DataDigitalisierung

Data Warehouse: Ohne saubere Daten, keine Produktionsoptimierung!

Wie Sie eine globale Sicht auf Daten gewinnen und Berichtswesen nutzen können

16.Februar 2022 · 4 min Lesedauer

smartpoint Redaktion

Strukturiert erhobene, intelligent aufbereitete und analysierte Daten sind der Türöffner, um Prozesse anhand datenbasierter Entscheidungen zu verbessern. Wir widmen uns einem Data & Analytics Anwendungsfall aus unserer Praxis, um die Herausforderungen im Bereich der Maschinenherstellung zu beleuchten. Wir zeigen auf, welche Vorgehensweise zu einem erfolgversprechenden Reporting führt.

Daten im Überfluss. Doch welche davon bringen nun wirklich Nutzen? Wie schafft man ein effizientes Berichtswesen? Je länger und umständlicher sich der optimale Zugang zu Daten gestaltet, umso höher wird die Frustration. 

Ihnen fehlt der Daten-Durchblick. Dennoch wissen Sie, dass im Zeitalter von Industrie 4.0, Business Intelligence und Analytics der effiziente Einsatz von Daten das Fundament für Ihren Erfolg darstellt. Sie möchten nicht länger zögern, sondern ehestens Handeln.

Strukturiert erhobene, intelligent aufbereitete und analysierte Daten sind der Türöffner, um Prozesse anhand datenbasierter Entscheidungen zu verbessern. Wir widmen uns einem Data & Analytics Anwendungsfall aus unserer Praxis, um die Herausforderungen im Bereich der Maschinenherstellung zu beleuchten. Wir zeigen auf, welche Vorgehensweise zu einem erfolgversprechenden Reporting führt.

Use-Case: Produktionsoptimierung in der Maschinenherstellung

Ein Blick in heutige Produktionsanlagen: Tag für Tag entstehen hier Tausende von Informationen in Sekundenschnelle. Sensoren messen Parameter zu Geschwindigkeit und Qualität der Fertigung. Steuerungssysteme sammeln wichtige Daten darüber, in welchem Zustand sich Maschinen und Anlagen befinden.

Dabei sind die Schwierigkeiten das Erstellen einer sauberen Datenbasis, also die fehlerfreie Kombination der verschiedenen Datenquellen sowie ein aussagekräftiges Berichtswesen.

Beschreibende Analysen zur Ableitung von Charts und Trends bleiben kein Wunschszenario, sondern lassen sich durchaus realisieren. Aber wie? 

Die Antwort darauf ist die Implementierung eines leistungsstarken Data Warehouses. Es sorgt dafür, die Produktion in einer Granularität und Tiefe zu messen, wie es vorher schlichtweg nicht möglich war.

Unser Kunde gewinnt aus dem neuen Datenbestand und den erstellten Berichten folgende Erkenntnisse für seine Stakeholder:

  • Standardreports für Fertigungs-, Montage- und Prüfanlagen (einfache Auswertung von Prozess- und Bauteildaten für jede einzelne Maschine)
  • Tages- sowie Langzeitanalysen zur Messung der Gesamtanlageneffektivität (beliebig erweiterbar in Bezug auf die Detaillierung)
  • Descriptive-, Predictive- und Prescriptive-Analytics
  • Auswertung von Prüfdaten für das Qualitätsmanagement (können direkt an der Anlage eingesehen werden und bieten Einsicht in den Produktionsprozess)
  • Dashboards (wie z.B.: Tagesausbringung, Fehlerfälle und Prozessprobleme)
  • Traceability (Rückverfolgbarkeit von Bauteilen)

Die bestehende Lösung trägt dazu bei, dass Entscheidungsträger und Entscheidungsträgerinnen nun genau wissen, wo sie aktuell stehen. Messbare Benchmarks helfen ihnen, ein langfristiges Wachstum voranzutreiben.

WIR SCHAUEN GENAUER HIN

Daten ohne Ende. Daten entstehen aus unterschiedlichen Quellen in verschiedenen Formaten. An einem potenziell nützlichen Datenbestand für die Datenbereitstellung mangelt es keinesfalls. Doch der Zugriff auf gewünschte Informationen und das Generieren von Wissen werden fortlaufend schwieriger, denn Daten in Rohform schaffen keinen Mehrwert.

Im Zuge der steigenden technischen Herausforderung bei der Datenanalyse empfiehlt sich die Nutzung eines Data Warehouses sowie der Einsatz von Tools und Methoden aus dem Bereich Business Intelligence (BI).

Produktivsysteme wie ERP, CRM oder andere Programme speichern und verarbeiten Daten. Sie sind darauf ausgerichtet, einzelne Transaktionen schnell abzuarbeiten. Voraussetzung für ein umfassendes, adäquates Berichtswesen sind Abfragen über zahlreiche Transaktionen und deren Datenaggregation. Das Reporting hat spezielle Anforderungen, die durch den Einsatz eines DWHs effektiv gelöst werden.

Die gewonnenen Ergebnisse dienen jeglichen Analyse-Zwecken und fließen direkt in die unternehmerische Entscheidungsfindung mit ein.

Data Warehouse: Eine globale Sicht auf Daten gewinnen und Berichtswesen nutzen!

Analysen in Echtzeit, wertvolle Daten ableiten und die Entscheidungsunterstützung des Managements verbessern. All das sind Gründe, warum Unternehmen nach wie vor auf den Nutzen von Data Warehouses setzen. Der Trend hat seinen Ursprung in den 90er Jahren gefunden und ist weder wegzudenken noch nachlassend. Die Weiterentwicklung gestaltet sich in rasender Geschwindigkeit.

WARUM SICH EIN DATA WAREHOUSE LOHNT

Zur Optimierung von Abläufen und Prozessen sind nutzbare Informationen unerlässlich. Eine saubere Datenbasis ist die Entscheidungsgrundlage für die strategische Planung.

Zeitersparnis: Eine Datensuche kostet Zeit. Sind die Daten erstmals gefunden, müssen diese aufbereitet werden. Durch ein DWH hat jeder Anwendende direkten Zugang zu benötigten Informationen und ist nicht auf andere Personen/Abteilungen angewiesen.

Bessere Daten höherer Qualität: Entscheidungen werden verbessert und lassen sich auch schneller treffen. Vergleiche zu früheren Perioden und Zukunftsprognosen basieren auf Grundlage effektiv aufbereiteter Datensätze.

Hochwertiges Reporting: Vergangenheits- und Zukunftsdaten ergeben gemeinsam die beste Informationsbasis für individuelle Berichte.

Optimierung von Prozessen (Lageroptimierung, Produktionsplanung, etc.): Eine der wichtigsten Gewinn- und Nutzungsmöglichkeiten durch ein Data Warehouse.

Werfen Sie einen Blick auf die grundlegende Architektur eines Data Warehouses und darauf, wie das abgebildete Grobkonzept noch bis heute Anklang findet:

Quelle: https://wiki.hslu.ch/controlling/Data_Warehouse

Wesentliche Begriffe kurz erklärt:

Der ETL-Prozess ist ein grundlegendes Konzept zur Datenintegration in das Data Warehouse:

  • Extrahieren: Sammeln von Daten aus verschiedenen heterogenen Quellen.
  • Transformieren: Konvertieren von minderwertigen Daten in saubere, strukturierte und verifizierte Daten, die sofort verwendet werden können.
  • Laden: Übertragung der aggregierten Daten in das DWH.

Die Daten werden nicht nur einmalig gespeichert, sondern ständig aktualisiert.

Operational Data Store (ODS): Ein Datenbanktyp, der Daten aus mehreren Quellen zur Verarbeitung sammelt und anschließend an Betriebssysteme und Data Warehouses sendet. Es bietet eine zentrale Schnittstelle oder Plattform für alle Betriebsdaten, die von Unternehmenssystemen und -anwendungen verwendet werden.

Data Marts: Ein Data Mart ist ein Auszug bzw. eine Kopie eines Teildatenbestandes innerhalb eines Data Warehouse und dient für eine bestimmte Anwendung oder einen organisatorischen Bereich zur Analyse. Jede Teilmenge ist inhaltlich auf einen Themenkomplex oder Geschäftsbereich (Sales, Finanzen, …) beschränkt.

Repositorium: Umfasst die Metadaten-Verwaltung. Im Repositorium sind alle Metadaten des Data Warehouse Systems abgelegt. Die genannten Metadaten enthalten alle Arten von Informationen über DW-Daten, wie beispielsweise deren Quelle, die Verwendung, ihre Attribute und viele mehr

FAZIT

Ein Data Warehouse ermöglicht eine globale Sicht auf heterogene und verstreute Datenbestände, indem es relevante Daten aus den unterschiedlichen Quellsystemen verdichtet und zu einem gemeinsamen konsistenten Datenbestand zusammenführt. Dies bietet einen komfortablen Datenzugriff für alle Akteure.

Data-Warehousing ist dafür ausgelegt, Daten in verschiedensten Datenformaten und jeglicher Qualität aus heterogenen Datenmodellen und Datenbanksystemen zu vereinen, um sie für den nachgelagerten Analyseprozess aufzubereiten.

Bereinigte (fehlerfreie, doppelte, inkonsistente, …) und konsolidierte Datenmengen bieten optimale Voraussetzungen für zuverlässige Untersuchungsresultate. Im Rahmen der Analysephase werden aus dem vorhandenen Datenbestand, durch diverse Analyseverfahren und Interpretationen, zweckorientierte Informationen gewonnen. Diese schärfen das Bewusstsein für Wirkungszusammenhänge und lassen sich als Entscheidungsunterstützung heranziehen.

Wie wir Sie unterstützen: 

Sie möchten anhand von Datenanalysen qualitative Berichte generieren, um betriebliche Entscheidungsprozesse zu optimieren. Hierfür ist die Komplexität bestehender Datenquellen stark zu reduzieren. Das dafür erforderliche Fundament, ein Data Warehouse, soll implementiert werden.

Gemeinsam schaffen wir Ihre spezielle Infrastruktur, um gewonnene Daten zu strukturieren, weiterzuverarbeiten und diese über Unternehmensgrenzen hinweg zu teilen und nutzbar zu machen. Vor allem errichten wir Daten-Drehscheiben und darauf aufbauende Analyse-Plattformen.

Unsere Anwendungen reichen von Banking über Logistik bis zur industriellen Produktions-IT. Kontaktieren Sie uns gerne!

Mehr dazu finden Sie hier: Data Analytics & Visualisierung

Fragen oder Feedback?

Haben Sie Fragen zu unseren Themen oder möchten uns Feedback zum Blog geben? Dann freue ich mich auf Ihre Nachricht.

Lisa-Marie Linhart

Marketing Specialist
E-Mail schreiben