Analiza danych to dynamicznie rozwijający się trend. Na jej potrzeby tworzy się dedykowane zespoły specjalistów, którzy realizują projekty w oparciu o dane liczbowe. Sukcesy takich gigantów jak Amazon czy Google dowodzą skuteczności podejmowania decyzji w oparciu o konkrety, a nie przeczucia czy opinie. Wiadomo jednak, że międzynarodowe korporacje dysponują ogromnymi budżetami i szerokim dostępem do nowych technologii. Czy wobec tego mniejsze firmy stoją na straconej pozycji?
Znany m.in. z banknotu studolarowego Benjamin Franklin mawiał, że „inwestycja w wiedzę wypłaca najlepsze odsetki”. Trudno się nie zgodzić z błyskotliwą myślą wynalazcy piorunochronu. W biznesie niezbędna jest intuicja i szczęście, ale warto je wspierać wiedzą.
Data science w firmach rodzinnych
Firmy rodzinne, dzięki elastyczności, konsekwencji i wieloletniemu doświadczeniu znalazły niezbędne do rozwoju nisze i wypracowały sobie dobrą pozycję rynkową. By ją utrzymać, muszą jednak nieustannie konkurować i dostosowywać się do zachodzących zmian. Zwiększona rotacja pracowników, wzrost kosz tów pracy w Polsce, utrudniony dostęp do specjalistów oraz światowe trendy, takie jak indywidualizacja produktu i digitalizacja, to tylko niektóre z nich. Powszechna informatyzacja sprawiła, że dostęp do mocy obliczeniowych, platform i specjalistycznej wiedzy nie jest już przeszkodą. Nie ma problemu z uzyskaniem danych, czy to z własnych, czy z zewnętrznych zasobów, takich jak GUS czy komercyjne bazy. Każda firma posiada, często nieuświadomiony, dostęp do materiałów analitycznych, w których ukryty jest ogromny potencjał. Może stać się on źródłem przewagi konkurencyjnej i wsparciem w budowaniu swojego miejsca na rynku.
Co można zrobić z tymi zasobami?
Odpowiednia agregacja i wizualizacja danych historycznych pozwala trafniej i szybciej podejmować decyzje biznesowe. Dobrze przygotowane raporty o wielkości sprzedaży, poziomie wykorzystania maszyn, dostępnych zasobach i stanach magazynowych pozwalają optymalizować planowanie produkcji. Z kolei dzięki zaawansowanej analizie statystycznej procesów produkcyjnych z wykorzystaniem m.in. danych z maszyn i sensorów, wyników kontroli jakości oraz nakładając na to dane zewnętrze np. o pogodzie, można wnioskować o zależnościach i korelacjach między różnymi zmiennymi wpływającymi na efektywność produkcji. Dzięki temu możliwe jest opracowanie działań optymalizacyjnych, wcześniej niemożliwych do wdrożenia ze względu na brak świadomości o istniejących w procesie produkcyjnym powiązaniach.
Sztuczna inteligencja przychodzi z pomocą
Poza analizą tego, co już było, istnieje również możliwość przewidywania przyszłości z niespotykaną dotąd precyzją. Jest to osiągalne dzięki zaawansowaniu modeli opartych na algorytmach uczenia maszynowego. To namiastka sztucznej inteligencji, ciągle dość prymitywnej, jednak otwierającej szerokie możliwości biznesowe. Dzięki temu np. przy wykorzystaniu algorytmów predykcyjnych, na podstawie ogromnych ilości różnorodnych danych z systemów produkcyjnych, możliwe jest wykrywanie i odpowiednio wczesne alarmowanie o wysokim prawdopodobieństwie wystąpienia problemów z jakością produktu lub awarią. Pozwala to wstrzymać produkcję i uniknąć kosztów utraty jakości i napraw. Innym przykładem wykorzystania algorytmów uczenia maszynowego są chatboty, znane również pod nazwą wirtualnych asystentów. Potrafią one świetnie zastąpić człowieka w standardowych, powtarzalnych pracach, np. przy obsłudze klienta, odpowiadając na pytania dotyczące statusu zamówienia, zwrotów lub pomagając rozwiązać problem związany z działaniem danego produktu czy usługi. Jest to świetna alternatywa, szczególnie przy rosnących kosztach zatrudnienia i braku dostępności pracowników.
Zarządzanie w oparciu o dane jest trendem, który będzie zyskiwał na znaczeniu, tym bardziej, że danych cały czas przybywa. Wszystkie firmy, w tym też rodzinne, powinny jak najpełniej korzystać z potencjału, jaki daje analiza danych. Jak zacząć? Przede wszystkim należy zidentyfikować źródła danych i odpowiednio je ustrukturyzować. Następnie wypracować wizję docelowego modelu zbierania danych, który będzie wspierał wyznaczone cele biznesowe. Implementacja modelu może się okazać procesem czasochłonnym, wymagającym zatrudnienia odpowiednich specjalistów w celu stworzenia w organizacji niezbędnych kompetencji. Umiejętne inwestycje w analizę danych mogą się wielokrotnie zwrócić. Data science to już nie science fiction. To konieczność. Również dla firm rodzinnych.
Autorzy:
Witold Sugalski – Dyrektor w PwC Polska, odpowiedzialny za obszar doradztwa w obszarze przemysłu. Posiada międzynarodowe doświadczenie w zarządzaniu i optymalizacji produkcji w branżach Energetycznej i Petrochemicznej. Odpowiada za wdrożenie zaawansowanej analizy do procesów przemysłowych. W swojej karierze realizował projekty restrukturyzacyjne, optymalizacyjne i rozwojowe oraz pracował nad tworzeniem strategii dla obszarów biznesowych zarówno jako doradca, jak i zarządzający produkcją.
Łukasz Guszcz – Menedżer w PwC Polska, specjalizujący się w projektach doskonałości operacyjnej dla firm produkcyjnych przy wykorzystaniu metod zaawansowanej analityki danych i nauczania maszynowego. Ukończył studia magisterskie na kierunku zarządzania łańcuchem dostaw w Copenhagen Business School oraz studia inżynierskie na kierunku zarządzanie produkcją na Uniwersytecie Południowej Danii.
Artykuł pochodzi z Magazynu FAMILY BUSINESS. Zarządzanie firmą rodzinną nr 04/2019.
Powrót do listy 
Poprzedni artykuł 
