In der Logistik-Branche ist die Digitalisierung massiv im Umschwung. Fachkräftemangel, Probleme mit der Lieferkette, Krisen und wachsende Kunden-Erwartungen müssen gemeistert werden. Dabei können Digitale Automatisierung, Optimierung und Analyse-Lösungen helfen. Zudem empfehlen wir den Schritt in die Data Driven Logistic. Data Driven Logistic meint die Erhebung von Daten zur geschäftlichen Entscheidungsfindung, Prozess-Optimierung und Effizienzsteigerung. Schnell fallen dann Begriffe, wie Big Data, Internet der Dinge (IoT), Künstliche Intelligenz (KI) und User Zentrisches Design. Durch die Verknüpfung von IT und Geschäftsprozess können Unternehmen ihre digitale Wertschöpfungskette optimieren und verbessern zum Beispiel durch das Verschlanken von Arbeitsprozessen. So gelingt „IT Enables Business“.
Logistik Unternehmen kommen um den Data Scientist nicht mehr herum. Allerdings ist es nicht damit getan, eine Handvoll Daten-Wissenschaftler/ITler einzustellen. Der Umbruch zu Data Driven ist eine Herausforderung. Unzählige Daten-Mengen von Kunden, dem Betrieb, vom Fuhrpark sowie externen Systemen und Anbietern stellen die Unternehmen vor Probleme. Es wird oft vergessen, dass viele dieser Daten nicht gesammelt wurden, um in Applikationen zur Automatisierung, KI oder Entscheidungsfindung genutzt zu werden. Des Weiteren ist auch die Annahme, viel hilft viel, leider falsch. Für die meisten Anwendungen werden qualitativ hochwertige Daten benötigt.
Der erste Schritt im Prozess muss der Datenpflege dienen. Das ist am Anfang mühsam, allerdings überragen die Vorteile in Anwendungen wie die der strategischen Personalplanung, der Supply-Chain-Planung oder im Krisen-Management schnell. Hier ist es wichtig relevante Bereiche zur weiteren Datensammlung zu definieren. Natürlich kann die Datenpflege auch automatisiert werden, um anschließend kontinuierlich die Qualität durch KPIs zu messen.
Mit gepflegten Daten können Sie anschließend die ersten Use Cases erarbeiten. Fokus sollte hier nicht auf der „coolsten“ Lösung liegen, sondern auf der einfachsten mit dem größten Mehrwert. Weitere Use Cases sollten in einer internen Use Case Roadmap festgehalten werden. Konzepte mit den einzelnen Domains und Fachbereichen werden hieran abgeleitet. Technologien und Lösung sollten mit breit betrachtet werden, also in einer Kombination von Mobil, IoT und Datenverarbeitung durch KI.
Unsere Experten im Grant Thornton Disruptive Technology Lab stehen Ihnen hier gerne zur Verfügung.
Mit den bereinigten Daten und mittels Ihrer vordefinierten Use Case Roadmap können Sie nun in die Implementations-Phase einsteigen. Durch die Entwicklung von User-zentrischen MVPs (Minimum viable Product, heißt auf Deutsch minimal lebensfähiges Produkt), lassen sich erste Lösungen schnell erarbeiten. Tests und User-Feedback kann man so zügig umwandeln. Der User-zentrische Produkt-Fokus ist besonders wichtig in Data Science Projekten. Nur so sind auch langfristig Daten-Werte abzuschöpfen. So sollen neue manuelle Arbeitsprozesse vermieden werden, bei denen das Domain-Team in regelmäßigen Abständen Daten an das Data-Science -team zum Modellieren senden muss. Oft werden diese Lösungen als funktionsfähig bezeichnet und man geht ins Tagesgeschäft über. Des Weiteren bringen User-zentrische Entwicklungen die Ergebnisse in ein Format, welches direkt für Nutzer anwendbar ist.
Der Weg zur Data Driven Logistic im Unternehmen kann sehr komplex wirken. Mit einem passenden Blueprint und einem Use Case getriebenen Vorgehen gleiten Sie Schritt für Schritt in die Digitalisierung. Die üblichen Hürden des Change-Managements lassen sich durch User-zentrische Produkte verkleinern.
Mit folgenden Fragen können Sie feststellen, wie weit Sie auf dem Weg zum Data Driven Logistic-Unternehmen sind:
Wollen Sie mehr erfahren oder Ihren ersten Data-Driven-Prototyp auf die Bahn bringen, sprechen Sie mit unserem IT-Consulting-Team.
