Advanced Analytics für Big Data
Werbung
Advanced Business Analytics in Fertigungs- und Logistikprozessen DOAG Applications 2013 Michael Weiler, PROMATIS software GmbH Berlin, 9. Oktober 2013 1 Prolog Leistungsexplosion bei IT-Infrastrukturen Zusätzlicher Treiber für „advanced“ Analytics 2 © 2013 PROMATIS software GmbH 9. Oktober 2013 Prolog Neue Potenziale für Business Analytics Neuartige Anwendungsfelder durch größere Datenmengen verbesserte Performance Transactional Intelligence Analytische Auswertung von Daten direkt in operativen Geschäftsprozessen Analysedaten in Echtzeit Advanced Analytics für Big Data Big Data bezeichnet – häufig unstrukturierte und voluminöse – Informationen, die nicht aus traditioneller Datenerfassung, sondern aus Datenquellen wie Blogs, Social Media, E-Mail, Sensoren, Fotografien, Videos etc. gewonnen werden. Aus der Kombination von Big Data mit herkömmlichen Transaktionsdaten entsteht eine multidimensionale Geschäftssicht, die tiefe Einblicke bspw. in das Verhalten von Kunden und Lieferanten ermöglicht. 3 © 2013 PROMATIS software GmbH 9. Oktober 2013 Gliederung Analytics in Fertigungs- und Logistikprozessen Einführung Aufbau von Kennzahlensystemen in der Logistik und Produktion Wichtige Klassen von Kennzahlen Für die Kennzahlenbildung relevante Einflussfaktoren auf die logistische Kette Anwendungsszenarien Oracle Analytics Applications Transactional Intelligence Data Mining Big Data Governance, Risiko- und Compliance Management Zusammenfassung und Handlungsempfehlungen 4 © 2013 PROMATIS software GmbH 9. Oktober 2013 Einführung Oracle Advanced Analytics Produktstruktur Enterprise Systems & Content Stores Content Mgt Systems Databases Data Snapshots Oracle OLTP Database Information Integration ETL/ELT-Systems (Warehouse Builder. Data Integrator) File Systems SOA, ESB, Web Service Oracle Endeca Integration Suite Un-/Semistructured Data Sources Internet / Social Networks Oracle NoSQL Database Hadoop Distributed File System (HDFS) Oracle Loader für HADOOP Hadoop MapReduce (Framework) Oracle Big Data Appliance Unstructured Data Transformation Data Warehouse & Data Marts Oracle Data Warehouse Database OLAP Cubes Information Delivery In-Database Analytics (“R”, Data Mining, etc.) Oracle Business Intelligence Reports, Visualisierung, Data Marts, Analysis Sandpits Analytical Applications . .. Endeca Server Information Discovery & Search Oracle Endeca Studio Embedded Analytics / Search …. Multidim. Analysis & Search [ Quelle: Oracle Corp.] 5 © 2013 PROMATIS software GmbH 9. Oktober 2013 Kennzahlensysteme in Logistik und Produktion Wichtige Klassen von Kennzahlen* Betriebswirtschaftliche Kennzahlen: Materialkostenanteil, Verbrauchsabweichung, … Produktionskennzahlen: Produktivität, Werkleistung, Kapazitätsauslastung, … Prozesskennzahlen: Gruppenentwicklung, Ordnung und Sauberkeit, … Logistische Kennzahlen: Lieferfähigkeit, Lagerbestandswert, … Qualitätskennzahlen: Ausschussquote, Rückweisrate, … Kunden-/Lieferantenkennzahlen: Anteil Montagebeanstandungen, Liefertreue, … Personalkennzahlen: Fehlzeitenrate, Gleitzeitkonten, … Umweltkennzahlen: Energieverbrauch, Abfallwirtschaft, … Gesetzliche Kennzahlen: Unfallhäufigkeit, Immissionswerte, … * 6 [ Quelle: Praktischer Einsatz von Kennzahlen und Kennzahlensystemen in der Produktion. Erfahrungsbericht der AWFArbeitsgemeinschaft Kennzahlen und Kennzahlensysteme zur Unternehmensführung und –steuerung, 2. Auflage, 2004] © 2013 PROMATIS software GmbH 9. Oktober 2013 Kennzahlensysteme in Logistik und Produktion Einflussfaktoren auf die logistische Kette Kunden Lieferanten Lieferant Produzent Beschaffungs -logistik Informationsfluss Materialfluss Kunde Handel Produktionslogistik Distributionslogistik Erzeugnisse Entsorger Entsorgungslogistik Ersatzteillogistik Unternehmen 7 Kosten Termine © 2013 PROMATIS software GmbH Flexibilität Qualität 9. Oktober 2013 Kennzahlensysteme in Logistik und Produktion Kennzahlenhierarchie in der Beschaffungslogistik* Beschaffungskennzahlen Unternehmen Beschaffung Produktion Distribution Ziele Logistikeffizienz Logistikleistung Kennzahlen Struktur- und Rahmendaten * 8 Hohe Verfügbarkeit •Liefertreue •Liefertermintreue •Lieferterminabw. •Liefermengentreue •Liefermengenabw. •Lieferqualitätstreue •Lieferqualitätsabw. Kurze Durchlaufzeiten • Durchlaufzeit am Wareneingang Warenanlieferungen je BKT Wareneingangspositionen je BKT Planwiederbeschaffungszeit Logistikkosten Hohe Produktivität • Bestellpositionen je MA-Stunde EK • Wareneingangspositionen je Mitarbeiterstunde am Wareneingang Geringe Bestandskosten Geringe Prozesskosten • Umschlagshäufigkeit • Kosten je WE • Kosten pro Bestellung • Qualitätsprüfungskosten Einlagerungsquote Krankenstand Personal-/Sachmittelkosten Anteil Qualitätsprüfungen im Wareneingang Rahmenvertragsquote [Quelle: FIR e.V. der RWTH Aachen aus Praktischer Einsatz von Kennzahlen und Kennzahlensystemen in der Produktion. Erfahrungsbericht der AWF-Arbeitsgemeinschaft Kennzahlen und Kennzahlensysteme zur Unternehmensführung und –steuerung, 2. Auflage, 2004] © 2013 PROMATIS software GmbH 9. Oktober 2013 Anwendungsszenario Business Applications BI Publisher Oracle BI Server Datenquellen LegacySysteme Interaktive Dashboards Ad-hocAnalyse Common Enterprise Information Model Oracle Data Warehouse Oracle Data Integrator Dateien Excel XML Transformation Extraktion Laden Unternehmensapplikationen (operativ und analytisch) 9 © 2013 PROMATIS software GmbH 9. Oktober 2013 TAMER-Projekt TAMIno Wie waren die Verkäufe für einen Kunden… Dashboard Dimensionsattr.: Kundenname Filterbereich 10 Fakt: Rechnungsbetrag - Gutschriftsbetrag TAMER Division © 2013 PROMATIS software GmbH 9. Oktober 2013 TAMER-Projekt TAMIno Mit welchen Kunden werden 80% des Umsatzes… 28 Kunden generieren 79,7% des Umsatzes 28 Kunden entspr. 8% der Kunden dieser Division 11 © 2013 PROMATIS software GmbH 292 Kunden generieren den restlichen Umsatz 9. Oktober 2013 TAMER-Projekt TAMIno Rechnungsbeträge und Gutschriften im Vergleich… Einteilung der Kunden in 3 Bereiche Kennzahl 1: Auftragswert Kennzahl 2: Wert Rücksendung Kunden im ersten Bereich haben wenig Rücksendungen; in den anderen Bereichen sind es deutlich mehr. 12 © 2013 PROMATIS software GmbH 9. Oktober 2013 TAMER-Projekt TAMIno Produktanalyse Alle drei Produkte weisen in 2012 (blau) eine Steigerung (ausgelieferte Menge) gegenüber 2011 (gelb) auf. 13 © 2013 PROMATIS software GmbH 9. Oktober 2013 TAMER-Projekt TAMIno Produktanalyse Betrachtung der Entwicklung für die einzelnen Niederlassungen: Branch 1 und 2 haben sich verschlechtert. Branch 3 und 4 haben sich 2012 deutlich verbessert! 14 © 2013 PROMATIS software GmbH 9. Oktober 2013 Anwendungsszenario Transactional Intelligence Konventionelle strategische und operative Business-Entscheidungen: - Analysen und Reports „auf Vorrat“ - wertvolles Geschäftswissen bleibt ungenutzt Intelligente strategische und operative Business-Entscheidungen: - kontextreiche Interaktion - aktuelles Geschäftswissen jederzeit bedarfsgerecht verfügbar - bessere und schnellere BusinessEntscheidungen Analyse und Reporting Transactional Intelligence Transaktionsverarbeitung 15 © 2013 PROMATIS software GmbH 9. Oktober 2013 Oracle Fusion Module Beispiel Procurement Overview Auswertungen schaffen direkt den Überblick Mitarbeiter arbeiten an „wichtigen“ Bestellungen 16 © 2013 PROMATIS software GmbH 9. Oktober 2013 Anwendungsszenario Data Mining Data Mining hilft bei der Beantwortung von Fragen… Welche Kunden wandern wahrscheinlich zur Konkurrenz ab? Welche Kunden werden das neue Produkt kaufen? Welche Kunden haben hohes Umsatzpotenzial? Welche Produkte werden meistens zusammen gekauft? Welche Transaktionen sind verdächtig? … Data Mining ist der Prozess des Identifizierens neuartiger, nützlicher, bislang versteckter und verständlicher Muster in Datenbeständen. 17 © 2013 PROMATIS software GmbH 9. Oktober 2013 Oracle SQL Developer Data Miner Integration in den SQL Developer 18 © 2013 PROMATIS software GmbH 9. Oktober 2013 Oracle SQL Developer Data Miner Integration: Klassenbildung der Spalte „AGE“ 19 © 2013 PROMATIS software GmbH 9. Oktober 2013 Data Mining Algorithmen (1 von 2) 20 Aufgabenstellung Algorithmen Hinweis Klassifikation Generalized Linear Model (GLM), Entscheidungsbaum, Naive Bayes, Support Vector Machine Klassifikation: Bildung von Gruppen innerhalb einer Gesamtmenge. Kann auch zur Vorhersage von Attributen genutzt werden. Regression GLM, Support Vector Machine Regressionsanalyse: Ermittlung des statistischen Zusammenhangs zwischen Attributen. Anormaly Detection One Class SVM Ermittlung von Datensätzen, die nicht der Vorgabe entsprechen. Attribute Importance Minimum Description Lenght (MDL) Bestimmung der Wichtigkeit von Attributen für bestimmte Aufgabenstellungen. Wird ebenfalls zur Feature Extraction genutzt. © 2013 PROMATIS software GmbH 9. Oktober 2013 Data Mining Algorithmen (2 von 2) 21 Aufgabenstellung Algorithmen Hinweis Association Rules Apriori Warenkorbanalysen: Welche Regeln können auf Basis von Transaktionsdaten abgeleitet werden. Clustering Hierachical K-Means Hierachical O-Cluster Clusteranalyse: Bildung von Gruppen mit nicht vordefinierten Eigenschaften. Feature Extraction Nonnegative Matric Factorizing Einschränkung der Datenmengen für bestimmte Aufgabenstellungen. © 2013 PROMATIS software GmbH 9. Oktober 2013 Anwendungsszenario Baumarktkette Apriori Algorithmus Vorgabe von Mindest-Wahrscheinlichkeiten Transaktionsdaten als Eingangsdaten: • T1 Zement • T1 Bauhandschuhe 5 EUR • T1 Maurerkelle 7 EUR 300 EUR • usw. Welche Regeln liegen oberhalb der Wahrscheinlichkeitswerte? Regel: Wenn ein Kunde Zement kauft, dann kauft er auch Bauhandschuhe. Bei 1.000.000 Transaktionen kommen 20.000 mal Zement und Bauhandschuhe als Produkte vor: Support für die Regel = 20.000/1.000.000 = 2% Bei 200.000 Transaktionen kommt Zement als Produkt vor: Konfidenz der Regel = 20.000/200.000 = 10% 22 © 2013 PROMATIS software GmbH 9. Oktober 2013 Hadoop (MapReduce) HDFS Oracle NoSQL Database Oracle Loader for Hadoop Unternehmensapplikation Oracle Data Integrator AQUIRE ORGANIZE Data Warehouse In-Database Analytics Anwendungsszenario Big Analytics for Big Data ANALYZE Oracle BI: Analyse, Statistik, Data Mining DECIDE Big Data bezeichnet – häufig unstrukturierte und voluminöse – Informationen, die nicht aus traditioneller Datenerfassung, sondern aus Datenquellen wie Blogs, Social Media, E-Mail, Sensoren, Fotografien, Videos etc. gewonnen werden. Aus der Kombination von Big Data mit herkömmlichen Transaktionsdaten entsteht eine multidimensionale Geschäftssicht, die tiefe Einblicke bspw. in das Verhalten von Kunden und Lieferanten ermöglicht. Integration der Oracle Big Data-Produkte mit Oracle Data Warehouse und Oracle BI. 23 © 2013 PROMATIS software GmbH 9. Oktober 2013 MaschinenRohdaten BDE Applikation Data Warehouse Unternehmensapplikation Oracle Data Integrator In-Database Analytics Anwendungsszenario Automobilzulieferer Oracle BI: Analyse, Dash Board Maschinenrohdaten, ERP-Daten (Oracle E-Business Suite) und Qualitätskennzahlen (Individualentwicklung) werden in einem Oracle Data Warehouse integriert. Mit Oracle BI werden auf Data Warehouse längerfristige Analysen bereitgestellt. In einigen Fällen werden direkt aus dem operativen BDE System Daten in der Produktion angezeigt. 24 © 2013 PROMATIS software GmbH 9. Oktober 2013 Anwendungsszenario Automobilzulieferer BDE Daten aus der Produktion auf einfachen Tablets. Ziel: Reduzierung der Latenzzeiten bei Ausnahmesituationen. 25 © 2013 PROMATIS software GmbH 9. Oktober 2013 Governance, Risiko- und Compliance Mgt. (GRC) Einflussfaktoren und GRC-Mechanismen Werte und Ethische Grundsätze Unternehmensziele Gesetze Governance Normen und Standards Risikovorschriften Handlungsanweisungen und Kontrollen Risikomanagement Compliance Management Regularien Risiken Unternehmensmodell Prävention 26 Durchführung © 2013 PROMATIS software GmbH Reaktion 9. Oktober 2013 Governance und Prozessführung Implementierung von Handlungsanw. + Kontrollen Organisationsanweisungen 27 BAM Analytischer Datenspeicher (Data Warehouse, Data Marts) Implementierung ERP * EPM – Enterprise Performance Management BI – Business Intelligence BAM – Business Activity Monitoring Unternehmensmodellierung BI ETL Handlungsanweisungen und Kontrollen Governance, Risiko- und Compliance EPM Management, Prozessführung HCM SCM CRM Wertschöpfungskette © 2013 PROMATIS software GmbH 9. Oktober 2013 Governance und Prozessführung Führen mit „historischen“ Daten GRC, Prozessführung Handlungsanweisungen Planung, Kontrolle, Steuerung Spreadsheet Lösungen ohne zentralen Datenspeicher Monitoring & Analyse (periodisch: stündlich, täglich, wöchentlich,…) Analytischer Datenspeicher Analyserelevante Transaktionsdaten (periodisch: stündlich, täglich, wöchentlich,…) Wertschöpfungskette 28 Geschäftstransaktionen © 2013 PROMATIS software GmbH 9. Oktober 2013 Zusammenfassung & Handlungsempfehlungen Innovation mit Business Analytics Neuartige Hochleistungs-Infrastrukturen bieten bessere Performance und öffnen neue Anwendungsfelder für Business Analytics. Informieren und Potenziale prüfen: Führen mit Kennzahlen (Business Performance Management) Embedded Intelligence in Unternehmenssoftware Advanced Analytics für Big Data Business Analytics-Innovationen ermöglichen signifikante Geschäftsprozessverbesserungen. Best Practice-Produkte und Lösungen testen und auf Prozessverbesserungspotenziale hin abklopfen: Analytic Applications, z.B. Oracle SCM Analytics (SCM, Procurement, Transportation,…) Enterprise Performance Management Applications, z.B. Oracle Hyperion Cloud Application Services, z.B. Oracle Planning and Budgeting 29 © 2013 PROMATIS software GmbH 9. Oktober 2013 Kontaktdaten Michael Weiler Dipl.-Wirtschaftsingenieur Leiter Business Analytics Division PROMATIS software GmbH Pforzheimer Str. 160 76275 Ettlingen Tel. +49 7243 2179 17 Fax +49 7243 2179 99 E-Mail: [email protected] Web: www.promatis.de www.horus.biz www.prociris.biz 30 © 2013 PROMATIS software GmbH 9. Oktober 2013
