Ergebnisse des Erfahrungsaustausches des BARC Leaders‘ Circle – März 2022

Virtuelles Kamingespräch vom 23.03.2022Mehr als 30 Data- und Analytics-Verantwortliche und BARC-Expert:innen sind zum virtuellen Kamingespräch zusammengekommen. Der thematische Schwerpunkt lag auf Use Cases.Zu Beginn zeigte Dr. Lukas Esser, Business Analyst bei PERI, neuste Use Cases aus einem Unternehmen (s. Folien). Armin Rauch von Vetter Pharma, präsentierte jüngste Use Cases aus dem Bereich Advanced Analytics und Data Science (s. Folien).Use-Case-SammlungDaraufhin sammelte das Plenum Use Cases, die in ihrem Unternehmen umgesetzt werden/wurden. Es folgt die gesamte Liste.1. Short-term turnover forecastWas wurde gemacht?klassisches Predictive-Thema – Umsatzvorhersage Miete von Baumaterial (Abrechnung immer erst am Ende des Monats) Schwierig, das finale Monatsergebnis vorherzusagen Suche nach Indikatoren, die gute Vorhersagen erlauben (–> Material at customer) Drei klassische statistische Modelle (lineare Regressionen) / Rental Turnover; SalesTechnische UmsetzungDaten aus SAP BW on HANA im Databricks Data Lake. Darstellung über Power BI – alles über AZURE Data Factory gesteuert.Lessons learned?Zur Mitte des Monats kann bereits mit ca. 4% Abweichung das Monatsergebnis vorhersagen Je weiter der Monat  voranschreitet, desto genauer wird das Modell Backtesting zur Darstellung der historischen Genauigkeit der Vorhersage sorgt für Vertrauen in das Modell22 Data Engineering IT – Unterschiedliche ERP Systeme weltweit verteiltManueller Datenupload, um Reports zu generieren Regelmäßig Daten in hoher Qualität Daten mit vollautomatisierten Daten abgeglichen werden Entwicklung Interface, um die Daten zu den Kollegen zu bringen Soll für einen Use Case aufgebaut werden, um diesen dann auf andere Use Cases auszurollen Aktuell noch in einem manuellen Mapping –> automatisiertes Mapping noch Zukunftsmusik ERP Systeme von SAP – Interface zu Usern sollte so einfach wie möglich sein Sales Dashboard (in guter Qualtitä) mit vielen Informationen weltweit, um generell Aufmerksamkeit im Top-Management zu gewinnen –> war erfolgreich2Rental Park SteeringSales– Bisher über großes Excel Sheet– Maintaining CRM –> Automated Data Provision –> Alignment and Priorization– projektspezifische Materialverlaufskurven– Entscheidungsbäume– dient der Planung– Entscheidungsbäume über Python– Integration in Power BI und Power App– Manuelle AnpassungNutzer:in kann manuell Werte eingeben zur Anpassung der Werte und Anpassung des Modells. Sorgt für Akzeptanz.3Solution FinderEngineering– Ingenieur:innen entwickeln techn. Zeichungen– gleiche/ähnliche Lösungen werden doppelt entwickelt –> Synergieeffekte eher zufällig– Weboberfläche liefert Suchfunktion mit entsprechenden Ergebnissen für Ingenieur:innen– Metadatenextraktion aus Zeichnungen, Durchsuchbarkeit der extrahierten Information mit Elastic Search-Eigene DB der CAD Programms –> Virtuelle Maschine (Metadaten) –> SQL Datenbank –> elasticsearch + Web FrontendAllgemeine Erfahrungen mit Data & Analytics Use CasesData Engineering ist oft der Engpass bei der Umsetzung von Use Cases. Der „Leuchtturm“ Use Case als erste erfolgreiche Umsetzung hat sich bewährt, um Akzeptanz, Verständnis und Funding für weitere Aktivitäten beim Top-Management zu erhalten. Fachliches/statistisches Know How ist immer mehr breit im Unternehmen vorhanden, auch durch individuelle Weiterbildung der Fachanwender:innen. „Playground Subscriptions“ in Azure für dezentrale Experimente/Entwicklungen im Fachbereich haben sich bewährt. Operationalisierung: Bei Entwicklung von Prototypen diese schon auf operativer Technologie/Architektur umsetzen, um nach erfolgreichem Prototyp auch schnell liefern zu können. Baukasten an verschiedenen Technologien werden zentral unterstützt und dem Fachbereich zur Verfügung gestellt. Commitment vom Top Management reicht nicht ausschließlich aus, auch das Commitment von denen, die Analytics später nutzen sollen, ist ebenso wichtig. Hier wichtige Funktion der Process Owner. Use Case Erfolg hängt von Überzeugung des Process Owners ab –> Entsprechend Use Cases, die gut umsetzbar sind und von Process Owner voll unterstützt und getrieben wird. Problem bei Product Owner: Jeder will es haben, aber keinen will es besitzen. Teilweise Akzeptanzprobleme im Finanzbereich aufgrund Erwartungen hinsichtlich Genauigkeit der Modelle. Daher tendenziell viele interessante Use Cases außerhalb des Finanzbereich, auch für Vorhersage-Cases. Kombination von BI und Data Science/Analytics in einer Organisation hat sich bewährt.