3 große Datenherausforderungen in Industrieunternehmen

Verfasst von: Will Hastings
  • 7/16/2021
  • Lesestoff : 3 min
digital-thread-900

Industrieunternehmen stehen vor einer Vielzahl von Datenherausforderungen. Mit der digitalen Transformation verlassen sich Unternehmen zunehmend auf Daten, um Produkte und Dienstleistungen zu differenzieren. Allerdings können die Datenherausforderungen von siloartigen Unternehmenssoftwaresystemen die Vorteile, die sich Unternehmen von diesen Bemühungen erhoffen, im Keim ersticken.

"Siloed-ness" ist ein häufiges Merkmal von Legacy-Software und sogar vieler moderner Softwaresysteme. Einzelne Funktionen oder Abteilungen innerhalb eines Unternehmens können anfangs Software einsetzen, um ihre spezifischen Anforderungen zu erfüllen. Aber wenn Organisationen reifen, besonders im Fall der digitalen Transformation, gibt es eine natürliche Entwicklung hin zu Funktionen und Abteilungen, die mehr Unterstützung für das Geschäft um sie herum bieten müssen. Es kann unglaublich schwierig sein, auf diese Weise zusammenzuarbeiten, wenn die Software-Tools nicht dafür ausgelegt sind. Die Folge? Informationen und Werte bleiben in den einzelnen Abteilungen isoliert.

Um den vollen Wert ihrer Daten auszuschöpfen, suchen Industrieunternehmen heute nach Möglichkeiten, siloartige Systeme und die drei kritischen Datenherausforderungen, die sie verursachen, zu lösen: Doppelter Aufwand, mehrere Datenquellen und unzureichende Datenverfügbarkeit.

Im Folgenden gehen wir näher auf diese Komplikationen ein und erläutern, wie sie sich auf die Fähigkeit eines Unternehmens auswirken, aus Daten Wert zu schöpfen, und schließlich, wie die Implementierung einer Digital-Thread-Strategie alle drei Datenherausforderungen auf einmal lösen kann.

1. Doppelter Aufwand

Wenn die Softwaresysteme entlang der Wertschöpfungskette eines Unternehmens isoliert sind, ist das Verschieben von Informationen von einem zum nächsten ein Hindernis für die Produktivität und ein häufiger Weg, um Fehler einzuführen. Stellen Sie sich das Chaos vor, das entstehen würde, wenn Sie Ihren Kalender auf jedem Ihrer Geräte für jede Einladung, Verschiebung und Absage, die Sie erhalten, manuell aktualisieren müssten. Das ist es, womit Industrieunternehmen im geschäftlichen Maßstab zu kämpfen haben.

Wenn Systeme in Silos untergebracht sind, wird immer ein erheblicher Anteil an manueller Arbeit anfallen, um Informationen zwischen Abteilungen, Funktionen und sogar Unternehmen zu übertragen. Der Gedanke, Daten manuell von einem System in ein anderes zu übertragen, ist ein nicht wertschöpfender Schritt, der jedoch häufig von Menschen durchgeführt wird, da er eine gewisse Flexibilität erfordert, um die Daten von System A nach B nach C anzupassen.

2. Mehrere Datenquellen

Wenn Daten über zwei oder mehr Softwaresysteme hinweg dupliziert werden, dann gibt es eine inhärente Datenherausforderung: mehrere Datenquellen. In Anbetracht mehrerer unterschiedlicher Softwaresysteme, die jeweils für die gleichen Daten verantwortlich sind und unterschiedliche Aktivitäten entlang der Wertschöpfungskette ermöglichen, gibt es reichlich Gelegenheit für eine Fehlanpassung von Zielen und Aktivitäten in verschiedenen Abteilungen und Organisationen.

Wenn beispielsweise die Stückliste eines Produkts in einem Manufacturing Execution System (MES) und einem Product Lifecycle Management (PLM) System vorhanden ist, wer ist dann dafür verantwortlich, dass die beiden übereinstimmen? Wenn es zu Unstimmigkeiten kommt, können die Kosten enorm sein, je nachdem, welche Aktivität im Produktlebenszyklus betroffen ist, wie lange es dauert, sie zu identifizieren, und welche Schritte zur Lösung des Problems erforderlich sind. Diese Art von Unstimmigkeiten können jede Abteilung betreffen, die Daten manuell austauscht, aber ihre eigenen Aufzeichnungen führt. Einfach ausgedrückt: Mehrere Datenquellen sind nur mehrere Möglichkeiten für Fehler.

Da digitale Transformationsinitiativen reaktivere und erkenntnisgesteuerte Änderungen an Produkten und Dienstleistungen ermöglichen, kann die Häufigkeit, mit der diese Systeme aktualisiert werden müssen, exponentiell ansteigen. Ohne einen digitalen Prozess, der die Konsistenz zwischen den Systemen sicherstellt, riskiert jede Aktivität, die auf eine der vielen "Quellen der Wahrheit" zugreift, auf der Grundlage veralteter oder völlig falscher Informationen zu arbeiten.

3. Unzureichende Datenverfügbarkeit

Und nicht zuletzt verhindern siloartige Systeme, dass Mitarbeiter im gesamten Unternehmen auf Daten zugreifen können, die die Genauigkeit und Geschwindigkeit ihrer Entscheidungsfindung verbessern könnten. Es gibt zwei Möglichkeiten, wie siloartige Systeme diese Datenherausforderung verursachen können.

In erster Linie führen siloartige Systeme dazu, dass Informationen im Dunkeln bleiben. Es kann für Mitarbeiter schon schwierig genug sein, auf Daten zuzugreifen, die irgendwo außerhalb ihrer Abteilung liegen, aber die bloße Existenz relevanter Daten außerhalb ihres typischen Aufgabenbereichs könnte ein Rätsel sein. Vor allem jetzt, da Unternehmen immer mehr Daten entlang des Produktlebenszyklus sammeln - von der Entwicklung über die Fertigung bis hin zum Service. In einer Abteilung können Datenschätze vorhanden sein, die von der gesamten Organisation nicht genutzt werden, einfach weil die Mitarbeiter nicht wissen, dass sie existieren oder wo sie zu finden sind.

Erschwerend kommt hinzu, dass der rollenbasierte Zugriff auf die Daten oft nur denjenigen Rollen oder Funktionen zur Verfügung steht, die am dringendsten darauf angewiesen sind. Dieser Ansatz kann unbeabsichtigt jede Funktion innerhalb des Produktlebenszyklus zu einem Informationsengpass machen, wenn sich die Daten über Rollen oder Abteilungen hinweg als wertvoll erweisen. Es hat auch den Effekt, dass jede Person mit Zugriff auf relevante Daten zum Data-Governance-Beauftragten wird und mit der Aufgabe belastet wird, Daten zu verbreiten, ohne die Aufsicht, die oft notwendig ist, um sicherzustellen, dass solche Aktivitäten ordnungsgemäß ausgeführt und genau aufgezeichnet werden.

Auftritt für den Digital Thread

Ein Digital Thread "schließt den Kreis" zwischen den physischen und digitalen Aktivitäten eines Unternehmens und ermöglicht so die Durchgängigkeit von Daten über Abteilungen hinweg und die funktionsübergreifende Zusammenarbeit, um das Produkt und die physischen Prozesse zu verbessern und die Menschen zu befähigen, die an jedem Schritt beteiligt sind.

Dieser Ansatz beseitigt die Datenherausforderungen von siloartigen Systemen, indem er einen durchgängigen Datenfluss zwischen Abteilungen und Funktionen ermöglicht. Mit der richtigen Strategie und den richtigen Tools implementieren Industrieunternehmen heute Digital Threads, die Daten nahtlos über den gesamten Produktlebenszyklus hinweg bewegen können, damit Funktionen überall im Unternehmen bessere und schnellere Entscheidungen treffen können.

Ein Digital Thread beseitigt die Notwendigkeit von Doppelarbeit und fördert stattdessen die abteilungsübergreifende, wertschöpfende Zusammenarbeit. Durch die Rückverfolgung der Herkunft von Daten auf ihrem Weg durch das Unternehmen kann ein digitaler Faden außerdem die Integrität von Informationen sicherstellen, die geteilt und verarbeitet werden, um die Risiken zu eliminieren, die mit der Pflege mehrerer Datenquellen verbunden sind.

Wenn Sie mehr über die Erstellung eines Digital Threads erfahren möchten und wie er Ihrem Unternehmen helfen kann, die Datenherausforderungen zu bewältigen, klicken Sie hier.

Der Status des Digital Threads

Erfahren Sie, wie Unternehmen den Kreis zwischen dem Digitalen und dem Physischen schließen.

Tags:
  • Digital Thread
  • PLM
  • Industrial Internet of Things
  • Augmented Reality

Der Autor

Will Hastings Will Hastings ist Research Analyst Manager im Corporate Marketing Team von PTC und liefert Thought Leadership zu Technologien, Trends, Märkten und anderen Themen. Zuvor war Will Hastings als Senior Analyst für die ARC Advisory Group tätig, wo er Forschungsarbeiten zu PLM und additiver Fertigung durchführte. Vor seiner Tätigkeit bei der ARC Advisory Group war Will ein leitender Konstruktionsingenieur für Produktentwicklungsprogramme bei Sensata Technologies.