business analytics and big data - epub.uni-regensburg.de data_final.pdf · demandforecasting •...

Demand Forecasting • Problem: Nachfrageschwankungen müssen zur Kapazitierung des Wertschöpfungsnetzes rechtzeitig antizipiert werden (sonst: ungenügende Auslastung bzw. entgangener Umsatz) • Ziel: Bessere mittel- und langfristige Kapazitierung des Systems. Supply Chain Event/Risk Management • Problem: Lieferrisiko in globalen Wertschöpfungsnetzen – was passiert, wenn die Schiffsladung aus Asien verspätet eintrifft? • Ziel: Rechtzeitige Veranlassung von Nachbestellungen bei alternativen Lieferanten. Predictive Maintenance • Problem: Maschinenstörungen/-ausfälle führen zu Leerkosten, Wartungskosten, Lieferterminabweichungen, Warteschlangen, … • Ziel: Ermittlung optimaler Zeit- punkte für Wartung/Ölung/Reinigung, um die Anzahl an Störungen und Ausfällen zu minimieren. Live Demo: Supply Chain Monitoring • Problem: Langfristige Planung eines kostenminimalen Distributionsnetzes (Lagerstandorte) • Ziel: Beobachtung der langfristigen Entwicklung der Supply Chain (Kundencluster, -mengen, Bestellfrequenz, Sendungsstruktur etc.) Business Analytics and Big Data Production, Logistics and Supply Chain Management Dr. Florian Kellner, Maximilian A. Lukesch (M. Sc. / MBA) Lehrstuhl für Logistik & Controlling, Fakultät für Wirtschaftswissenschaften Kontakt: [email protected] [email protected] 1. Regensburger Big Data Day , Universität Regensburg 30. Oktober 2018 These Es ist lohnenswert, das Informationsnetz im Wertschöpfungsnetz systematisch zu verdichten. Seine planvolle Nutzung ermöglicht lokale und unternehmensübergreifende Effizienzsteigerungen. Die durch die Verdichtung gesammelten Informationen (Big Data)… • ermöglichen ein höheres Niveau an Transparenz des Wertschöpfungsnetzes. • ermöglichen ein höheres Niveau an Selbstregulierung und Selbstkontrolle der Akteure im Wertschöpfungsnetz (~ Automatisierung). • rationalisieren die Kommunikation der Akteure im Wertschöpfungsnetz. Wie kann das verdichtete Informationsnetz planvoll genutzt werden? (… ein paar Beispiele…) Quellen: Kellner/Lienland/Lukesch (2018), Produktionswirtschaft Bildnachweise: Informationsnetz: Fleisch et al. (2005); Predictive Maintenance: Bartec (2018); Supply Chain Event/Risk Management: Deutscher Wetterdienst (2018), Marine Traffic (2018); Forecasting: Bilder des Lehrstuhls, IATA (2015); Supply Chain Monitoring: Kellner (2018) Business Analytics Descriptive Analytics Sammlung und Akkumulierung von Daten Diagnostic Analytics Ermittlung von Datenmustern Predictive Analytics Prognosen und Szenarienbildung Prescriptive Analytics Optimierung und Entscheidungsunterstützung Big Data Inhalt Objekt- granularität Zeitgranularität Ort Täglich Laufend Stündlich Wertschöpfungskette Abteilung Konzern Werk Produkt Palette Box Klassen-ID Objekt-ID Objektdaten Objekt- umgebungsdaten Container Use Cases

Upload: hoangkhanh

Post on 17-Aug-2019

221 views

Category:

Documents

0 download

Report

Download

Embed Size (px):

TRANSCRIPT

Demand Forecasting• Problem: Nachfrageschwankungen

müssen zur Kapazitierung des Wertschöpfungsnetzes rechtzeitigantizipiert werden (sonst: ungenügende Auslastung bzw. entgangener Umsatz)

• Ziel: Bessere mittel- und langfristigeKapazitierung des Systems.

Supply Chain Event/Risk Management• Problem: Lieferrisiko in globalen Wertschöpfungsnetzen – was

passiert, wenn die Schiffsladung aus Asien verspätet eintrifft?

• Ziel: Rechtzeitige Veranlassung von Nachbestellungen beialternativen Lieferanten.

Predictive Maintenance• Problem: Maschinenstörungen/-ausfälle

führen zu Leerkosten, Wartungskosten, Lieferterminabweichungen, Warteschlangen, …

• Ziel: Ermittlung optimaler Zeit-punkte für Wartung/Ölung/Reinigung, um die Anzahl an Störungen und Ausfällen zu minimieren.

Live Demo: Supply Chain Monitoring• Problem: Langfristige Planung eines kostenminimalen

Distributionsnetzes (Lagerstandorte)

• Ziel: Beobachtung der langfristigen Entwicklung der Supply Chain (Kundencluster, -mengen, Bestellfrequenz, Sendungsstruktur etc.)

Business Analytics and Big DataProduction, Logistics and Supply Chain ManagementDr. Florian Kellner, Maximilian A. Lukesch (M. Sc. / MBA)Lehrstuhl für Logistik & Controlling, Fakultät für Wirtschaftswissenschaften

Kontakt:[email protected]

[email protected]

1. Regensburger Big Data Day , Universität Regensburg30. Oktober 2018

TheseEs ist lohnenswert, das Informationsnetz im Wertschöpfungsnetz systematisch zu verdichten. Seine planvolle Nutzung ermöglicht lokale und unternehmensübergreifende Effizienzsteigerungen. Die durch die Verdichtung gesammelten Informationen (Big Data)…• ermöglichen ein höheres Niveau an Transparenz des Wertschöpfungsnetzes.• ermöglichen ein höheres Niveau an Selbstregulierung und Selbstkontrolle der Akteure im Wertschöpfungsnetz (~ Automatisierung).• rationalisieren die Kommunikation der Akteure im Wertschöpfungsnetz.

Wie kann das verdichtete Informationsnetz planvoll genutzt werden? (… ein paar Beispiele…)

Quellen: Kellner/Lienland/Lukesch (2018), ProduktionswirtschaftBildnachweise: Informationsnetz: Fleisch et al. (2005); Predictive Maintenance: Bartec (2018); Supply Chain Event/Risk Management: Deutscher Wetterdienst (2018), Marine Traffic (2018); Forecasting: Bilder des Lehrstuhls, IATA (2015); Supply Chain Monitoring: Kellner (2018)

Business Analytics

Descriptive Analytics

Sammlung und Akkumulierung von Daten

Diagnostic Analytics

Ermittlung von Datenmustern

Predictive Analytics

Prognosen und Szenarienbildung

Prescriptive Analytics

Optimierung und Entscheidungsunterstützung

Big

DataInhalt Objekt-

granularität