Data jsou nová ropa, prohlásil před pár lety na Auto Show v Los Angeles v narážce na jeden z hlavních faktorů růstu ekonomiky 20. století tehdejší šéf Intelu Brian Krzanich. Že data obsahují spoustu užitečných informací, si v době digitalizace průmyslové podniky uvědomují. Potvrzuje to například loňský průzkum Hospodářské komory ČR a poradenské společnosti EY, ve kterém označilo analýzu interních dat za žádaný nástroj digitalizace nejvíce firem.

V praxi ale podle oslovených odborníků průmyslové podniky s datovou analytikou teprve začínají koketovat. "Se sběrem dat a jejich vyhodnocováním se firmy nejčastěji seznamují prostřednictvím menších projektů, jako je například jednoduché připojení výrobních strojů pomocí externích senzorů. Seznamují se nejen s tím, jak data sbírat, ale i jak je vyhodnocovat a jak z nich vyvodit závěry třeba pro lepší zorganizování výroby," popisuje Ivo Procházka, expert na řešení pro průmysl v české pobočce společnosti SAP. Ve sběru dat, jejich vyhodnocování a zapojení do řízení výroby jsou podle něho většinou dále firmy vlastněné zahraničním kapitálem, u nás především v automobilovém průmyslu. Ty také častěji nasazují robustnější řešení zasahující celou výrobu nebo logistiku.

"Pokročilé co do množství i intenzity využívání dat jsou například všechny obory závislé na logistice či obory pracující s velkým množstvím součástek a výrobků," říká Vladislav Severa, vedoucí partner týmu pokročilé datové analýzy ve společnosti EY. Intenzita využívání dat v průmyslu je však podle něho znatelně pozadu za obory, jako jsou digitální média, telekomunikace, finančnictví či maloobchod.

Firma řízená daty

České firmy se podle Ivo Procházky ze společnosti SAP mohou inspirovat například Amazonem. "I když přes internet prodává Amazon spoustu různého zboží, je v podstatě IT firmou. IT nástroje Amazonu řídí logistické operace tak dobře, že je schopen obsloužit objednávku ještě ten samý nebo nejpozději následující den. Z distribučních center pokrývá velkou část trhu. Pro mnoho firem včetně kamenných obchodů je Amazonu velmi těžké konkurovat, zejména pokud jde o rozsah nabídky a rychlost dodávky," vysvětluje Procházka.

Vědět, co se ve firmě děje

V každé firmě lze najít řadu příležitostí, jak by datová analytika mohla zlepšit konkrétní aspekty podnikání. Téměř jakákoliv dostupná data mohou vést ke zvýšení přidané hodnoty. Jde jen o to, vhodně zvolit jejich využití pro datovou analýzu. "Data o chování klientů například můžeme analyzovat za účelem zvýšení klientské spokojenosti, doporučování vhodných dodatečných výrobků a služeb nebo předvídání poptávky. Procesní data lze využít ke zrychlení výrobních cyklů nebo ke zjištění příčin mimořádných situací. Obrazová data často slouží například k detekci defektů. Historické časové řady prodejů pak mohou posloužit ke správnému nastavení cen," vypočítává Vladislav Severa.

Nejčastějším důvodem pro implementaci datové analytiky u výrobních firem bývá potřeba zjistit, co se ve výrobě přesně děje. "Povědomí firem o průběhu výroby je mnohdy založeno na zkušenostech, odhadech a dobré víře. Realita reprezentovaná analýzou dat, tedy jak moc jsou stroje a jejich obsluha vytíženy, kolik výrobků vyprodukují za směnu, jak moc se opotřebovávají výrobní nástroje a podobně, je často velmi překvapí," popisuje Ivo Procházka ze SAP.

Výrobní stroje zpravidla již bývají osazeny mnoha senzory, případně se k nim dají vhodně doplnit senzory externí. Sbíraná data je možné následně využít nejen pro lepší pochopení toho, jak efektivně stroj a jeho obsluha pracují, ale například pro prediktivní údržbu. Trendy snímaných parametrů stroje v kombinaci s předchozími zkušenostmi včas upozorní na možnou poruchu.

"V logistické firmě může jít například o data o poloze zásilky a jejích environmentálních charakteristikách. Tato data zákazníka informují, kde se zásilka nachází a jestli s ní přepravce zachází podle jeho požadavků. Třeba jestli teplota uvnitř kontejneru nepřekročí určenou maximální hodnotu," vysvětluje Ivo Procházka.

Menší projekt na zkoušku

Přestože se datová analytika podle Vladislava Severy z EY ve vhodně zvoleném případě většinou rychle vyplatí, firmy v jejím využívání brzdí strach z neznámého. "Metody datové analýzy mohou vypadat na první pohled exoticky, existuje obava z velkých investic. Nebývá vždy jasné, jaký by měl být rozumný první krok, přitom možných kroků je obvykle řada a vzájemně se nevylučují," říká Severa.

Pro začátek doporučuje zvolit jeden konkrétní případ s rozumnou očekávanou přidanou hodnotou. Taková implementace nemůže být drahá. Poté je dobré pokračovat ucelenější datovou strategií, což znamená vytipovat a seřadit podle priority vhodné projekty. "Chybou je podlehnout představě, že pro implementaci rozumné datové analytiky je nutné vybudovat zcela novou datovou infrastrukturu, velký datový sklad a spoustu IT okolo. Pracujte nejdřív s daty, která už máte, ne s těmi, která možná budete mít za několik let," připomíná Vladislav Severa.

Pořízení jednoduché senzoriky, díky níž bude mít firma přehled o tom, co se ve výrobě či v logistice vlastně děje, je relativně levné a rychlé. "Na trhu působí řada firem, které jsou v zavádění těchto technologií již zběhlé. Co však úplně jednoduché není, je rozmyslet si, jaká data chce firma sbírat a čeho chce jejich analýzou dosáhnout," říká Ivo Procházka ze SAP. Namísto otázky "Co budeme se všemi těmi daty dělat?" se tak firmy musí ptát "Jaké příležitosti můžeme uchopit?".