources. Die individuele projecten evalueren we vervolgens best op basis van de holistische waarde voor onze organisatie. Is een project succesvol, dan kunnen we opschalen, zowel intern als via business partners en klanten. Industrie 4.0 zal pas echt goed op dreef komen als datagedreven businessmodellen schaalbaar en vlot te repliceren zijn.

Die use cases kunnen we kracht bijzetten met nieuwe technologieën, bijvoorbeeld artificiële intelligentie. Dankzij nieuwe technologieën kan een Industrie 4.0-platform tal van interessante mogelijkheden bieden. Denken we maar aan ‘pay for performance’, de creatie van ‘digital twins’ en het gebruik van systemen op afstand via virtual reality. De ontwikkelingen in die richting gaan trouwens snel. Zo voorspelt Gartner dat tegen 2023 een derde van de middelgrote tot grote bedrijven die IoT (Internet of Things) heeft geïmplementeerd minstens één digital twin zal hebben die is gelinkt aan een use case uit de covidperiode. In een eerste fase zullen we steeds meer individuele digital twins zien opduiken, gevolgd door de zogenaamde ‘compound’ digital twins, die het volledig proces van de operaties weergeven.

Organisaties met een extreem grote focus op assets, zoals de mijnbouw, olie en gas, zien we binnen die evolutie het voortouw nemen. “In de mijnbouw, bijvoorbeeld, wordt heel wat gevaarlijke mobiele uitrusting gebruikt. Meer autonome mijnbouwapparatuur verhoogt niet alleen de efficiëntie, maar ook de veiligheid en de betrouwbaarheid. Royal IHC, bijvoorbeeld, investeert nu al sterk in sterk gedigitaliseerde, autonome mijnbouwapparatuur”, aldus Kristian Steenstrup.

De kracht achter datamonetarisatie

Een extra opportuniteit is datamonetarisatie. Op dat vlak is er weliswaar nog werk aan de winkel. Uit onderzoek van Gartner blijkt dat al 61 procent van de chief data officers hun data actief gebruiken om hun interne businessprocessen te verbeteren, maar slechts een kleine minderheid (10%) heeft al initiatieven genomen om data te monetariseren. Concreet betekent datamonetarisatie dat je met je data effectief geld gaat verdienen. Met de groeiende technologische mogelijkheden wordt het potentieel van datamonetarisatie evenwel steeds groter.

Voor we met datamonetarisatie aan de slag gaan, moeten we wel drie belangrijke mythes ontkrachten die nog in veel organisaties heersen.
Ivar Berntz, senior director & analyst bij Gartner: “Om te beginnen denken sommigen dat alle data marktwaarde hebben. Dat is uiteraard een mythe. De meeste data zijn ofwel te contextspecifiek ofwel te generiek om interessant te zijn voor andere partijen. Het is cruciaal om eerst uit te zoeken welke data bepalend zijn voor de kwaliteit van je organisatie en de partners binnen je ecosysteem. Op die data kun je dan de focus leggen. Uiteraard moet je daarbij ook nagaan of jij wel de rechten op die data hebt en of de data te vertrouwen zijn.”

Daarnaast denken velen dat je kunt starten met enkel en alleen de data die voorhanden zijn. Helaas is ook dat een mythe. “In vrijwel alle gevallen moeten we de data vertalen, verrijken en aanvullen om ze bruikbaar en nuttig te maken”, weet Ivar Berntz. “Tot slot hopen sommigen dat mensen je data zullen kopen ‘as it is’. Daarmee hebben we meteen de derde mythe. We moeten onze gegevens steeds kaderen en de juiste context creëren om uiteindelijk tot procesverbeteringen of een product met toegevoegde waarde te komen. Uiteraard is het ook belangrijk dat we daarvoor dan de juiste markt vinden of creëren.
 
Van de bedrijven die al met datamonetarisatie bezig zijn, focussen de meeste zich op indirecte monetarisering. Daarbij is het vooral de bedoeling de waarde van de eigen processen of producten naar klanten toe te verhogen. Directe monetarisering gaat nog een stapje verder. “NASA, bijvoorbeeld, heeft Airbus gecontacteerd omdat het geïnteresseerd was om diens satellietdata te gebruiken voor zijn eigen activiteiten, los van de diensten van Airbus”, illustreert Ivar Berntz. “Een ander mooi voorbeeld is de Industrial Cloud die Volkswagen met Amazon Web Services en integratiepartner Siemens heeft opgezet. Via die Industrial Cloud kunnen nieuwe partnerbedrijven connecteren met Volkswagenfabrieken en met hun eigen softwareapplicaties een bijdrage leveren om productieprocessen te optimaliseren. Op die manier wordt het aanbod aan industriële software voor de fabrieken steeds groter. Dat leidt tot een hogere efficiëntie voor Volkswagen en de partnerbedrijven krijgen de kans om hun applicaties te schalen en verder te ontwikkelen in een enorm productienetwerk.”
Wie meer wil weten over de kunst van het monetiseren van data, raadt Ivar Berntz als ‘must read’ nog het boek “How to Monetize, Manage, and Measure Information as an Asset for Competitive Advantage” van Douglas B. Laney aan.
TC