Produktion

Unser Angebot: Von der Beratung zur Digitalisierungsstrategie, über das Data Science Lab bis zum abrufbaren Analytics as a Service-Modell.

• Bestandsaufnahme und Roadmap-Entwicklung zur digitalen Strategie unter Berücksichtigung bi-modaler Ansätze und Konkretisierung von Use Cases für Digitalisierung und Big Data
• Tests neuer Technologien in unserem Data Science Lab zur Prüfung von Potenzialen innovativer Geschäftsszenarien
• Unterstützung unserer Data Scientists in der Datenexploration und Workshops mit Fachanwendern zur Gewinnung von Erkenntnissen
• Lösung von Einschränkungen bei der Datenaufbereitung und Data Mining für Marketing und Vertrieb in der Crossselling-Analyse durch den Einsatz von Spark
• Neue Visualisierungsansätze zur Darstellung von Geschäftsprozessen und Sensordaten durch Location Intelligence, z. B. zur Auslastung und Behebung der Fehleranfälligkeit einer Paletten-Fördertechnik
• Forecasts im Sinne von Navigationssystemen erlauben ad hoc Aktualisierungen bis hin zu kurzfristigen Neuplanungen. Eine aggregierte Top-Down-Planung mit Hilfe von Treibern anstatt dem „Einsammeln“ von Bottom-Up-Werten dient der Flexibilisierung der Fertigung, die es ermöglicht, Bedürfnisse der Kunden schneller zu erfüllen, Produktzyklen und Lieferzeiten zu verkürzen und die Kapitalbindung durch dynamische, bedarfsgerechte Anpassung der Warenbestände zu reduzieren. Damit wird die operative Planung mit Eckwerten erstellt, die in einem vorgeschalteten Zielsetzungsprozess transparent hergeleitet werden. Die systemgestützte Erzeugung von Vorschlagswerten für die Planung dient insbesondere als Basis für Prognosen / Forecasts
• Die Integration von Simulationsfunktionalitäten ermöglicht eine mehrdimensionale Betrachtung im Sinne alternativer Szenarien
• Konzeption von skalierbaren und agilen Architekturlösungen sowie Toolauswahl und Softwareportfolio-Zusammenstellung
• Supervised Data Lake für die Zusammenführung unterschiedlichster Datenquellen zu Analysenzwecken auf der Grundlage einer Data Governance. Konzeptions- und Integrationsaufwände werden drastisch reduziert. Mit einem spezifisch dafür entwickelten agilen Vorgehensmodell nach der Vorgabe: Think big - start small - act now
• Konzeption von bestehenden Data Warehouses mit einem Data Lake zur Datenverarbeitung aller Anforderungen
• Kostenoptimierte Nutzung von Massendaten durch das Konzept des Data Offloading. Die Speicherung und Verarbeitung der zunehmenden Datenmenge in einem günstigen System wie Hadoop lässt mehr freie Kapazität der Produktivsysteme zu. Dadurch lässt sich die Performance auf dem Produktivsystem optimieren und Lizenzen sparen
• Konzeption und Umsetzung einer Datenvirtualisierung als Weiterentwicklung bestehender Ansätze wie Data Federation, EII, EAI zur Komplexitätsreduktion der unterschiedlichen Datenformate und Vermeidung von Dopplungen in der Datenhaltung
• Analytics as a Service-Analyse des Business Case mit dem Kunden mit anschließendem Design, Implementierung und Betrieb der Lösung. Leistungskern ist ein flexibel abrufbares Data Science Competence Team. Vorhandene Ressourcen werden genutzt oder extern vom Provider oder einer Cloud bezogen. Gezielter Einsatz von Prozessen, Daten, Kennzahlen und Technologien