Téléchargements
Article (13 pages)As the superintendent of Vistra Corp’s Luminant Martin Lake Power Plant, Wayne Brown is an expert in power generation.Vistra est le plus grand producteur d'électricité concurrentiel des États-Unis, les centrales électriques d'exploitation dans 12 États et la production de plus de 39 gigawatts d'électricité, ce qui peut proposer près de 20 millions de maisons.L'entreprise est en voyage pour conduire l'excellence opérationnelle à travers son portefeuille de génération.Lancé en 2016, son initiative de performance opérationnelle a entraîné une amélioration de pas de pas dans l'efficacité de ses actifs, générant des centaines de millions d'EBITDA incrémentiels en cours de route.
SidebarÀ propos des auteurs
Cet article est un effort de collaboration de Duane S.Offre, Vijay D’Silva, Pete Kimball, Bruce Lawler, Retsef Levi et Ingrid Millan, représentant les vues de la pratique des opérations de McKinsey et du programme Massachusetts Institute of Technology Machine Intelligence for Manufacturing and Operations Program.
Pour maintenir et améliorer sa position, Vistra est continuellement à la recherche des outils, des technologies et des approches qui l'aideront à atteindre le prochain niveau de performance.Plus récemment, la société s'est tournée vers le numérique et l'analyse, y compris Machine Intelligence (MI).À l'usine de Martin Lake, Brown et son équipe utilisent le taux de chaleur comme principale métrique d'efficacité.Il mesure la quantité d'électricité pour chaque tonne de carburant consommé par l'usine.L'optimisation du taux de chaleur est extrêmement exigeant, cependant.Historiquement, les opérateurs ont dû surveiller et régler en continu des centaines de points de réglage, y compris les températures et les pressions de vapeur, les niveaux d'oxygène et les vitesses de pompe et de ventilateur.C'est beaucoup pour que tout opérateur ait raison 100% du temps, surtout lorsque les conditions ambiantes et la disponibilité de différents équipements changent constamment.
Maintenant, ces opérateurs ont un nouvel allié intelligent dans la quête de l'efficacité.Brown et un groupe de data scientifiques ont construit un optimiseur de taux de chaleur pour Martin Lake.Il analyse automatiquement des centaines d'entrées en temps réel en utilisant l'IA.Toutes les 30 minutes, le système génère des recommandations pour les ajustements et les ajustements que les opérateurs peuvent appliquer pour maximiser les performances de l'usine.L'optimiseur de taux de chaleur fonctionne depuis environ neuf mois, et l'usine est régulièrement exécutée 1% plus efficacement.Cela peut ne pas sembler beaucoup, mais cela vaut des millions de dollars par an, fait baisser les émissions de gaz à effet de serre et libère du temps pour se concentrer sur d'autres tâches.Échec de la grande flotte de centrales électriques de Vistra et appliquée à des dizaines d'autres opportunités opérationnelles, le potentiel de l'IM dans l'entreprise est énorme.
L'émergence de l'intelligence machine
L’expérience de Vistra dans l’application des technologies de production avancées se déroule dans des entreprises dans les secteurs.De nouvelles recherches de McKinsey et du programme Machine Intelligence for Manufacturing and Operations (MIMO) du Massachusetts Institute of Technology (MIT) Machine Intelligence for Manufacturing and Operations (MIMO) montrent que les entreprises de premier plan utilisent les technologies MI pour déplacer l'aiguille sur un large ensemble d'indicateurs de performance, réalisant trois ou quatre fois l'impactdes joueurs moyens.
SidebarSur la recherche
We reached out to the combined networks of the Massachusetts Institute of Technology (MIT) and McKinsey to study 100 North American companies in sectors from automotive to mining; reviewed literature produced by the users of machine intelligence (MI) technologies, vendors, and other industry participants; and conducted in-depth off-the-record interviews with dozens of industry practitioners.Notre enquête et nos recherches couvraient neuf catégories, 17 résultats commerciaux souhaités, et comment 17 cas d'utilisation différents ont eu un impact sur 21 KPI.Compte tenu de la complexité des données, nous avons même appliqué plusieurs approches IM différentes dans notre propre analyse.
Les répondants étaient rafraîchissants et francs pour répondre aux questions sur leur utilisation d'un large éventail de numériques, d'analyse de données et d'approches MI.Nous avons interrogé les entreprises sur les objectifs de leurs investissements numériques, les mesures qu'elles ont suivi et les progrès qu'ils ont réalisés jusqu'à présent.Les entretiens ont permis aux experts de McKinsey et du MIT de vraiment sonder les défis, les opportunités et les principaux facteurs de réussite dans les opérations numériques aujourd'hui.
L'œuvre, qui a été menée au premier semestre de 2021, s'est concentrée sur où, quand et comment ces technologies sont déployées dans les organisations et sur leur impact sur la performance opérationnelle (voir la barre latérale «sur la recherche»)).
Nous avons analysé nos résultats pour identifier les relations entre les actions prises et les investissements réalisés, et les résultats tangibles et durables.Par exemple, les dirigeants de notre enquête ont réclamé plus du double de l'impact dans la moitié du temps par rapport à ceux au début de leur voyage.
Comment obtiennent-ils ces résultats?Choissent-ils différents cas d'utilisation?Ont-ils une approche unique?Alors que nous avons sondé plus profondément dans nos entretiens et que nous avons creusé les données de notre enquête, les vrais moteurs des résultats et des performances étaient plus nuancés.
Les principales entreprises utilisent les technologies MI pour déplacer l'aiguille sur un large ensemble d'indicateurs de performance, réalisant trois ou quatre fois l'impact des joueurs moyens.
De la perspicacité à l'autonomie
Nos recherches ont examiné cinq façons différentes dont les entreprises utilisent des données et des analyses pour améliorer la vitesse, l'agilité et les performances de la prise de décision opérationnelle.Cette évolution de la maturité numérique commence par des outils simples, tels que des tableaux de bord pour faciliter la prise de décision humaine, et se termine par True Mi, des machines qui peuvent ajuster leurs propres performances de manière autonome en fonction des données historiques et en temps réel.
Idées les plus populaires
Le voyage des tableaux de bord numériques à l'IM à part entière dépend de plusieurs facteurs. The first of these is reliable and available data11.Tadhg Nagle, Tom Redman, and David Sammon, “Assessing data quality: A managerial call to action," Business Horizons, May–June 2020, Volume 63, Number 3.: 92% des sociétés classées comme des leaders de notre enquête ont mis en place un processus pour suivre les données incomplètes et inexactes.À mesure que les entreprises se dirigent vers l'IM, l'opportunité et les enjeux augmentent - non seulement en termes de compétences et d'investissements requis, mais aussi dans le potentiel d'erreur.De nombreuses entreprises ne tiendront que l'apprentissage automatique ou l'IA dans la mesure où ses résultats sont intuitifs et transparents et, dans certaines industries, explicables aux régulateurs externes.L'importance de cette transparence est survenue dans notre enquête: 67% des dirigeants suivent la traçabilité des résultats, contre seulement 14% des autres.
Mais l'impact de l'autonomie (retirer l'human.Prenons, par exemple, à prévoir l'analyse, où les leaders utilisent fréquemment des approches beaucoup plus sophistiquées.Ces sociétés déclarent une amélioration moyenne du service et de la demande de demande de 13%, tandis que celles plus tôt dans leurs voyages utilisent généralement des tableaux de bord et voient des améliorations moyennes de seulement 3%.
À mesure que les entreprises se dirigent vers l'IM, l'opportunité et les enjeux augmentent - non seulement en termes de compétences et d'investissements requis, mais aussi dans le potentiel d'erreur.
Diriger le pack: qu'est-ce qui fait la différence?
Le véritable objectif de ce travail était de regarder au-delà des chiffres de niveau supérieur pour explorer les moteurs sous-jacents du succès dans l'utilisation de ces technologies émergentes.Certaines entreprises sont-elles naturellement mieux pour appliquer des technologies numériques avancées, ou adoptent-elles des stratégies et des approches que d'autres pourraient reproduire?
Pour comprendre ces moteurs, nous avons examiné trois groupes d'attributs pour chaque entreprise de notre enquête. First, we evaluated the results they have achieved through their digital programs, measured by factors including the number of functions applying these technologies, the number of KPIs improved, and the size of those improvements. Second, we looked at deployment, measured by factors including expenditure, the number of years the companies have been working with these technologies, the maturity of their implementations and analytical methods, and the number of partner organizations involved.Ce qui est intéressant, c'est que les dirigeants investissent continuellement davantage dans leurs déploiements, avec des budgets de 30 à 60% plus grands (en pourcentage du total) dans la fabrication, le service client, la conception de produits et la chaîne d'approvisionnement.En fait, les budgets des dirigeants devraient augmenter de 10 à 15% supplémentaires l'année prochaine, tandis que ceux d'autres entreprises restent largement stagnante.
SidebarComment une entreprise a augmenté l'ambition de ses cas d'utilisation
Mobility-technology company Magna International’s application of machine intelligence on electronic clutches provides a useful example of the type of impact achieved.L'usine du fournisseur automobile ne manquait pas de données: l'installation a mesuré et enregistré pratiquement tous les aspects de la production.Pendant l'assemblage, les dimensions des composants ont été enregistrées, ainsi que des processus tels que les forces de presse et les distances de presse.Et toutes les données physiques, de processus et de test pour chaque ensemble d'embrayage ont été stockées dans une base de données relationnelle avec des données sur des centaines de milliers d'embrayages.
Magna a commencé à utiliser l'apprentissage automatique pour étudier ses données de production et déterminer lequel des milliers de variables a eu le plus d'impact sur le produit de qualité de fabrication.L'entreprise a appris que l'ajustement d'un paramètre sur une étape de processus pourrait atténuer toute cette variabilité.Les opérateurs ajusteraient ce paramètre périodiquement, mais ne connaissant pas son impact relatif sur tous les autres ajustements et paramètres possibles sur la chaîne de montage, il était difficile de savoir quand et de l'ajuster, et l'impact des changements sur les taux de ferraille a été touchéou manquer.
En tant que petite équipe interne d'experts et de scientifiques des données sur le problème, ils ont pu former un modèle informatique pour devenir un expert des processus et concentrer toute son attention sur la détermination de la façon de définir ce paramètre.Aujourd'hui, le modèle apprend à s'adapter aux petits changements continus dans les 41 variables qui comptent le plus, en particulier dans les 25 à 30 dernières unités produites. The process is now adjusted every 20 minutes, and the number of clutches needing to be reworked or scrapped has fallen by 80 percent.
Third, we looked at a set of enablers, including the maturity of the organization’s digital strategy, its data infrastructure, and the presence of centers of excellence or structured capability-building programs.Certains de ces catalyseurs peuvent ne pas surprendre: les dirigeants ont clairement défini les stratégies et utilisent des centres d'excellence à deux fois plus.Les dirigeants sont également cinq fois plus susceptibles que le reste de former des employés de première ligne sur la numérisation et l'Internet des objets (IoT).À mesure qu'ils deviennent plus matures, ces entreprises ont tendance à lancer un filet plus large, cherchant à améliorer les résultats commerciaux dans tout, de l'efficacité de l'équipement à l'acquisition de talents, au lieu d'être trop axée sur une poignée de cas d'utilisation (voir la barre latérale «comment une entreprise a augmenté l'ambitionde ses cas d'utilisation »).
Using these sets of attributes, we applied a clustering algorithm22.Nous avons utilisé le clustering K-means, dans lequel les entreprises sont regroupées en fonction de la distance au centre de cluster le plus proche, qui est la moyenne de tous les points du cluster.à nos données pour identifier quatre groupes d'entreprises ayant des caractéristiques distinctes (pièce 1).
At the top right of the chart are the leaders, companies that have captured the largest gains from their MI efforts and which have the highest level of supporting infrastructure and capabilities.
At the bottom left is a group of emerging companies, which have the lowest level of enabler maturity and saw the smallest gains.Certaines de ces entreprises ont connu un succès modéré avec certains cas d'utilisation.Beaucoup viennent de commencer leur voyage, mais ils n'ont pas encore l'échelle ou l'infrastructure d'autres praticiens MI plus matures.Certaines entreprises émergentes ont du mal à identifier les bons endroits pour investir.Par exemple, une entreprise émergente à qui nous avons parlé est allée après une maintenance prédictive en raison de son utilisation apparemment large (pas nécessairement parce que c'était une priorité commerciale).L'effort a eu peu ou pas d'impact.Mais, lorsque l'entreprise s'est concentrée davantage sur ses plus grandes priorités commerciales (comme l'amélioration des niveaux de service), elle a frappé un home runnal.
Le terrain d'entente est plus nuancé.Au centre du graphique, nous avons identifié deux grappes distinctes. One group of companies, which we call planners, exhibits a level of maturity in enablers that is on a par with companies in the leader group.Les planificateurs n'ont pas encore obtenu les mêmes résultats que leurs homologues de leader, mais certains sont juste sur le point d'être des leaders.Nous avons parlé à plusieurs planificateurs qui ont eu des implémentations très réussies et qui sont sur la voie de déployer des cas d'utilisation à l'échelle des dirigeants.Mais nous avons également observé des planificateurs qui n'ont pas pu atteindre l'impact de notre groupe de leaders, même s'ils ont investi beaucoup de temps et de ressources dans des projets numériques.
Another group, which we call executors, has already achieved significant gains, despite building less infrastructure than the leaders or planners and even less than some companies in the emerging group.Les exécuteurs trouvent généralement quelques cas d'utilisation à fort impact, associez-vous à d'autres pour créer une solution, puis commencent sur un chemin pour mettre en œuvre ces solutions ponctuelles aussi largement que possible.Un exécuteur testamentaire que nous avons interviewé a partagé qu'une solide structure de gouvernance qui a rapidement identifié puis déployé largement les cas d'utilisation prometteuse a joué un rôle essentiel dans son succès.
Ce schéma reflète la façon dont MI a été industrialisé ces dernières années.Il y a une décennie, toute entreprise souhaitant appliquer l'IM à ses opérations n'avait d'autre choix que de construire l'infrastructure et les systèmes nécessaires en interne.Aujourd'hui, les organisations ont la possibilité d'acheter des outils et de l'expertise à partir d'un énorme écosystème de fournisseurs.Cela permet aux exécuteurs testamentaires d'atteindre des gains importants dans des cas d'utilisation spécifiques sans faire autant de bases à l'avance.
Pendant ce temps, le grand nombre d'entreprises du groupe de planificateurs indique que de nombreuses organisations n'ont pas encore craqué le code sur l'application des technologies Mi à grande échelle dans les cas d'utilisation qui comptent vraiment.Certains d'entre eux peuvent encore avoir du mal à s'échapper du purgatoire pilote que nos collègues de McKinsey ont décrit pour la première fois en 2018 pour la première fois.
Cela ne signifie pas que les planificateurs prennent la mauvaise voie, cependant.Les entreprises de notre étude qui ont obtenu les meilleurs résultats de leurs efforts MI ont également atteint des niveaux élevés de maturité dans les infrastructures et les capacités.Nos recherches suggèrent que toute entreprise ayant des aspirations à atteindre les frontières de la performance compatible MI devra mettre les bons catalyseurs en place.
Les entreprises émergentes, quant à elles, ont un choix stratégique pour faire.Suivent-ils l'itinéraire du planificateur, investissant tôt dans les catalyseurs qui soutiendront leur parcours à long terme?Ou poursuivent-ils des gains rapides, l'achat de la technologie et le savoir-faire des partenaires et ne construisent que les catalyseurs nécessaires pour soutenir des cas d'utilisation spécifiques?
Quelle est la taille du prix des dirigeants?
Il s'avère que c'est substantiel.Dans notre échantillon, nous avons isolé les plus performants et les avons comparés avec les 50% inférieurs sur plusieurs dimensions.
La douzaine d'entreprises les plus performantes de notre enquête ont réalisé des améliorations beaucoup plus importantes que les autres dans 20 des 21 KPI que nous avons évalués (pièce 2).Dans 11 de ces KPI, l'amélioration moyenne obtenue par les dirigeants était de 10% ou plus.Et leur amélioration moyenne globale, à 9.5%, était presque trois fois le 3.5% atteints par des artistes inférieurs.
Les résultats des actions même sélectionnées peuvent être substantielles.Par exemple, Wayfair, une entreprise de commerce électronique, était tôt pour déplacer ses données vers le cloud et utiliser l'apprentissage automatique dans plusieurs fonctions.Pendant la crise Covid-19, car la demande des consommateurs a changé rapidement entre les régions, la société a pu optimiser la logistique des navires à conteneurs, ajustant continuellement ce que les marchandises ont été envoyées aux ports.Les suppléments d'expédition devenant plus répandus, Wayfair a économisé environ 7.5% des coûts logistiques entrants en conséquence.
Ce que font bien les dirigeants
Qu'il s'agisse d'un planificateur, d'un exécuteur testamentaire ou d'une organisation émergente aujourd'hui, toute entreprise ayant des ambitions de gagner des technologies numériques avancées a la possibilité d'apprendre des meilleures pratiques.Nos recherches ont identifié cinq domaines où les entreprises les plus performantes se démarquent.
Governance: Processes and capabilities to rapidly scale
MI est une priorité stratégique pour les entreprises de premier plan.Beaucoup de ces organisations ont construit des centres d'excellence dédiés pour soutenir leurs efforts de l'IM, soit dans les unités commerciales, soit en tant que fonction centralisée pour soutenir l'ensemble de l'organisation (pièce 3), assurer des normes et accélérer le déploiement.Une entreprise de soins de santé a également utilisé un processus de gouvernance bien documenté pour déployer plusieurs cas d'utilisation dans une usine, qu'il a ensuite déployé sur son réseau, entraînant une lifting des revenus.
Les entreprises de premier plan ont également une solide gouvernance en place pour garder leurs programmes numériques sur la bonne voie.Par exemple, les dirigeants sont beaucoup plus susceptibles que les entreprises plus performantes d'avoir un processus défini pour l'évaluation et la mise en œuvre de l'innovation numérique.Ils sont également plus susceptibles de suivre ce processus régulièrement et de le mettre à jour continuellement alors que l'organisation en apprend davantage sur ce qui fonctionne et ce qui ne fonctionne pas (pièce 4).
Deployment: Ambitious vision and complex use cases
Les organisations de premier plan appliquent MI plus largement et utilisent des approches plus sophistiquées.Par exemple, chaque leader de notre recherche utilise l'IM dans trois domaines: prévision, optimisation de la maintenance, logistique et transport (pièce 5).Parmi les artistes inférieurs, seulement la moitié s'adresse aux deux premiers, avec moins d'un tiers s'adressant au dernier.Et sur les 17 cas d'utilisation que nous avons identifiés dans notre enquête, plus des trois quarts des sociétés de premier plan abordent au moins 14.En outre, alors que les tableaux de bord simples sont l'outil numérique le plus courant utilisé par les entreprises à basse performance, les dirigeants sont beaucoup plus susceptibles d'adopter des approches plus avancées - telles que les méthodes prédictives et normatives - ou MI.Beaucoup choisissent de remonter cette échelle de sophistication une fois qu'ils ont plus de leurs catalyseurs en place.
Il semble que les dirigeants aient quelque peu ouvert la voie ici pour d'autres qui sont plus tôt dans leurs voyages à suivre.Il y a clairement un consensus parmi les dirigeants en termes non seulement de sophistication mais aussi des meilleurs cas d'utilisation sur lesquels se concentrer sur.
Certaines entreprises sont confrontées à de nombreux défis lors de l'échelle de leurs programmes, y compris un manque de données historiques sur certains produits et la nécessité de se conformer aux exigences réglementaires strictes.Dans certains cas, le temps nécessaire pour vérifier et documenter de nouveaux outils numériques peut être quatre fois requis pour leur développement.Malgré ces obstacles, même les entreprises fortement réglementées voient des rendements importants des investissements MI.
Un succès récent notable a été l'application de la vision machine à l'assurance de qualité des produits.La société biopharmaceutique Amgen a constaté que les opérations du système visuel-inspection posaient de grandes opportunités pour automatiser et utiliser les technologies d'IA pour réduire le temps d'inspection par lots d'heures et de jours en quelques minutes.
Partnering: A broad ecosystem of partners
Le développement et la mise en œuvre d'outils numériques avancés sont devenus un sport d'équipe.La plupart des entreprises de notre recherche disent qu'ils s'associent à d'autres organisations de leurs projets IM, avec le monde universitaire, les start-ups, les fournisseurs de technologie existants et les consultants externes comme les choix les plus courants.Les raisons varient.Selon un chef de la technologie, «les lignes de fabrication sont intrinsèquement uniques;Nous n'avons pas de données cohérentes bien structurées car vous pourriez obtenir à partir de systèmes standard-ressources en entreprise.Nous avons trouvé que les solutions d'IA à usage général manquaient de capacité ou de coût trop cher à personnaliser pour notre application.Les start-ups et les universités ont une meilleure expertise du domaine.Ils essaient de résoudre un problème particulier pour nous."
Les organisations de premier plan sont plus susceptibles que d'autres de poursuivre de tels partenariats, et ils collaborent avec un plus large éventail de types d'organisations.Plus de 80% des dirigeants ont des partenariats avec des groupes universitaires et des start-ups, par exemple, tandis que moins d'un tiers des autres organisations ont ces relations (pièce 6).
Colgate-Palmolive et Frito-Lay à la propriété de la pepsico travaillent tous les deux avec le fournisseur de MI-Systems Augury pour déployer des diagnostics de santé machine à AI sur leurs lignes de production.L'utilisation de l'approche pour détecter et prévenir les arrêts imprévus a entraîné des économies importantes pour les deux sociétés, souvent à partir d'un seul incident;Dans un cas, cela a empêché une panne de huit jours.
Les efforts des appareils analogiques sur le contrôle de la qualité en temps réel démontrent pourquoi les dirigeants peuvent se tourner vers le monde universitaire et les start-ups pour une expertise technique approfondie.Les failles dans les processus de fabrication de semi-conducteurs sont extraordinairement coûteuses. Given enough examples of faulty process runs that result in “bad" parts, MI models can be trained to identify those faults in real time.Cependant, les semi-conducteurs ont un rendement très élevé, ce qui signifie qu'il y a très peu de courses défectueuses ou de mauvaises tranches pour former un modèle MI.Les dispositifs analogiques fabriquent une grande variété de semi-conducteurs, ce qui rend encore moins probable qu'il y aurait suffisamment d'exemples de défaillance pour une recette ou un outil donné pour former un modèle conventionnel. Therefore, Analog Devices needed something that could learn to identify bad process runs using only the sensor data from producing lots of “good" wafers.Avec une nouvelle méthode MI développée en collaboration avec le MIT, les appareils analogiques ont pu identifier les exécutions de production et les outils pourraient avoir un défaut.Cette identification signifiait que les ingénieurs de processus expérimentés n'avaient à examiner que 5% des données du processus qu'auparavant, ce qui a entraîné une meilleure concentration et une réduction de 20 fois la charge de travail.
People: Employee empowerment
Dans les principales sociétés, les approches numériques avancées ne sont pas la préoccupation de quelques spécialistes.Ces organisations estiment que l'IM est importante pour les parties prenantes de l'entreprise, et elles prennent des mesures pour garantir que le plus possible a les compétences et les ressources dont ils ont besoin pour utiliser ces techniques.Plus de la moitié d'entre eux forment leur personnel de première ligne dans les fondamentaux de l'IM, par exemple, contre seulement 4% des autres sociétés.
Dans les principales sociétés, les approches numériques avancées ne sont pas la préoccupation de quelques spécialistes.Ces organisations pensent que l'IM est importante pour les parties prenantes de l'entreprise.
McDonald's, un restaurant mondial et hautement décentralisé à service rapide, a utilisé l'IM pour améliorer un large éventail de tâches opérationnelles, de la prévision de la réponse du client aux promotions pour prévoir la fréquentation en temps réel dans ses restaurants.L'entreprise a adopté une approche hybride: un centre d'entreprise d'excellence teste et développe de nouvelles approches de modélisation, qu'elle regorge d'outils faciles à utiliser à la disposition des organisations d'exploitation régionales et des restaurants.En fin de compte, les employés en marché utilisent les outils.Cette approche aide les membres de l'équipe dans le domaine à apprendre l'importance de bonnes données, à développer une compréhension du processus et à perfectionner les compétences d'identification des problèmes.
Data execution: Data they can use
Les leaders rendent les données accessibles.Toutes les organisations de leader donnent au personnel de première ligne l'accès aux données, contre seulement 62% des autres.Chacune des principales sociétés acquiert également des données de clients et de fournisseurs, et 89% d'entre eux partagent leurs propres données avec ces groupes.Parmi d'autres sociétés, les chiffres équivalents sont respectivement de 73% et 46%.Les entreprises de premier plan sont presque deux fois plus susceptibles que d'autres permettent un accès à distance aux données et de stocker une fraction significative de leurs données dans le cloud.
La démocratisation des données est un aspect essentiel dans de nombreuses entreprises.Le fournisseur automobile Cooper Standard, par exemple, oblige les équipes à traiter la stratégie de données au début du processus de développement agile de l'organisation pour les nouvelles applications MI.Cela permet de garantir que tous les cas d'utilisation sont construits sur des données robustes et bien gérées qui fournissent une base pour les développements futurs ou les nouveaux cas d'utilisation.
Vistaprint, une entreprise de conception, numérique et imprimé au service de petites entreprises, met également la stratégie de données à l'avant-garde de ses efforts d'analyse.L'organisation MI de la société fait rapport sur le directeur des données, ce qui lui donne un excellent point de départ avec un catalyseur critique au succès.L'une de ses applications les plus ambitieuses et réussies, l'analyse à la livraison à temps, les liens requis sur plusieurs fonctions (y compris les gestionnaires des opérateurs, l'équipe du site Web, le groupe de produits et la chaîne d'approvisionnement) avec une stratégie de données alignée.La plate-forme d'analyse a réduit les livraisons tardives de l'entreprise de plus de 50% et est l'épine dorsale pour l'introduction d'options d'expédition de cadavre comme la livraison le lendemain.
Où ensuite?
La course pour tirer parti des données et des analyses pourrait être gagnée avec plusieurs actions coordonnées plutôt que n'importe quel mouvement audacieux.Les quatre segments - leaders, planificateurs, exécuteurs testamentaires et sociétés émergents - opérent dans un espace dynamique où la barre augmente et le nombre de cas d'utilisation d'apprentissage automatique est prêt à continuer d'augmenter, s'intégrant rapidement dans les affaires comme d'habitude.
Par exemple, les planificateurs ont souvent de fortes compétences humaines et une expertise considérable sur les données d'exécution des données, tandis que les exécuteurs obtiennent des résultats solides de la focalisation au laser sur les opportunités les plus prometteuses de leur entreprise.Selon son point de départ, la voie de chaque entreprise sera différente, car elle cherche à capitaliser sur ses forces actuelles tout en abordant les faiblesses restantes dans ses capacités MI.
Étant donné que tout le monde ne peut pas s'efforcer d'être un leader immédiatement, ils peuvent plutôt s'efforcer de passer au prochain meilleur état.Entre les exécuteurs testamentaires, les planificateurs et les entreprises émergentes, nous voyons trois points de levier: l'occasion, la gouvernance et le budget.
Les exécuteurs de notre étude obtiennent d'excellents résultats et se concentrent sur les bons problèmes.Cependant, pour ressembler davantage aux dirigeants, ils peuvent investir plus et se tourner vers leur gouvernance et leur budget.Les planificateurs ont mis en place bon nombre des bons processus et peuvent se concentrer davantage sur des opportunités spécifiques et la conduite des résultats à travers l'entreprise à Pace grâce à une meilleure gouvernance.Les entreprises émergentes, quant à elles, peuvent se concentrer sur la sélection des premières opportunités et obtenir des résultats pour devenir plus comme les exécuteurs, empiler rapidement les victoires pour prendre de l'élan et le cas pour plus d'investissement.
Dans nos entretiens, nous avons constaté que de nombreuses sociétés les plus grandes ont atteint leur niveau d'excellence en suivant quatre étapes:
Malgré les avancées récentes de l'IM, il est de plus en plus clair que la pleine échelle de l'opportunité de l'utilisation intégrée des données et des analyses dans les opérations commerciales commence à se dérouler et devrait se poursuivre à mesure que de plus en plus de cas d'utilisation évoluent de simples tableaux de bord à des niveaux plus élevés de niveaux de plus grandeautonomie.Alors que les entreprises comprennent mieux comment diriger leurs efforts de l'IM pour lutter contre leurs déterminants les plus urgents de valeur, l'écart entre les dirigeants et le reste peut commencer à s'élargir: les dirigeants investissent continuellement davantage dans l'IM et s'attendent à ce que leurs budgets augmentent de 10 à 15% supplémentairesannée, tandis que les autres peuvent rester en grande partie stagnante.
À Vistra, dix-huit mois dans la transformation qui a suivi le travail que Wayne Brown a mené, la société a identifié encore plus de potentiel d'impact et a commencé à mettre à l'échelle des modèles d'analyse à travers l'entreprise, en continuant à améliorer l'efficacité opérationnelle.La prochaine frontière est le portefeuille de Vistra Renewables, y compris l'énergie solaire et les batteries, qui pourrait encore s'avérer être le plus grand impact de l'IM sur l'entreprise.
