Nachbericht SAS Analytics Experience 2016

Analytics verwandelt Datenströme in Umsätze

| Autor / Redakteur: Jürgen Frisch / Nico Litzel

Über 1.000 IT-Experten haben auf der Konferenz „SAS Analytics Experience 2016“ in Rom ihr Fachwissen über Business Analytics ausgetauscht.
Über 1.000 IT-Experten haben auf der Konferenz „SAS Analytics Experience 2016“ in Rom ihr Fachwissen über Business Analytics ausgetauscht. (Bild: © Gabriele Sandrini)

Analytics als Hebel für die digitale Transformation: Der Business-Intelligence-Spezialist SAS Institute hat auf seiner Anwenderkonferenz in Rom IT-Lösungen und Praxisbeispiele vorgestellt, die aufzeigen, wie sich dieser Wandel erfolgreich gestalten lässt.

„Daten sind überall, also sollte auch die Analyse überall sein“ – so bringt Randy Guard, Executive Vice President bei SAS Institute, das Thema der Konferenz Analytics Experience 2016 auf den Punkt. „Unternehmen fragen sich heute nicht mehr, warum sie Analytics verwenden sollen, sondern sie suchen nach Wegen, mehr Informationen aus ihren Daten zu ziehen.“ Über .1000 IT-Experten haben auf der SAS-Konferenz in Rom ihr Fachwissen über Business Analytics vertieft und ausgetauscht.

Offen, skalierbar und Cloud-ready

„Viya ist offen, skalierbar und arbeitet mit einer auf die Cloud optimierten Architektur“, erläutert Oliver Schabenberger, Chief Technology Officer von SAS Institute, die Vorzüge der im April dieses Jahres vorgestellten Analytics-Plattform.
„Viya ist offen, skalierbar und arbeitet mit einer auf die Cloud optimierten Architektur“, erläutert Oliver Schabenberger, Chief Technology Officer von SAS Institute, die Vorzüge der im April dieses Jahres vorgestellten Analytics-Plattform. (Bild: © Gabriele Sandrini)

Produktseitig fährt SAS Institute in Sachen Analyse eine Doppelstrategie: einmal die etablierte Lösung SAS 9, zum anderen die im April dieses Jahres vorgestellte Plattform Viya, deren Vorzüge Oliver Schabenberger, Chief Technology Officer von SAS Institute, in den Vordergrund stellt: „Viya ist offen, skalierbar und arbeitet mit einer für die Cloud optimierten Architektur.“ Offen sei die Lösung nicht nur für Data Scientists und Anwendungsentwickler, sondern auch für Business-Analysten und sogar Gelegenheitsnutzer. Die Offenheit gelte auch für Programmiersprachen von Drittanbietern wie beispielsweise Java oder Python. „Wir haben unsere Schnittstellen offengelegt, sodass Kunden Viya selbst erweitern können“, erläutert Schabenberger.

Dank seiner Service-orientierten Architektur lasse sich Viya nicht nur inhouse, sondern auch in Public- und Private-Cloud-Umgebungen bereitstellen. Unternehmen könnten Code aus verschiedenen Quellen kombinieren und somit in der Analyse unterschiedliche Technologien zusammenführen. Erst im Oktober hatte SAS Institute Viya um eine Open-Source-Schnittstelle erweitert, so dass sich quelloffene Lösungen von Drittanbietern nun einfacher anbinden lassen. Vorhandene SAS-Lösungen ließen sich in der rückwärts kompatiblen Viya-Umgebung ohne jegliche Änderungen weiter nutzen. Durch die Multithread-Architektur von Viya soll sich zudem die Verarbeitungszeit von Big-Data-Analysen von einigen Stunden auf wenige Minuten reduzieren lassen. Weitere Vorteile von Viya seien eine zentralisierte Administration und Governance.

Produktlinien arbeiten im Tandem

Die bisherigen SAS-Lösungen will SAS Institute weiter pflegen. Unternehmen können laut Schabenberger beide Produktlinien parallel nutzen und sogar auf der gleichen Hardware installieren: „Daten aus SAS 9 lassen sich in Viya analysieren. Umgekehrt können Analysten in Viya Modelle erstellen und dann nach SAS 9 exportieren.“ Bereits in zwei Wochen will der Hersteller die Version SAS 9.4 veröffentlichen, das über erweiterte Schnittstellen zu Viya verfügt. Das nächste Release soll im kommenden Jahr folgen.

Predictive Analytics für Landmaschinen

Wie sich Datenanalyse in Business-Erfolge umsetzen lässt, haben auf der Anwenderkonferenz mehrere Unternehmen vorgeführt. So nutzt der Landmaschinenhersteller Claas die Lösungen SAS Visual Analytics und SAS Field Quality Analytics, um Fehlerquellen in seinen Produkten zu erkennen und zu beseitigen. Die beiden SAS-Lösungen analysieren Garantiedaten aus dem SAP-System, um anhand auffälliger Korrelationen Schadensschwerpunkte zu finden. SAS Visual Analytics macht die Ergebnisse im Reporting den Fachabteilungen zugänglich. „Auch Anwender ohne große Statistikkenntnisse können in den Reports Ursachenforschung betreiben“, berichtet Axel Holtkotte, Analytics-Spezialist bei der Claas Service and Parts GmbH.

SAS Visual Analytics löst Microsoft Excel ab

Vor der Einführung von SAS Visual Analytics hatte Claas derartige Auswertungen mit einer selbst erstellten Lösung auf Basis von Microsoft Access und Microsoft Excel abgebildet. Diese Lösung war an ihre Grenzen gekommen, weil die Geschwindigkeit sowie die analytische Tiefe nicht mehr ausreichten. Zudem erforderte die alte Lösung einen hohen manuellen Aufwand. Heute erkenne das System Schadensschwerpunkte selbstständig auf Basis von Korrelationen: „Wir ziehen die Daten am Freitagabend aus dem SAP-System und haben am Montagmorgen die Auswertungen“, erläutert Holtkotte. „Analytics hilft uns, die Produkte zuverlässiger zu machen und gleichzeitig die Wartungskosten zu senken“, berichtet der Claas-Manager. „Darüber hinaus betrachten wir Analytics als wichtigen Schritt auf unserem Weg in Richtung Industrie 4.0 und Predictive Maintenance.

Der Landmaschinenhersteller Claas nutzt SAS Visual Analytics und SAS Field Quality Analytics, um die im SAP-System hinterlegten Daten der Garantiefälle zu auf Schadensschwerpunkte hin zu analysieren. Die Ergebnisse wandern in die Produktentwicklung.
Der Landmaschinenhersteller Claas nutzt SAS Visual Analytics und SAS Field Quality Analytics, um die im SAP-System hinterlegten Daten der Garantiefälle zu auf Schadensschwerpunkte hin zu analysieren. Die Ergebnisse wandern in die Produktentwicklung. (Bild: Claas)

Um die Fehlersuche zu verfeinern, will Claas künftig Telemetrie- und Diagnosedaten aus den Landmaschinen abgreifen. Bis zur kompletten Umsetzung von Predictive Maintenance sind laut Holtkotte allerdings noch Hindernisse außerhalb der Analysesysteme zu überwinden: „Wenn wir Ersatzteile an die Kunden verschicken wollen, bevor eine Maschine ausfällt, müssen wir uns darauf verlassen können, dass die von den Sensoren ermittelten Betriebs- und Verschleißdaten hundertprozentig korrekt sind.“

Supply Chain Planning steuert den Lebensmittelhandel

Auch Nestlé, einer der größten Lebensmittelhersteller der Welt, fokussiert auf Big Data. Das Unternehmen verkauft täglich weltweit eine Milliarde Produkte von zehntausend Marken. Um sicherzustellen, dass von diesen Produkten im Handel stets die richtige Menge am richtigen Platz verfügbar ist, setzt Nestlé auf Forecasting mit SAS. „Wir wollen unsere Lieferkette so fein wie möglich steuern, um unsere Lagerbestände gering zu halten und gleichzeitig immer lieferbereit zu sein“, berichtet Davis Wu, Global Lead of Demand Planning bei Nestlé.

Die globale Planung in dieser Größenordnung gestalte sich überaus komplex. Es gehe dabei um Produktkategorien, Verkaufsregionen und die Präferenzen der Käufer. Saisonalitäten, Nachfrageschwankungen und Trends sowie die Verderblichkeit vieler Produkte erschweren Produktionsplanung und Logistik. „Unsere Spezialisten im Supply Chain Management kümmern sich um Transportnetzwerke, sie betreiben hocheffiziente Lagerhäuser oder sie erforschen die Präferenzen der Kunden“, berichtet Wu. Bei der Planung gehe es darum, Servicelevels und Versorgungslevels miteinander in Einklang zu bringen. Eine höhere Lagermenge steigere zwar den Anteil vollständiger und pünktlicher Lieferungen, aber dabei würde Kapital gebunden und es leide die Frische von Lebensmitteln. Um proaktiv zu handeln und nicht nur auf Trends zu reagieren, setzt Nestlé auf eine feingliedrige Abstimmung, eine enge Zusammenarbeit mit den Kunden und auf IT-gestützte Prognosen.

SAS Forecast Server prognostiziert die Produktnachfrage

Forecasts lassen sich entweder anhand der Erfahrung eines Planers erstellen oder anhand einer Prognose auf Datenbasis. Statistisches Forecasting sei tendenziell zuverlässiger, so Wu, wenn genügend historische Daten zur Verfügung stünden. Allerdings sich die Zukunft nicht statistisch aus der Vergangenheit ableiten – egal, wie komplex die Modelle dafür sind. „Wie präzise sich die Nachfrage nach einem Produkt vorhersagen lässt, hänge stark von den Schwankungen ab, denen sie unterliegt“, so Wu. „Gerade bei stark schwankender Nachfrage ist die Methodenauswahl und -kombination entscheidend.“

Besonders kompliziert sei die Vorhersage für hochgradig volatile Produkte, die gleichzeitig besonders umsatzstark sind. Nescafé sei ein Beispiel dafür. Das Produkt verkaufe sich übers Jahr relativ gleichmäßig, aber durch Promotionaktionen könne der Absatz massiv in die Höhe schnellen. Bei der Nachfrageprognose für solche Produkte reiche eine einfache statistische Hochrechnung ebenso wenig aus wie das Bauchgefühl eines erfahrenen Planers. Laut Wu lassen sich allerdings die zurückliegenden Schwankungen dann verstehen, wenn man die Geschichte anschaut. Als Messgröße im SAS Forecast Server nutzt der Planer hier den sogenannten Forcecast Value Added. Dieser Wert beschreibt, um wie viel sich die Genauigkeit einer Prognose in einem Schritt des Forecasting-Prozesses verbessert oder umgekehrt: wie sich die Fehlerquote verkleinert.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de/ (ID: 44377442 / Analytics)