O impacto dos dados de máquina para os negócios

O que os trouxe até aqui, não levará até onde quer chegar. Este ditado pode ser a chave para entender a diferença entre a adoção de uma tecnologia e a escala. Executivos têm visto que integrar novas tecnologias como Inteligência Artificial e Internet das Coisas adicionam valor, mas não conseguem mensurar marcos e estimativas de ROI. A seguir, revisaremos como os executivos podem alavancar os dados da máquina para a inteligência de negócios para alcançar aquele próximo passo.

Problemas com escalabilidade de projetos piloto

Um dos motores atuais da manufatura é usar tecnologia para aumentar a produção e reduzir custos. Muitos projetos iniciais focam na conectividade de dados de máquina. Enquanto um projeto de dados pode aparentar promissor, ele pode não atingir o ROI esperado ou ser escalado com resultados semelhantes. Isso ocorre com frequência porque os objetivos dos programas piloto são voltadas para aquele único projeto. 

Executivos precisam entender que projetos de dados devem atender objetivos locais, mas também é necessário considerar como o sucesso local afetará outras partes da cadeia produtiva. Apesar de entenderem como os dados da máquina se encaixam no cenário maior, a nova tecnologia pode não produzir uma mudança no nível de negócios até que alguma porcentagem de adoção ou valor específico seja alcançado. Abaixo, descrevemos o que você deve-se considerar ao lançar um programa ou projeto piloto.

Por onde começar?

Conheça seu objetivo e por que ele é importante. Considere múltiplos projetos (apenas alguns e não dezenas) que poderiam mostrar o melhor impacto localmente, e, ao mesmo tempo, entenda o impacto em níveis mais elevados do negócio se este piloto for bem sucedido ou falhar. 

Documente seu fluxo de trabalho, pesquisas, e outros indicadores chave de performance para identificar áreas que seriam de fácil integração dados de máquina e de rápido ganho. Saiba quanto tempo levará para alcançar dados suficientes para resultados precisos para tomar decisões fundamentadas. Decisões embasadas incluem  dois conjuntos de resultados: o tempo necessário para determinar se o piloto foi um sucesso e por quanto tempo ou a extensão de adoção necessária para usar os dados para funções superiores de negócios.

Mas sempre fazemos assim, por mais de 20 anos!

Talvez esta declaração seja a mais prejudicial em uma indústria dinâmica e em rápida evolução. Entretanto, há alguma verdade nela. Não comece pensando em destruir equipamentos antigos ou conectar tudo com dispositivos novos e de última geração. O equipamento preexistente ainda pode ser conectado!

Equipamentos antigos e redes ainda podem gerar valor. Atualizá-los poderia ser um gasto de dinheiro com retornos decrescentes, enquanto esse dinheiro poderia ir para uma área que proporcionaria um melhor ROI. Fique atento às novas tecnologias que trabalham com equipamentos antigos para ampliar o que você já possui.

Cabe aos executivos providenciar liderança, mas deixando os gerentes fazerem o que eles acham que é o melhor. Quando se trata de inovação, apoie de cima para baixo, mas construa de baixo para cima. Embora um executivo possa definir o ritmo e a direção, os gerentes podem compreender melhor a arquitetura e o fluxo de trabalho para tomar decisões caso a caso. 

Dados de máquina para dados de negócios

Uma tendência na adoção de tecnologia é encontrar soluções que sejam fáceis de se determinar um ROI ou benefício tangível, como a manutenção preditiva. Os dados da máquina podem ser deixados no chão de fábrica se os executivos não conseguirem ver como eles se relacionam com as metas de negócios. Tomar decisões rápidas e embasadas no campo dos negócios pode incluir dados do que acontece fora da empresa (vendas, cadeia de suprimentos e o que os concorrentes estão fazendo). Mas os programas piloto oferecem uma chance de começar a ver como os dados da máquina podem se relacionar com…

• A flexibilidade ou responsividade da empresa;
• Receita ou possibilidades de criar novos fluxos de receita;
• A experiência do cliente;
• Campanhas de marketing;

Equívocos e soluções

Um erro comum é que dados de máquina precisam ser processados para serem usados no nível dos negócios. Empresas investiram dinheiro em softwares avançados em uma tentativa de filtrar dados para análise de negócios. Todavia, soluções customizadas podem ser caras, demandam um bom tempo para serem desenvolvidas e não são flexíveis ou facilmente adaptáveis quando instaladas. 

Soluções de padronizadas ou prontas para uso podem ser rápidas de integrar, mas também limitantes. Encontrar soluções mais híbridas que ofereçam um software modular e customizável é algo valioso quando se está começando. Procure provedores de tecnologia que oferecem software como um serviço (SaaS), que providencie dashboards dinâmicos  e microsserviços capazes de mitigar os dados de máquina do Edge e da nuvem. Soluções híbridas tornam possível começar rapidamente e ajustar com recursos personalizados conforme necessário.

SaaS com dados de máquina em tempo real, alertas e notificações são ótimos para manter o chão de fábrica em movimento enquanto recursos adicionais como Indicadores Chave de Desempenho (KPI) e Planejamento de Recursos Empresariais (ERP) ajudam a manter um olho no panorama geral, impulsionar a cadeia de suprimentos inventário e ajudar os executivos a tomar decisões de negócios embasadas. 

No geral, os executivos devem apoiar as inovações e direcionar a cultura da empresa para o uso de análises de dados de máquina. Além disso, dados são o futuro da manufatura. Isso pode ser feito por meio de incentivo a programas piloto, treinamento e bônus. Criar um sistema de comunicação onde os trabalhadores possam compartilhar ideias ou problemas pode ajudar a indicar qual dos programas os motivaria melhor. Em alguns casos, empresas introduziram competições, como hackathons, para envolver e educar os funcionários. Apenas lembre-se: o que os trouxe até aqui, não levará até onde quer chegar. Não se apegue às soluções de ontem ao enfrentar os objetivos de amanhã.

Já esta convencido dos potenciais escondidos em seus dados?