«Большие данные» на службе у большой промышленности

«Большие данные» не только помогают маркетологам изучать вкусы и нужды потребителей, они приносят пользу и в других областях. В частности, крупная промышленность оказалась как нельзя более удачной сферой применения Big Data: уже 20 лет идёт работа по сбору огромных массивов информации в погоне за улучшением качества продукции и повышением эффективности производства.

Однако значительная часть данных, накопленных за два десятка лет, обесценилась: либо информация потеряла актуальность, не будучи доставленной адресатам своевременно, когда она могла повлиять на принятие взвешенных решений, либо хранилась замкнуто, не взаимодействуя с другими информационными системами, — а значит, к информации не получили доступа сотрудники или партнеры, которые могли бы действовать определённым образом, исходя из полученных данных.

Многие организации вели аналитическую работу с данными, нацеленную на то, чтобы решать появляющиеся проблемы по мере их поступления, вместо того чтобы проактивно предотвращать сбои.

Раньше компания Duke Energy, американский электроэнергетический холдинг с более чем столетней историей, была вынуждена отправлять на каждый завод специалиста с ручным прибором для сбора данных, чтобы отслеживать работу всех электростанций. Специалисты тратили 80% времени на сбор материала и лишь 20% — на анализ полученной информации. Когда компания внедрила программное решение, основанное на использовании «больших данных», специалисты перестали ездить на места и начали работать удаленно, наблюдая за изменениями в работе оборудования. Теперь они реагируют на отклонения показателей и исправляют неполадки гораздо быстрее.

Компании, занимающиеся энергоснабжением, нередко сталкиваются с проблемами, связанными именно с управлением информацией: сложно свести воедино разноплановые данные из множества источников, тем более что совмещать и анализировать их приходится зачастую в условиях аврала. Именно поэтому программные решения, позволяющие вести работу с данными в реальном времени, контролируя сразу всю карту энергетических узлов, позволяют предотвращать случаи дефицита мощности сетей электроснабжения или оперативно устранять проблемы.

Впрочем, новейшие технологии не помогли Duke Energy избежать масштабного блэкаута в середине февраля. Службы оказались не готовы к сильной метели.

На промышленных предприятиях давно используется специализированное программное обеспечение под общим названием Enterprise Resource Planning — различные системы планирования ресурсов предприятия, предполагающие прогнозирование, управление проектами и программами, ведение информации о продукции и технологии, управление затратами, финансами, кадрами. Пользуются популярностью и программы типа Product Lifecycle Management (управление жизненным циклом продукции), позволяющие комплексно решать задачи автоматизации инженерной деятельности. В основе такого программного обеспечения лежит принцип создания единого хранилища данных, содержащего всю корпоративную информацию: производственные данные, сведения по персоналу, финансовую информацию и так далее.

Используя решение на основе Hadoop, промышленные предприятия могут не только работать с растущими объёмами данных от систем автоматизированного управления производством и с датчиков, но также обмениваться информацией и анализировать её, что позволит еще быстрее справляться с возникающими проблемами и принимать упреждающие меры.

Чтобы повысить качество сервисного обслуживания, производители могут устанавливать датчики и отслеживать использование продукции. Это позволит понимать, когда и какие сервисные работы могут понадобиться. Кроме того, на основе данных об использовании можно создавать целевые маркетинговые предложения. Применяя постпродажный мониторинг продукции, производитель может выполнять техническое обслуживание по мере необходимости и обнаруживать недочёты на ранних этапах, экономя на затратах и значительно улучшая качество сервиса.

Как всегда, «большие данные» помогают компаниям урезать затраты, увеличивать эффективность работы и качество продукции, своевременно обнаруживать проблемы в работе и адаптировать продукцию в соответствии с информацией о непосредственных потребителях. А с расширением и развитием «интернета вещей» возможности производителей для анализа и распространения данных только продолжают расти.

Что будем искать? Например,ChatGPT

Мы в социальных сетях