U heeft goud in handen (zonder dat u het weet)

Waar zit die data verstopt?

Welke data een organisatie in huis heeft hangt natuurlijk af van de branche. De energie- en hightechsector, industrie en bedrijven in weg- en waterinfrastructuur beschikken bijvoorbeeld over grote hoeveelheden technische en operationele data. Via sensoren wordt nagenoeg alles van machines, componenten en objecten gemeten: temperatuur, trillingen, bedrijfsuren, belasting, snelheid enzovoorts.

Deze informatie wordt vaak alleen operationeel binnen een specifiek component gebruikt, en ook alleen maar voor een specifiek onderdeel van het proces. Via artificial intelligence kan hier veel meerwaarde uit worden gehaald. En de data wordt nog veel waardevoller als deze gecombineerd wordt met andere onderdelen en bedrijfsinformatiesystemen. Want wat als u op een presenteerblaadje krijgt dat een proces opeens veel meer energie verbruikt (anomaly detection)? Of dat patronen van afwijkend gebruik en verstoringen ineens zichtbaar worden? Dan kunt u uw processen aanpassen en ongewenste situaties voorkomen.

Data en machine learning in de praktijk

Dankzij machine learning worden verbanden in data zichtbaar waar u zelf nooit aan gedacht zou hebben. Waarom gebeurt iets en wanneer dan precies? U ontdekt trends, kunt voorspellingen doen en proactief ingrijpen in een proces. We geven een paar voorbeelden.

Verstoringen voorkomen

Machines en componenten slijten met de jaren en gaan op den duur storingen vertonen. Data helpt om die storingen in processen voor te zijn. Want wanneer u in historische meetgegevens en storingsinformatie verbanden ontdekt, dan kunt u op basis van de ontdekte verbanden en nieuwe meetgegevens voorspellingen doen over toekomstige problemen (predictive maintenance) en deze met tijdig onderhoud voorkomen. Handig als u bijvoorbeeld netbeheerder bent en wilt weten wanneer ondergrondse kabels of transformatorhuisjes aan vervanging toe zijn.

Het elektriciteitsnet optimaal benutten

Alle zonnepanelen en elektrische auto’s vragen nogal wat van ons elektriciteitsnet. Een bottleneck om het net optimaal te benutten is de temperatuur van de stroomkabels.
Een machine learning-model kan die temperatuur inschatten op basis van het weer, de grondeigenschappen, het type kabel en de hoeveelheid stroom eerder en nu. Zo kan in plaats van de theoretisch berekende capaciteit, de capaciteit in realtime worden bepaald.

Een proces actief bijsturen

Op basis van trends en ontwikkelingen kunt u ook uw processen bijsturen. In de energiesector kan een veranderende trend in energieverbruik bijvoorbeeld een trigger zijn voor het wijzigen van investeringen of veranderen van inkoopstrategie. En organisaties in de weg- en waterinfrastructuur kunnen met de inzichten langetermijnplannen maken of acute knelpunten oplossen.

6 voordelen van datagedreven werken

Leuk en aardig die praktijkvoorbeelden, maar wat levert data u concreet op?

Voordeel 1: lagere kosten

Dankzij data en voorspellingen kunt u slimmer werken. Uw processen gaan sneller, er worden minder fouten gemaakt en door inzicht in status, gebruik en onderhoud worden bedrijfsmiddelen beter benut. En door automatisering kunt u medewerkers efficiënter inzetten. Dit alles bespaart veel kosten.

Voordeel 2: beter voorbereid

Dankzij voorspellingen op basis van correlaties en patronen in uw data heeft u meer grip op wat er komt. U bent beter voorbereid op risico’s, slijtage en knelpunten. Door effectief gebruik te maken van uw data is er ook minder risico om klanten te verliezen of om door concurrenten te worden ingehaald.

Voordeel 3: slimmer investeren

Data geeft inzichten waarmee u betere beslissingen kunt nemen voor de toekomst. U ontdekt groeikansen, concurrentievoordeel en nieuwe businessmodellen. Wat is slim om in te investeren? Hoe ziet een toekomstbestendig energienet eruit? Hoe maak ik optimaal gebruik van mijn middelen? Data helpt u deze beslissingen te maken (decision intelligence).

Voordeel 4: betere klantervaring

Data schotelt u onverwachte verbanden en voorspellingen voor. Dit helpt u om uw dienstverlening te verbeteren. Denk aan kortere wachttijden dankzij snellere bedrijfsprocessen of klanten inzicht kunnen geven in hun voorspelde energieverbruik. Ook kunt u betere producten maken en aanbevelen en al op zaken inspelen nog voordat de klant problemen ervaart.

Voordeel 5: productievere medewerkers

Data en AI ondersteunen uw bedrijfsprocessen én medewerkers. Denk aan geautomatiseerde routinematige handelingen, chatbots die de druk op de klantenservice verlichten en voorgestelde upsell-opties in een verkoopproces. Data is het gereedschap voor uw mensen waardoor hun werk makkelijker, leuker en veiliger wordt.

Voordeel 6: meer innovatie

Data helpt u om inzicht te krijgen in het functioneren van apparaten en machines. Met die inzichten kunt u er vervolgens voor zorgen dat alles naar behoren blijft draaien maar ook uw R&D verder verbeteren. Want in veel organisaties gaan waardevolle inzichten soms verloren. Door de data en onderzoeksresultaten voor de hele organisatie centraal beschikbaar te maken, kunt u samen sneller innoveren.

Uw eerste stap naar data-driven werken

Data-driven werken klinkt misschien spannend, futuristisch of ingewikkeld. Of misschien denkt u dat uw organisatie te weinig goede data heeft om er slimme dingen mee te doen. Maar het maakt niet uit op welke schaal u werkt, wilt u waarde uit data kunnen halen. Bovendien is de meeste data die u al heeft bruikbaar. Denk wel eerst na over uw doelen: welke problemen zijn er en wat willen jullie bereiken?

Daarna kunt u onderzoeken of u daar de juiste data voor in huis heeft of nog moet verzamelen. Onze tip: laat een expert eens met u meedenken over hoe u data-driven uw bedrijfsdoelen haalt.

Ontdek hoe u uw data beter benut

Kan uw bedrijf wel wat data intelligence gebruiken, maar weet u nog niet precies hoe of wat? Laat in onze AI Design Week een AI-toepassing voor u uitwerken. U krijgt ook concrete aanbevelingen en vervolgstappen om AI succesvol toe te passen in uw bedrijf.

Plan hier uw AI Design Week

https://www.infosupport.com/thema/ai/ai-design-week/