Download - Big Data und vernetzte Produkte
© Zühlke 2013
Vernetzte Produkte und Big Data – warum ist das
wichtig?Stefan Grasmann
© Zühlke 2013
These 1:
Big Data entstand durch das Social Web. Denn Milliarden Menschen wurden zu „Sensoren“ und „Datenschleudern“.
Jetzt folgen die Maschinen und Geräte…
© Zühlke 2013Big Data - Produktdatenströme effizient leiten und auswerten | Stefan Grasmann
Weltbevölkerung & Connected Products
Bild: facebook.com
2003 2010 2015(Prognose)
6.3 0.5 6.8 12.5 7.2 25
Mrd
.
19. November 2013 Folie 3
© Zühlke 2013
These 2:
Die interessantesten Unternehmensdaten liegen außerhalb Ihres Unternehmens.
© Zühlke 2013Big Data - Produktdatenströme effizient leiten und auswerten | Stefan Grasmann
Inside und Outside Data
Mar
kt
Kunden
Wettbewerb
Social Media
Open Data
Produktnutz
ung
…
Intranet
ERPCRM
…
Fire
wall
InsideData
OutsideData
19. November 2013 Folie 5
These 3:
Die IT der „Connected Products“ hat ganz andere (Daten-)Herausforderungen als die Corporate IT.
• ERP, PPS, CRM• Arbeitsplatzrechner•Mitarbeiter als User• HW unter (physischer) Kontrolle
häufig „green field“
i.d.R. „brown field“
• Connected Products
• HW „im Feld“
• viele Daten
• vielfältige Daten
• schnelle
Verarbeitung
Product ITNeu
Corporate IT
Und was ist neu an
Big Data?
© Zühlke 2013Big Data - Produktdatenströme effizient leiten und auswerten | Stefan Grasmann
z.B. unstrukturiertz.B. 1 Mio. Nachrichten/Sek.
Dimensionen von Big Data
z.B. > Petabyte
Volume
Velocity
Variety
Wenn mindestens eine Dimensionen unzureichend mit „traditionellen“ Lösungsansätzen abgebildet werden kann, sprechen wir von „Big Data“.
z.B. 365 Mal mehr Daten
z.B. Realtime-Auswertung
z.B. Open Data
19. November 2013 Folie 8
© Zühlke 2013Big Data - Produktdatenströme effizient leiten und auswerten | Stefan Grasmann
Neue Herausforderungen an die ITMethodik und Skills
Viele Leute wollen gleich über Daten sprechen…
…und verlieren dabei die Geschäftsziele aus den Augen!
Daten ≠ Information ≠ Erkenntnis!
19. November 2013 Folie 9
“It’s no longer hard to find the answer to a given question; the hard part is finding the right question.”
Kevin Weil (Analytics Lead at Twitter)
© Zühlke 2013
Beispiele19. November 2013 Folie 11
Immer mehr Produkte werden vernetzt Die so gewonnen Daten sind die Basis für die Geschäftsmodelle von morgen• Logistik
• Industrie
• Medizin
• Gebäude
• Energie
• Banken
• Handel
• Automotive
• Versicherungen
• …
F &
E
Mark
eti
ng &
Vert
rieb
Serv
ice &
Pro
zess
e
Dis
trib
uti
on &
Log
isti
k
© Zühlke 2013Big Data - Produktdatenströme effizient leiten und auswerten | Stefan Grasmann
Beispiel 1: FeldtestDatenanalyse in der Produktentwicklung
• Logistik
• Industrie
• Medizin
• Gebäude
• Energie
• Banken
• Handel
• Automotive
• Versicherungen
• …
F &
E
Mark
eti
ng &
Vert
rieb
Serv
ice &
Pro
zess
e
Dis
trib
uti
on &
Log
isti
k
19. November 2013 Folie 13
FeldtestViessmann optimiert die Vorentwicklung: Daten von neuen Brennstoffzellen werden täglich analysiert.
© Zühlke 2013Big Data - Produktdatenströme effizient leiten und auswerten | Stefan Grasmann
Manuelle Auswertung von Feldtestdaten
…
Anlagen im Feld (Brennstoffzellen) sammeln Betriebsdaten
Betriebsstunden
Gasverbrauch Wirkungsgrad Vorlauftemper
atur Stromerzeugu
ng …
Ingenieure überwachen die Anlagen und werten die Daten für die Produktentwicklung aus.
1. Einloggen auf der Anlage2. Daten übertragen3. Übertragung in Excel4. Filtern und aggregieren
19. November 2013 Folie 15
Szenario 150 Feldsysteme100 Datenreihen / Ablesung1 Ablesung / Stunde40 Werte pro Reihe4 bytes pro Wert
550 MB / Monat
Szenario 2500 Feldsysteme400 Datenreihen / Ablesung4 Ablesungen / Minute100 Werte pro Reihe4 bytes pro Wert
12,6 TB / Monat
?MB TB
© Zühlke 2013Big Data - Produktdatenströme effizient leiten und auswerten | Stefan Grasmann
Herausforderungen
Volume: 12,6 TB pro Monat in der angestrebten vollen Ausbaustufe. Dies sind 24.000 mal mehr Daten als in der zum Einstieg geplanten Lösung.
Weitere Herausforderungen
• Flexibilität in der Auswertung– Einfache fertige Lösungen
(z.B. Zeitreihen, Drill-down)– Möglichkeit für komplexe Abfragen
• Sicherheit– Anonymisierung der Anlagen– Verschlüsselung und Authentisierung
19. November 2013 Folie 17
© Zühlke 2013Big Data - Produktdatenströme effizient leiten und auswerten | Stefan Grasmann
Eine Cloud-basierte Lösung vereinfacht die Auswertung der Feldtestdaten
…
Nutzen für das Unternehmen• Geringerer
Personalbedarf• Die Infrastruktur
wächst mit • Keine Fixkosten
Nutzen für die Entwicklung• Alle Daten im Überblick• Schnelle und flexible
Auswertung
19. November 2013 Folie 18
© Zühlke 2013Big Data - Produktdatenströme effizient leiten und auswerten | Stefan Grasmann
Beispiel 2: Service- und FlottenmanagementDisposition für Investitionsgüter
F &
E
Mark
eti
ng &
Vert
rieb
Serv
ice &
Pro
zess
e
Dis
trib
uti
on &
Log
isti
k
• Logistik
• Industrie
• Medizin
• Gebäude
• Energie
• Banken
• Handel
• Automotive
• Versicherungen
• …
19. November 2013 Folie 19
Service- und FlottenmanagementLiebherr stattet alle Baumaschinen mit Telematikmodulen aus. Ein Portal erlaubt den Zugriff für Service und Kunden.
Foto
: Li
eb
herr
© Zühlke 2013Big Data - Produktdatenströme effizient leiten und auswerten | Stefan Grasmann
21
LIDAT Geschäftsmodell - Systemüberblick
Welche Daten sind von Interesse?
BetriebsstundenPositionsdaten
Nutzungsprofile• Arbeitszustände• Produktivitätsdate
n (Momente, Lasten, …)
Auftragsdaten
Diagnosedaten
Performance-
Kenndaten
Kraftstoff-verbrauch
Maschinen-fehlerzustän
de
Foto
: Li
eb
herr
19. November 2013 Folie 21
© Zühlke 2013
Nutzungsmuster im Service- und Flottenmanagement
• möchte seine Aufgabe ohne Unterbrechungen durchführen
• möchte einen sicheren Arbeitsplatz
möchte sicherstellen, dass die Maschine möglichst nie stillsteht
möchte einen Diebstahl der Maschine verhindern
möchte keine unnötigen Wartungen durchführen
möchte Wartungen im Voraus planen
• möchte Nutzungszeiten und Verfügbarkeit erfassen• Möchte
Ferndiagnose erstellen
• möchte Einsatz vor Ort optimal vorbereiten
• möchte Maschinen-daten zur Optimierung der Produkte nutzen
Fahrer/Bediener
Vermieter
Besitzer
Service-Techniker
Hersteller
Foto
: Li
eb
herr
© Zühlke 2013Big Data - Produktdatenströme effizient leiten und auswerten | Stefan Grasmann
Herausforderungen
Variety: Daten unterschiedlichster, auch zukünftiger Maschinen müssen verwaltet und ausgewertet werden können.
Hohe Anforderungen an flexible Datenmodelle.
Weitere Herausforderungen
• Telematikmodul: Hardware-Auswahl, zuverlässige Software
• Kommunikation: Auswahl Funkprovider, Kosteneffizienz
• Outside Data: Integration von Maschinen anderer Hersteller
Foto
: Li
eb
herr
19. November 2013 Folie 23
© Zühlke 2013Big Data - Produktdatenströme effizient leiten und auswerten | Stefan Grasmann
Internet
Internet
Lösungsübersicht
LiDAT OLTPPrincipal
LiDAT OLTPMirror
LiDAT DataWarehouse
LiDAT Portal
ReportServices
LiDAT ServicesMachineServices
ProviderServices
LTPServer
ImportServices
ExternalServices
ActiveDirectory
GIS
Inbox
19. November 2013 Folie 24
© Zühlke 2013Big Data - Produktdatenströme effizient leiten und auswerten | Stefan Grasmann
Beispiel 3: MeteringWirtschaftliche Zählererfassung
• Logistik
• Industrie
• Medizin
• Gebäude
• Energie
• Banken
• Handel
• Automotive
• Versicherungen
• …
F &
E
Mark
eti
ng &
Vert
rieb
Dis
trib
uti
on &
Log
isti
k
Serv
ice &
Pro
zess
e
19. November 2013 Folie 25
MeteringDer Kunde setzt auf funkgestützte Fernablesung, um Kosten zu senken und neue Services zu ermöglichen.
© Zühlke 2013Big Data - Produktdatenströme effizient leiten und auswerten | Stefan Grasmann
Velocity: Beschleunigung der Frequenz der Datensammlung von jährlich auf täglich.
Volume: Drastische Vervielfachung der anfallenden Datenmengen - 1 Zählerstand im Jahr vs. Viertelstundentakt (4*24*365 = 34.176)
Herausforderungen
Weitere Herausforderungen
• Wirtschaftlichkeit der Infrastruktur
• Geräteentwicklung geschieht lange vor der Entwicklung der Use Cases im Backend
• Integration in die Enterprise IT
• Betrieb mit der gleichen Anzahl Mitarbeiter
19. November 2013 Folie 27
EAI / ETL
Auswertungen„Walk by“
Ablesegeräte
Rules Engine
Vom Verbrauchswert zur Rechnung
Kundenportal
Außendienst
Verbrauchs-
zähler
Daten-termin
als
Web-serve
r
Kunden
Verträge
AblesewerteBackend-SystemeSensoren
Funk GSM
Prozessmanagement
Monitoring
© Zühlke 2013Big Data - Produktdatenströme effizient leiten und auswerten | Stefan Grasmann
Nutzenbeispiele im Überblick
Feldtest
Flotten-management
Metering
Forschung &
Entwicklung
Marketing & Vertrieb
Service & Prozesse
Distribution & Logistik
19. November 2013 Folie 29
© Zühlke 2013Big Data - Produktdatenströme effizient leiten und auswerten | Stefan Grasmann
Nutzenbeispiele im Überblick
Feldtest Weniger Aufwand Bessere AnalyseTime-to-market
Flotten-management
Mehr ÜbersichtWeniger FehlzeitenNachverfolgbarkeit
Metering KundenfreundlichGeringere KostenNeue Services
Forschung &
Entwicklung
Marketing & Vertrieb
Service & Prozesse
Distribution & Logistik
19. November 2013 Folie 30
© Zühlke 2013Big Data - Produktdatenströme effizient leiten und auswerten | Stefan Grasmann
Nutzenbeispiele im Überblick
Feldtest Weniger Aufwand Bessere AnalyseTime-to-market
Übersichtlichere Verwaltung der Testanlagen
Flotten-management
Verbesserte Produkte
Cross-Selling Verbesserter Kundendienst
Mehr ÜbersichtWeniger FehlzeitenNachverfolgbarkeit
Metering Gezieltere Kundenansprache
KundenfreundlichGeringere KostenNeue Services
Forschung &
Entwicklung
Marketing & Vertrieb
Service & Prozesse
Distribution & Logistik
19. November 2013 Folie 31
© Zühlke 2013Big Data - Produktdatenströme effizient leiten und auswerten | Stefan Grasmann
Zusammenfassung
Datenströme senken Kosten und bieten neue Umsatzpotenziale.
Die Nutzung geht meist über den ursprünglich geplanten Zweck hinaus: Der Appetit kommt beim Essen.
Die Herausforderungen sind vielfältig. Gründe dafür sind Volume, Velocity und Variety, auch Vertraulichkeit, Verfügbarkeit und Veränderung.
Big-Data-Technologien bieten neue Lösungswege.
Zusammenfassung
Stefan Grasmann
Gerne stehe ich für Fragen zur Verfügung
Stefan Grasmann