CIOs versuchen mit Hilfe von Datenanalysen Effizienz und Wachstum anzukurbeln. Das ist nicht immer von Erfolg gekrönt. Damit das bei Ihnen besser läuft, zeigen wir Ihnen einige Data-Analytics-Erfolgsbespiele. [...]
MIT MACHINE LEARNING AUF ZU NEUEN UFERN
Das US-Verlagshaus RRD (vormals RR Donnelley) gründete vor einigen Jahren eine Logistik-Abteilung, um seine Printerzeugnisse an Kunden und Unternehmen auszuliefern. Um das Business zu unterstützen, übernahm der Konzern das Management selbst und verschickte im Namen seiner Partner auch Fremdprodukte aller Art – von der Waschmaschine bis hin zum Hundefutter. So entwickelte sich RRD zu einem milliardenschweren Konzern. Die Herausforderung dabei? Die optimalen Frachtsätze zu finden, in einer Welt in der FedEx und UPS die unangefochtenen Könige sind.
Variablen wie Wetter, geografische Begebenheiten und politische Verhältnisse verursachten Kosten für das Business. Mit steigendem Druck, die Frachtsätze vorab bestimmen zu müssen, wandte sich RRD schließlich Machine Learning und Analytics zu, wie CIO Ken O’Brien erzählt. RRD verpflichtete neues Personal und arbeitete mit Universitäten zusammen, um die Algorithmen zu schreiben, die nötig waren, um tausende von Szenarien für über 700 Frachtrouten zu analysieren. Das Ergebnis: Der Konzern kann die Frachtsätze inzwischen sieben Tage im Voraus bestimmen – in Echtzeit und mit einer Treffgenauigkeit von 99 Prozent.
„Die Kosten für das Projekt hatten sich nach weniger als einem Jahr amortisiert und wir sehen immer noch Wachstum in den Geschäftsbereichen, die mit der Fracht zusammenhängen“, so O’Brien. Für das Jahr 2017 rechnet RRD damit, dass sein LKW-Fracht-Business von vier Millionen Dollar auf 16 Millionen Dollar Volumen anwächst.
Lessons learned: Commitment ist ein wesentlicher Punkt für den Erfolg solcher Projekte. Wie CIO O’Brien zugibt, wollten einige seiner Mitstreiter zu verschiedenen Zeitpunkten das Handtuch werfen, weil das Management der Technologie bei Prozessen, die traditionell durch Gefühl und persönliche Einschätzung getrieben werden, nicht getraut habe. „Sie werden straucheln und sich vielen Herausforderungen stellen müssen, aber es lohnt sich geduldig durchzuhalten“, empfiehlt der RRD CIO.
MONSANTO UND DER ACKERBAU-ALGORITHMUS
Eine Sache bereitet Bauern seit jeher Kopfzerbrechen: Welche Saat pflanzt man in welcher Menge zu welcher Zeit an welchem Ort? Der Agrarkonzern Monsanto ist der Antwort auf diese Frage bereits auf der Spur – mit Hilfe von Data Science. Mathematische und statistische Modelle sollen künftig Auskunft darüber geben, wann und wo männliche und weibliche Pflanzen gesetzt werden.
Das Ziel: Maximaler Ertrag und optimale Flächennutzung. Der Machine-Learning-Algorithmus von Monsanto „durchpflügt“ dazu täglich mehr als 90 Milliarden Datenpunkte. Ein Vorgang der zuvor Wochen oder Monate in Anspruch genommen hätte, wie Adrian Cartier, Director of Global IT Analytics bei Monsanto, weiß. Die Benefits für das Business? Im Jahr 2016 sparte Monsanto sechs Millionen Dollar ein und konnte den ökologischen Fußabdruck seiner Supply Chain um vier Prozent reduzieren. „Eine Reduktion der Landnutzung in Nordamerika um vier Prozent heißt große ungenutzte Flächen und sehr viel Geld im Sparstrumpf“, verdeutlicht Cartier.
Lessons learned: Für Monsanto war das oberste Ziel, eine durchgängige Kollaboration zwischen IT und Lieferkette herzustellen. „Die Kombination aus deren Supply Chain Know-how und agrarwirtschaftlicher Expertise mit unserem Wissen in Sachen Mathematik und Statistik hat diesen Mehrwert erst ermöglicht“, ist sich Cartier sicher.
Video: Monsanto: Capitalizing on Analytics to Advance & Meet Customer Needs for the Increasing Global Food
PREDICTIVE ANALYTICS GEGEN DEN „AMAZON IMPACT“
Die Logistik-Branche sieht sich laut Scott Sullivan, CIO beim US-Transportunternehmen Pitt Ohio, zunehmend mit dem „Amazon Impact“ konfrontiert. Das bezeichnet die heutige Erwartung der Kunden, die Ware nicht erst am nächsten Tag zu erhalten, sondern am selben (Same Day Delivery). Gleichzeitig erwarten die Kunden aber auch mehr Informationen über ihre Sendungen.
Mit Hilfe von bereits bestehenden Daten, Predictive Analytics und Algorithmen, die das Gewicht jedes Frachtstücks, die Entfernung zum Bestimmungsort und andere Faktoren in Echtzeit errechnen, kann Pitt Ohio inzwischen die Ankunftszeit ihrer Fahrer mit einer Wahrscheinlichkeit von 99 Prozent vorhersagen. Das Unternehmen schätzt den so erzielten Gewinn auf circa 50.000 Dollar pro Jahr. Auch die Kosten für beschädigte oder verlorene Sendungen will das Unternehmen um 60.000 Dollar gesenkt haben.
Lessons learned: Laut Sullivan war das Projekt ein abteilungsübergreifendes: Research, Sales und IT haben hierbei zusammengearbeitet und durch gegenseitige Checks ihre Zielerreichung sichergestellt. „Auch in Ihren vier Wänden gibt es jede Menge Daten – seien Sie innovativ und finden Sie neue Herausforderungen, um diese zu nutzen“, appelliert CIO Sullivan.
Dieser Artikel basiert auf einem Beitrag der US-Publikation CIO.com.
*Clint Boulton ist Autor für den CIO.com und Florian Maier beschäftigt sich für die Computerwoche unter anderem mit dem Themenbereich IT-Security
Be the first to comment