teollisen internetin hyödyntämiseen Yritysjohdon opas IoT:n

Transkriptio

1 Yritysjohdon opas IoT:n ja teollisen internetin hyödyntämiseen 1

2 Sisällysluettelo Sivut 1. Johdanto Teollinen Internet 2.1 IoT on internetin uudelleentuleminen Teollisen internetin mahdollistamat liiketoimintahyödyt 3.1 Kustannussäästöistä kasvua tuoviin innovaatioihin 3.2 Datan ketterä hyödyntäminen päätöksenteon tueksi 3.3 Teollisen internetin teknologia Ennakoivalla analytiikalla katse luodaan tulevaisuuteen 4.1 Ennakoiva analytiikka tehostaa toimintaa 4.2 Ennakoiva analytiikka auttaa ymmärtämään jo kerättyä dataa 4.3 Analytiikka tuo selkeyttä monimutkaisessa ympäristössä 4.4 Analytiikka vähentää tietoähkyä ja ohjaa oikeaan suuntaan 4.5 Tiedon automatisointi lisää tuottavuutta Johda yritystäsi ja asiakkaitasi tiedolla 5.1 Näin lähdet liikkeelle tiedon hyödyntämisessä 5.2 Organisaation hiljainen tieto tehdään näkyväksi 5.3 Näin hyödynnät ennusteita liiketoiminnan johtamisessa

3 1. Johdanto Oppaan avulla osaat johtaa yrityksen tulevaisuutta älykkään datan ja siihen pohjautuvan tulkinnan perusteella. Ohjataanko yritystäsi menneisyyteen perustuvien raporttien pohjalta? Koetko työlääksi datan käsittelyn, turvallisen siirron ja hyödyntämisen ohjaako se toimintaa ennakoivasti? Haluaisitko pystyä tekemään tärkeitä, liiketoimintaa kehittäviä päätöksiä yrityksesi eri toiminnoista kerättävissä olevan, reaaliaikaisen tiedon pohjalta? Kysyttäessä Suomen yritysjohdolta, mistä Teollisessa internetissä on oikein kyse, vastaajista vain murto-osa kertoo aidosti ymmärtävänsä riittävällä tasolla Teollista internetiä ja sen vaikutuksia omalle liiketoiminnalleen lähitulevaisuudessa. Internet of Things termistä, Teollisesta internetistä, big datasta ja analytiikasta on viime vuosina puhuttu paljon ja kaikkialla, eikä suotta - tavoitellaanhan tässä globaalisti 1,9 biljoonan dollarin markkinaa vuonna Samoin on ennustettu, että jos suomalaiset yritykset lähtevät aktiivisesti rakentamaan roolia teollisen internetin alustojen ja ekosysteemien avaintoimijoina, voidaan Suomeen saavuttaa jopa 12 miljardin euron suuruiset investointien ja työpaikan kasvunäkymät. 12 miljardin euron suuruiset investointien ja työpaikan kasvunäkymät. Jotta tämä edellä kuvattu ennuste kävisi toteen ja Teollisen internetin tarjoamia mahdollisuuksia päästäisiin systemaattisesti hyödyntämään suomalaisessa yritysmaailmassa, on ensin ymmärrettävä, mistä tässä kaikessa on kysymys. Mitä Teollinen internet on? Tämän oppaan tarkoitus onkin riisua Teolliseen internetiin liittyvä suuri hype ja tuoda sitä konkreettisten esimerkkien kautta lähemmäs suomalaisten teollisuusyritysten arkea. Tavoitteena on, että opas auttaa ymmärtämään toimialarajat ylittävää murrosta tarjoillen ajatuksia siihen, kuinka yritys voi hyödyntää Teollista internetiä omien liiketoimintaprosessien tehostamiseksi ja kilpailukyvyn kasvattamiseksi. Gartnerin ennusteen mukaan nyt vuonna 2015 noin 4,9 miljardia laitetta on liitettynä verkkoon kun vuonna 2020 vastaava lukumäärä on jopa 25 miljardia laitetta, mikä tarkoittaa noin viittä laitetta maapallon jokaista asukasta kohden. Puhutaan digitaalisesta liiketoiminnasta, joka tulevaisuudessa yhdistää ihmiset, laitteet ja yritykset ennennäkemättömällä tavalla. 3

4 Digitaalisen liiketoiminnan puolestaan mahdollistaa juuri laitteiden verkottuminen eli Internet of Things (IoT). Gartnerin määritelmän mukaan siinä on kyse fyysisistä laitteista, jotka pystyvät aistimaan ympäristöään ja viestimään tai toimimaan aistimansa perusteella älykkäästi. Tähän tarvitaan antureita, ohjelmistoja sekä tietoliikenneyhteys, jolloin sensorit, koneet, prosessit ja palvelut tuottavat jatkuvasti tietoa, jota jalostamalla voidaan mm. ennakoida ja automatisoida työvaiheita. Verkottuneita laitteita voivat olla yhtälailla esimerkiksi lentokoneen moottorit, hitsauslaitteet, tuulivoimalan turbiinit tai sataman kontinkuljetusjärjestelmä. Rolls-Royce PLC:tä pidetään yhtenä ensimmäisenä teollisena yrityksenä, joka otti käyttöön tuotos-pohjaisen liiketoimintamallin, jossa lentoyhtiöitä laskutetaan Power by the Hour -periaatteen mukaisesti. Suomalainen Kemppi, hitsauslaitteita- ja ohjelmistoja tarjoava yritys puolestaan hyödyntää Teollista internetiä muun muassa kytkemällä hitsauslaitteet pilvipalveluun, jonne välittyy kaikki tieto hitsaustapahtumasta, kuten kohteen hitsaaja, työssä käytetyt asetukset ja lisäaineet. Ennen hitsausta pitää vain skannata hitsarin kortin viivakoodi, jonka jälkeen prosessista syntyvää dataa saadaan taltioitua yrityksen päätöksenteon tueksi tulevaisuuteen. IoT (Internet of Things) 95% Esineiden internet Teollinen internet Tavaroiden internet Älykkäät esineet, jotka kykenevät kommunikoimaan internet-verkon välityksellä joko keskenään tai pilvisovellusten kanssa. 8 C Älykkäät laitteet, jotka keräävät ja välittävät sensoreidensa avulla tietoa laitteen tilasta ja käyttöolosuhteista, tavoitteena liiketoiminnan tehostaminen. Yksittäisillä tavaroilla on internetissä oma identiteettinsä, vaikkeivät ne muuten olisi erityisen älykkäitä. Tällainen tavara voi olla esimerkiksi kirja tai lapanen, johon viitataan yksilöllisen tunnisteen avulla. Kuva 1: IoT eli Internet of Things on laaja termi, joka kattaa useita toisiinsa liittyviä teknologioita ja käsitteitä, jotka voidaan jaotella esineiden internetiksi, teolliseksi internetiksi ja asioiden internetiksi. Suomenkielisiä termejä käytetään usein rinnakkain ja niiden merkitykset vaihtelevat. Termien taustalta löytyvät kategoriat ovat kuitenkin jo melko vakiintuneita tarkasta nimityksestä riippumatta. 4

5 2. Teollinen internet 2.1 IoT on internetin uudelleentuleminen IoT (Internet of Things) Teollisesta internetistä on puhuttu niin Suomessa kuin maailmallakin jo pitkään ja Teollinen internet käsitteenä on ollut käytössä ensimmäisen kerran jo 1990-luvulla. IoT on yksinkertaisuudessaan internetin uudelleentuleminen, mutta esineiden kautta, joita mitataan ja sensoroidaan. Kukapa olisi 15 vuotta sitten osannut arvella, kuinka merkittävässä roolissa internet tulee olemaan tämän päivän liiketoiminnassa. Sama ilmiö on todentumassa teollisen internetin osalta, mutta huomattavasti nopeammissa kehityssykleissä. Kukapa olisi 15 vuotta sitten osannut arvella, kuinka merkittävässä roolissa internet tulee olemaan tämän päivän liiketoiminnassa. Liiketoiminnan viitekehyksessä ja eritoten suomalaisessa valmistavan teollisuuden yrityksessä, kilpailukyvyn rakentamiseen ei enää riitä yksin ensiluokkainen insinööriosaamisemme, jota usein täydentää aggressiivinen tarjouspyyntöjen odottelun mentaliteetti asiakas tilaa kyllä tarpeen tullen. Teollisen internetin voimakas mukaantulo muuttaa kilpailuasetelmia ja saatavilla olevan tiedon räjähdysmäinen kasvu pakottaa yritykset tarkastelemaan toimintatapojaan alati muuttuvassa toimintaympäristössä. Digitaalisuus ja Teollinen internet sen osana tulevat muuttamaan seuraavien vuosien aikana useimpien toimialojen toimintalogiikkaa radikaalisti. Teollisen internetin tuottama lisäarvo perustuu pitkälti sen avulla kerättyyn ja tuotettuun tietoon. Todelliset uuden liiketoiminnan mahdollisuudet piilevät siinä, miten yrityksillä käytettävissä oleva tieto saadaan jalostettua helposti hyödynnettävään muotoon ja kuinka onnistutaan luomaan sellaista automaattista, reaaliaikaista analytiikkaa, joka valitsee ja järjestää valtavaa tietomassaa käyttökelpoisiksi tunnusluvuiksi ja tilannekuvauksiksi, yrityksen päätöksenteon tueksi. Tietoverkkojen avulla tiedot voidaan välittää analysoitaviksi lähes reaaliajassa. Näin kerättyä tietoa voidaan käsitellä ja analysoida tehokkaammin, jolloin taas tuotantoprosesseja ja -välineitä voidaan seurata ja hallita paremmin. Analysoitua tietoa voidaan käyttää hyväksi eri osapuolien tarpeisiin niin laitteen omistajalle, käyttäjälle, palveluntarjoajille kuin valmistajallekin. Etsikkoaika Teollisen internetin hyödyntämiselle on nyt, sillä sen vaatima teknologia on kehittynyt niin pitkälle, että sen varaan voidaan nyt rakentaa, se on käytettävissä ja kohtuuhintaista. Kaikille avoin internet mahdollistaa prosessien ja liiketoiminnan hallinnan ja operoinnin globaalissa mittakaavassa. Lisäksi yrityksissä on viime vuosina tehty paljon investointeja erityisesti mittausten tekemiseen, datan keräämiseen ja toiminnan seurantaan. Pohja on siis jo valmiiksi rakennettu syvemmälle analytiikalle ja sen hyödyntämiselle kokonaisvaltaisen liiketoiminnan kehittämiseksi. 5

6 3. Teollinen internet tehostaa nykyistä toimintaa 3.1 Kustannussäästöistä kasvua tuoviin innovaatioihin Teollisen internetin mahdollisuudet kuulostavat lupaavilta ja monet ovatkin jo hyvässä vauhdissa asioiden toteuttamisessa. Gartnerin toteuttaman tutkimuksen Etävalvonnan ja ohjauksen näkymät Suomessa mukaan Suomalaisista tai Suomessa toimivista teollisuusyrityksestä 72 % kertoo hyödyntävänsä etävalvontaa tai -ohjausta liiketoiminnassaan. Luku kuulostaa hyvältä, kunnes pureutuu syvemmälle käyttöön. Etädiagnostiikkaa hyödyntää noin 40 % teollisuusyrityksistä, kun vastaava luku on noin 65 % energia-, vesi- ja jätehuollon tai terveydenhuollon laitteiden kohdalla. Näyttääkin siltä, että teollisuusyrityksissä suhtaudutaan ohjelmistopohjaiseen tekemiseen vielä varsin konservatiivisesti. Verkkoon kytketyt älykkäät tuotteet ja palvelut mahdollistavat yritykselle entistä tehokkaammat toimintatavat, kun reaaliaikainen näkyvyys sisäisiin prosesseihin ja asiakkaan todelliseen tarpeeseen paranevat. Nykyisen liiketoiminnan tehostaminen ja pääoman tehokas käyttö ovatkin ensimmäinen keskeinen tavoite Teollisen internetin soveltamiselle, minkä vaikutukset näkyvät merkittävästi yrityksen kustannuksissa ja tasearvossa. Toinen merkittävä tapa soveltaa Teollista internetiä on kehittää olemassa olevia tuotteita ja palveluita entistä älykkäämmiksi sisällyttämällä niihin uusia ominaisuuksia, lisäämällä asiakasräätälöintiä ja parantamalla käytettävyyttä. Näin voidaan nostaa nykyisen liiketoiminnan asiakasarvoa, ja sitä kautta saada aikaan yritykselle liikevaihdon ja kannattavuuden kasvua. Teollisen internetin arvo tulee sen tarjoamasta mahdollisuudesta muokata kaikkia liiketoiminnan arvoketjuja. Tietoa yrityksen operatiivisesta toiminnasta on siis saatavilla yhä enemmän ja tuon tiedon hyödyntäminen paitsi nykyisen toiminnan ohjaamiseen, myös tiedon keräämiseen entistä parempien ja tehokkaampien laitteiden kehittämiseen, on tulevaisuudessa yksi merkittävimmistä kilpailutekijöistä, joita yritykset toimialasta riippumatta kohtaavat. Yrityksen on tulevaisuudessa pohdittava, pyrkiikö se kasvattamaan nykyisten tuotteiden ansaintapotentiaalia lisäämällä niihin IoT:n ominaisuuksia ja lisäpalveluita, vai kehittämään täysin uusia ratkaisuja. Tulevaisuudessa on myös tärkeää tunnistaa ne nykyisen tai potentiaalisesti kokonaan uusien asiakasryhmien haasteet, joita reaaliaikainen valvonta ja aktiivinen reagoiminen voisivat ratkaista. Ne, jotka lähtevät rohkeasti hyödyntämään saatavilla olevaa tietoa liiketoimintansa kehittämiseksi, löytävät täysin uusia mahdollisuuksia koko arvoketjun muuttamiseksi. 85dB 8,5h 6

7 Teollinen internet murtaa perinteiset toimintamallit Perinteinen toimija Teollista internetiä hyödyntävä toimija 3.2 Datan ketterä hyödyntäminen päätösten tueksi Kehittynyt teknologia esimerkiksi antureiden saralla mah- Hidasta ja kallista Innovaatiot Nopeaa ja kustannustehokasta dollistaa yhä monipuolisemman datan eheän ja turvallisen ja keräämisen erilaisista tuotantoprosesseista, laitteista ja kokoonpanoista. Yritysten järjestelmät ja työkalut tai- Heikkenee ja investoinnit Suomessa vähenevät Kilpailukyky Pysyy hyvänä ja Suomesta rakentuu houkutteleva investointikohde puvat myös reaaliaikaiseen, datan pohjalta tehtävään seurantaan ja parametrien hälytysrajojen automaattiseen valvontaan. Monessa tehtaassa hyödynnetään lisäksi työkaluja jälkeenpäin tehtävään, pääasiassa manuaaliseen, kerätyn datan analysointiin, jota tehdään esimer- Reaktiivinen Palvelumalli Proaktiivinen kiksi tuotantopoikkeamien syiden selvittämisessä. Monet tehdastoiminnot ovat pitkälle automatisoituja ja tuotantoon liittyvä seurantakin on ainakin osittain automatisoi- Tarjotaan tuote jota huolletaan tarvittaessa Tuotteet ja palvelut Tuotetta päivitetään ja rikastetaan tua. Tästäkin huolimatta, datan parempi ymmärtäminen ja toiminnan ohjautuvuus tuon tiedon pohjalta ovat yhä hyvin vähäisessä roolissa, työ on manuaalista ja näin ollen ei reaaliaikaista. Data huollon ja kunnossapidon tukena Hierarkinen ja jäykkä Datan rooli Johtamiskultuuri Data on tietoa, josta voi syntyä uusia liiketoimintamalleja Osallistava ja läpinäkyvä On parempi tietää ennakkoon, milloin tuotetaan sekundaa tai joku vahinkoa aiheuttava poikkeama on tulossa kuin lukea se raportista jälkikäteen. Taulukko: Teollisen internetin hyödyntäminen globaalin kilpailukyvyn kasvattamiseksi edellyttää yritykseltä rohkeutta luopua perinteisistä toimintamalleista. 7

8 Viedään edellä kuvattu tilanne vielä teollisuushallien seinien sisäpuolelle ja havainnoidaan tilannetta arjen esimerkin kautta. Prosessiteollisuudessa toimiva yritys tarkastelee liiketoimintaansa viikoittain pidetyssä tuotannon kehityspalaverissa tuotanto- ja laaturaporttien muodossa. Paikalla on koko projektitiimi, joka yhdessä analysoi edellisen kuun tuotannon lukuja ja niitä selittäviä tapahtumia. Kun tarkastellaan tuotannonohjausjärjestelmiä ja tuotannosta saatavaa dataa, jota joka tapauksessa rutiininomaisesti kerätään, mutta jonka seuraaminen jää usein vähemmälle, paljon tärkeää tietoa jää kokonaan hyödyntämättä. Niin kutsuttua raakadataa kerätään tuotannossa jatkuvasti prosessista riippuen sadoista muuttujista kymmeniin tuhansiin muuttujiin. Tämän lisäksi dataa kerrytetään muun muassa elektronisiin huoltokirjoihin ja asiakasrekisteriin. Itse raakadataa kuitenkin harvoin käytetään sellaisenaan, vaan asioita seurataan pääasiassa perinteisesti laadittujen raporttien, keskiarvojen ja muiden tunnuslukujen kautta Menneisyyden tarkastelusta tulevaisuuden ennakointiin Tiimi tutkii edellisen kuun lukuja: Hyödyntää 10-20% yritykseen kertyvästä datasta päätöksenteossa retrospektiivisesti Tiedon automaattinen käsittely: Hyödyntää % yritykseen kertyvästä datasta päätöksenteossa proaktiivisesti. 8

9 Aikaisemmin eri teknologiat, kuten prosessointiteho ja datavarastojen koko eivät edes mahdollistaneet datan automaattista ja reaaliaikaista jalostamista, mutta nykyisin teknologia tähänkin on jo olemassa. Nyt merkityksellisen ja liiketoiminnan kannalta olennaisen tiedon saaminen datasta on usein mahdollista ja sen voi myös tehdä sekä ketterästi, kustannustehokkaasti että automaattisesti. Tämä on havaittu käytännössä myös Stora Enson kartonkitehtaalla, joka lähti koeponnistamaan Teollisen internetin hyödyntämismahdollisuuksia pilottihankkeella syksyllä Juuri päättyneen pilotointijakson tavoitteena oli tuoda kartonkilinjan huoltoon ja ylläpitoon entistä enemmän älyä Teollisen internetin menetelmien, ja pilotista saadut tulokset olivat erityisen rohkaisevia. Tietoa on siis saatavilla ennennäkemättömän paljon, mutta todellisuudessa useimmilla yrityksillä ei ole riittäviä kyvykkyyksiä kokonaisuuden hallintaan eikä varsinkaan valtavien datamäärien ymmärtämiseen liiketoiminnan kannalta merkityksellisesti. Tätä käsitystä vahvistaa myös Gartnerin tekemä johdon tutkimus, jonka mukaan jopa 70 % johtajista kertoo kyllä saavansa uusia näkemyksiä datasta, mutta vain 30 % pystyy toimimaan tämän tiedon perusteella. Kannattavuuden näkökulmasta onkin hyvä yhdistää, tulkita, analysoida ja jatkojalostaa jo saatavilla olevaa dataa ja valmiiksi rakennettua systematiikkaa, jolloin saadaan liiketoiminnan kannalta relevanttia tietoa päätöksenteon tueksi. 3.3 Teollisen internetin teknologia Data ja analytiikka ovat strategisia kilpailutekijöitä, ne eivät ole tukifunktioita ja menneisyyteen pohjautuvaa raportointia, vaan läpi organisaation aina ylimpään johtoon asti kuuluvaa nykyhetken ymmärtämistä ja tulevaisuuden ennakointia, joita hyödyntämällä tehdään oikeita, yrityksen reaaliaikaiseen tilanteeseen pohjautuvia liiketoiminnan päätöksiä. Sen lisäksi että data on johtajalle kriittisen tärkeä työkalu, myös datan eheällä ja oikeaoppisella käsittelyllä on kauaskantoiset liiketoiminnalliset merkitykset, kun uudet teknologiat mahdollistavat sekä reaaliaikaisen tietoon pohjautuvan tuotekehityksen, ennakoivan huollon, etäylläpidot sekä kokonaisnäkymän asennettuun laitekantaan. Kuva 2: Hyödynnä data päätöksenteon tueksi 70% Johtajista saa näkemyksiä datasta Vain 30% Pystyy toimimaan tämän perusteella Kaikki lähtee näkemyksestä datan hyödyntämiseksi liiketoiminnan tueksi. Teollinen internet merkitsee vahvasti myös informaatioteknologia-alan murrosta. Käytettävissä olevat avoimet kehitysympäristöt madaltavat yritysten innovointikynnystä kehittää riskittömästi uudenlaista palveluliiketoimintaa, kun yrityksillä on mahdollista joustavasti ja skaalautuvasti ottaa haltuun erilliset teollisen internetin ratkaisut, kuten esimerkiksi kosketin- ja reletietojärjestelmät, palo- ja rikosilmoitusjärjestelmät, myyntiautomaatit, kiinteistöautomaatiojärjestelmät sekä erilaiset teollisuuden ja kaupan koneet ja laitteet. 9

10 Mitä enemmän dataa lukuisista eri prosesseista kerätään, mihin kerätty tieto taltioidaan ja kuinka sitä jatkojalostetaan turvallisesti, ovat asioita, jotka askarruttavat suomalaista teollisuusjohtoa yhä kasvavassa määrin. Taustalla on huoli ja vähäinen ymmärrys tarvittavasta teknologiasta, kysymykset tiedon omistajuudesta sekä tietoturva-asiat, jonka johtajat kokevatkin yhdeksi suurimmista haasteista koko Teollisen internetin hyödyntämisessä. Oikean teknologian valitseminen riippuukin aina toimintojen suuruudesta, toimijoiden määrästä, tavoitteista ja vaatimuksista, mutta joitakin yleisiä ohjeita on hyvä pitää mielessä, kun pohtii Teollisen internetin mahdollisuuksien hyödyntämistä omassa liiketoiminnassaan. Ainakin seuraavat kysymykset kannattaa jo varhain suunnitteluvaiheessa huomioida: Onko yrityksesi toiminnassa kyse keskitetysti hallinnoidusta ratkaisusta ja onko esimerkiksi alihankkijoilla pääsyä samaan dataa? Tämä vaikuttaa siihen, millaiset tietoturva- ja hallintaominaisuudet ratkaisu edellyttää, jotta dataa voidaan käsitellä turvallisesti, eheästi ja reaaliaikaisesti Käytetäänkö toiminnassa olemassa olevaa verkkoinfrastrukstuuria, kuten toimistoissa, konelinjastoissa ja tehdashalleissa olevia wifi-verkkoja, vai tarvitaanko tehokkaampaa operaattoriapua? Onko nykyisin käytössä oleva alusta riittävän joustava, jotta sen päälle voidaan rakentaa jatkossa useita erilaisia, yhteistyötä edistäviä mobiililaitteita ja sovelluksia ja sekä muokata niiden toiminnallisuuksia sitä mukaa kun asiakastietoa saadaan kerrytettyä? Millainen elinkaari toiminnan tuottamalla ratkaisulla on ja pitääkö teknisen alustan toimittaneen yrityksen vastaavasti tukea ratkaisua vielä 5, 10 tai 20 vuoden kuluttua. IoT Datan analysointi Visualisointi (UI) Kerätäänkö laitteiden ja prosessien tuottama data pilveen vai johonkin muuhun alustaan ja kuuluuko siihen myös tarvittavat analysointi ja visualisointityökalut. App Web 10

11 4. Teollinen internet luo katseen tulevaisuuteen 4.1 Ennakoiva analytiikka tehostaa toimintaa Operatiivisessa toiminnassa asiakkaalla on usein käsitys siitä, että toiminnan tehostamiseksi jotakin tiettyä muuttujaa tai asiaa tulisi lähteä tutkimaan. Raaka-dataa tulkitsemalla voidaan tutkia, mikä tämä yksittäinen tutkittava asia olisi ja onko se ylipäänsä halutun tuloksen kannalta oikea tutkittava. Samalla toimintaperiaatteella voidaan selvittää myös se, miten tietyn nimetyn ongelman ratkaiseminen vaikuttaa isossa kuvassa, eli mitä muita toimintaan ja prosesseihin liittyviä ongelmia voidaan ennustaa, jotta toiminta olisi entistä tehokkaampaa. Reaaliaikaisen raakadatan avulla ennakoidaan poikkeamat. Raakadatan täysimääräinen ymmärrys auttaa siis havaitsemaan haitallisiin trendeihin johtavia syitä ja optimoimaan tuotantonopeutta ja laatua. Raakadatan analysoinnin kautta voidaan myös tehokkaasti havaita yksittäisiä ongelmatilanteita, joita normaalisti havaitsevat vain yrityksen kokeneimmat työntekijät. Lisäksi, raakadatan analysoinnin kautta yrityksellä on mahdollisuus reaaliaikaiseen analytiikan ja sen avulla poikkeamien ennakointiin ennen taloudellisen vahingon syntymistä. Lähtökohtana ennakoivan analytiikan hyödyntämiseen on aina asiakkaan tarve hahmottaa toteutuneen pohjalta tulevaa. Seuraavaksi tarvitaan tietoa, jolla ilmiötä pystytään selittämään. Analyyttisillä menetelmillä voidaan jalostaa tietoa, nähdä vaikutuksia ja luoda ennusteita tulevasta. Kun ilmiöön vaikuttavat mittarit tunnistetaan, pystytään myös simuloimaan ilmiöitä muuttamalla mittareita, eli jos tehdäänkin eri tavalla, miten lopputulos muuttuu. Lähtökohtana ennakoivan analytiikan hyödyntämiseen on aina tarve hahmottaa tulevaa toteutuneen pohjalta. 11

12 4.2 Ennakoiva analytiikka auttaa ymmärtämään jo kerättyä dataa Tänä päivänä on jo tunnistettavissa useita sellaisia yrityksiä, jotka ovat pystyneet tehostamaan liiketoimintaansa ennakoivan analytiikan menetelmiä hyödyntämällä. Verkkokaupassa on saatu ylivoimaista myynnin osuvuutta tarjoamalla asiakkaalle juuri oikeita tuotteita ja palveluita juuri oikeaan aikaan. Matkailubisneksessä on optimoitu palveluiden hinnoittelu niin, että niistä saadaan korkein mahdollinen hinta, jolla kapasiteetti myydään loppuun. Kauppaketjut pystyvät yhä paremmin ennakoimaan kysyntää ja optimoimaan tavaran saatavuutta ja varastointi- ja logistiikkakustannuksia. Uudet ratkaisut mahdollistavat uudentyyppiset ansaintamallit ja palvelukeskeisen liiketoiminnan samalla kun yrityksille syntyy mahdollisuus tarjota lisäpalveluita ja tuotteita kuten huoltopalveluita, tuotteeseen ladattavia ohjelmistoja ja käytössä kuluvia materiaaleja. Näyttävät esimerkit ovatkin usein isoista globaaleista yrityksistä, mutta aina ei tarvita satoja miljoonia tietorivejä, jotta analytiikka antaisi uutta tietoa liiketoiminnan ohjaukseen ja optimointiin. Useimmissa organisaatioissa analyyttisempi liiketoimintatiedon hallinta tuottaa hyviä, uusia keinoja suorituskyvyn parantamiseen yrityksen koosta riippumatta. Analytiikkaakin on erilaista, eikä dataa niin hirveän paljon tarvitse olla, kun metsää on jo vaikea nähdä puilta. Analyyttisempi liiketoimintatiedon hallinta tuottaa kilpailukykyä yrityksen koosta riippumatta. Ennakoivaa analytiikkaa voidaan siis yrityksessä hyödyntää aina, kun asiakkaalla on olemassa olevaa, prosesseista kertynyttä dataa, riippumatta yrityksen toimialalogiikasta. Kertyneen datan avulla voidaan muun muassa tehdä vikaennusteita esim. tuotannossa laitevian ennustamiseksi tai ennusteita tulevista tarpeista arvioiden kulutuksen määrää kerätyn historiadatan pohjalta. Otetaan esimerkiksi raskaan teollisuuden tuotantolinjastossa tärkeässä roolissa oleva kone, joka tuottaa vaikkapa metallinkappaleita; tuntemattomasta syystä johtuen kone vikaantuu ja tuottaa rikkinäisiä yksiköitä tai pahimmassa tapauksessa rikkoo koko laitteen tai koko linjaston. Tästä seuraa linjaston työnseisaus, joka puolestaan aiheuttaa yritykselle taloudellista haittaa. Hyödyntämällä ennakoivaa analytiikkaa koneen vikaantumisen ennakointiin, yrityksen on mahdollista pienentää todennäköisyyttä edellä kuvatulle tapahtumaketjulle. Miten teidän prosesseista saatavilla oleva data on nykyisellään hyödynnetty? 1) Haluaisitko pystyä paremmin ennakoimaan seuraavaa tuotantoseisokkia, syntyvää laatua tai arvioimaan kulutuksen määrää tulevaisuudessa? 2) Saatko koneen datan tuottopotentiaalista kaiken mahdollisen irti? 3) Ymmärrätkö oikein koneen tuottamaa dataa? 4) Kuka/ketkä yrityksessäsi tällä hetkellä tulkitsee ja analysoi tuotettua dataa ja paljonko siihen kuluu aikaa? 5) Haluaisitko nostaa tuotannon käyttöastetta jopa kymmeniä prosentteja? 12

13 Yrityksillä on siis kerättyä dataa toiminnan prosesseista kosolti. Osaa tästä datamäärästä varmasti myös hyödynnetään, mutta useassa yrityksessä tiedon tarjoamaa kehityspotentiaalia jää myös valtavasti käyttämättä. Joko tiedon olemassaolosta ei olla täysin tietoisia tai datan tulkitsemiseen ei ole talossa kenties riittävää osaamista. Tässä kohdin hyvänä, oikeana esimerkkinä toimii kartonkilinja, jonka prosesseja määrittää yli muuttujaa, joista ihminen voi helposti nähdä vain murto-osan. Modernin analytiikan menetelmiä hyödyntämällä, koneista voidaan kerätä monipuolista dataa lukuisista muuttujista, jonka pohjalta voidaan nähdä ne mahdollisuudet, joita tuon jo olemassa olevan tiedon analysointi ja jatkojalostuminen yritykselle tarjoavat. Tämän kautta yrityksellä on parempi ymmärrys jo kerättyyn dataan, jopa ilman uusia pääomaa vaativia laiteinvestointeja. Ennakoivan analytiikan avulla voidaan havaita, jos datamassasta löytyy vastaus siihen, mitä tulee tapahtumaan ja mitä seuraavaksi pitää tehdä. Lähtökohtaisesti ei kannata katsoa vain yhtä muuttujaa, vaan keskittyä katsomaan suurempaan kuvaa, johtaa toimintaa tiedolla ja jalkauttaa sen tarjoamia hyötyjä läpi koko organisaation. 4.3 Analytiikka tuo selkeyttä monimutkaisessa ympäristössä Mitä monimutkaisempi ympäristö on kyseessä, sitä suurempi hyöty modernin ja ennakoivan analytiikan hyödyntämisestä yritykselle on. Ihminen ei voi havainnoida hyvin yli viittä muuttujaa, jolloin analytiikka auttaa luoden ymmärrystä siihen, mihin ihmislogiikka ei ylety. Analytiikan avulla valtavat informaatiomäärät voidaan tiivistää ihmisen käsityskyvylle sopivimmiksi paketeiksi, kuten monesta muuttujista koostetuiksi merkitseviksi tunnusluvuiksi. Analytiikka luo ymmärrystä siihen, mihin ihmisen käsityskyky ei riitä. Menetelmänä ennakoivan analyysin hyödyntäminen on täysin toimialasta riippumatonta, olipa yrityksesi toimialana sitten valmistava teollisuus, lääketiede tai vaikkapa maatalous. Operatiivisesta toiminnasta syntyvän reaaliaikaisen datan analysointia ja johtopäätöksiä tuon tiedon pohjalta, on mahdollista tehdä ennakoivan analytiikan avulla, kun taas itse mallien opettaminen tehdään historiadatalle. Moderni analytiikka yleisesti voi vastata myös siihen, mitä historiassa on tapahtunut ja automatisoida tämän analysointia ja jatkojalostamista liiketoiminnan kehittämisen näkökulmasta. Analytiikka paketoi oleellisen tiedon liiketoiminnan tueksi. Automatisoitujen dataprosessien avulla on mahdollisuus saavuttaa nopeushyötyä, toistovarmuutta ja keinoja muun muassa rikkoutumisesta, epäoptimaalisesta käytöstä ja inhimillisistä virheistä aiheutuvien kustannusten alentamiseen. Asiakkaiden itse keräämää historiadataa käytetään pohjana data-analyysityölle ja sitä käsitellään koneoppimismenetelmillä, oppimisen matemaattisilla malleilla, tilastotieteen menetelmillä sekä riippuvuus- ja monimuuttujaanalyyseillä. Tyypillisesti prosessissa analysoidaan satoja eri muuttujia ja ohjelmistoratkaisut johdattavat automaattisesti oikeille jäljille vian haussa. Lisäksi, kun uutta dataa saadaan lisää, opetettuja menetelmiä hyödynnetään tunnistamaan ongelmat jo ennakoivasti. Mietitkö vielä, voisiko ennustavaa analytiikkaa hyödyntää myös yrityksessänne? Pohditko myös, ovatko ongelmat ennustettavissa, voidaanko ennusteita tehdä reaaliaikaisessa ympäristössä ja minkä tyyppisestä ennusteesta on kyse? 13

14 Aina kun prosesseissa on havaittavissa säännönmukaisuutta ja toistuvia ilmiöitä, ongelma on jossain määrin myös ennustettavissa ja ennusteen voi aina tehdä reaaliaikaisessa ympäristössä, tuotannon rullatessa täydellä teholla. Ennustetta tehdessä hyödynnetään koneoppimisen malleja; koneelle annetaan tavoite oppia tietty malli, jonka pohjalta ennuste tehdään. Tässä ensiarvoisen tärkeää on ymmärtää minkä tyyppinen ennuste koneelle opetetaan. Halutaanko esimerkiksi selvittää se, miten todennäköistä on, että kone hajoaa seuraavan 6 tunnin aikana tai siitä seuraavien tuntien aikana. Tai pitääkö koneen pystyä ennustamaan 1 vai 2 asiaa samaan aikaan, esimerkkinä tästä vaikkapa vikaantuminen ja jonkin asian lämpötila tulevaisuudessa. Kyseiset haasteet toki saattavat olla asiakkaalle tiedossakin tai niiden selvittämiseksi on jo olemassa valmiit ratkaisut. Todellisuudessa riippuvuussuhteet ovat kuitenkin vain harvoin näinkin yksinkertaisia ja suurin hyöty ennakoivasta analytiikasta saadaankin silloin, kun tutkittavat vuorovaikutussuhteet ovat paljon monimutkaisempia, kuten esimerkiksi kymmenien, jopa satojen muuttujien yhteisvaikutus, jonka pohjalta koneen vikaantumista voidaan ennakoida. Yksinkertainen ja selkeä tieto käyttäjälle juuri sinne ja sellaisena, kuin he tietoa tarvitsevat. 4.4 Analytiikka vähentää tietoähkyä ja ohjaa oikeaan toimintaan Ennustavaa menetelmää hyödyntämällä yrityksesi ydintoiminnoista kerääntyvästä tietomäärästä tehdään tulkintoja, joiden avulla liiketoimintaa voidaan ohjata oikeaan suuntaan. Tämä saattaa kuulostaa monimutkaiselta, mutta on todellisuudessa kaikkea muuta. Käytännössä tämä tarkoittaa yksinkertaisesti esimerkiksi prosessia, jossa tietokonealgoritmille annetaan tavoite oppia jokin tietty malli, jonka odotetaan yleistyvän tulevaisuudessa ja jonka pohjalta tulevia tapahtumia pystytään tehokkaammin ennustamaan. Edellä kuvatun mallin mukaisesti yrityksen monimutkainen data saadaan muutettua yksinkertaiseksi tiedoksi, jota voivat hyödyntää useat eri tahot organisaation sisällä. Tietoa siis suodatetaan niin, että sen ymmärtäminen ja tulkinta on helppoa ja yksinkertaista. Menetelmä ei myöskään vaadi erityisiä integrointivaatimuksia, jotta ennustettava menetelmä saadaan vietyä tuotantoon, parhaimmillaan riittää vain yksi tietokone, luotettava datansiirron kanava sekä analytiikkaohjelmisto, joka saa yhteyden asiakkaan relevanttiin dataan. Lähes kaikissa tuotantolinjastoissa on järjestelmiä, jotka ilmoittavat prosessioperaattorin seurantamonitorille kaikista koneen havaitsemista poikkeamista. Poikkeamia voi ruudulle tulla yhden vuoron aikana kymmeniä, jopa satoja kappaleita. Tällaiseen vikahälytys- ja varoitusviestimäärään turtuu helposti, jolloin hälytykset menettävät merkityksensä. Lisäksi hälytysilmoitusdatan pitkäjänteinen hyödyntäminen ilman analytiikkaa on mahdotonta. Kone saattaa tallentaa kaikki hälytykset ja varoitukset arkistoon muistiin, josta niitä voi jälkikäteen manuaalisesti etsiä, mutta syys-seuraussuhteiden määrittäminen moisesta viidakosta on lähes mahdotonta. 14