Stort Big Data potentiale i produktionsvirksomheder

Stig Yding Sørensen

Jeg er din kontaktperson

Skriv til mig

Indtast venligst et validt navn
Eller dit telefonnummer
Sender besked
Tak for din besked
Vi beklager

På grund af en teknisk fejl kan din henvendelse desværre ikke modtages i øjeblikket. Du er velkommen til at skrive en mail til Send e-mail eller ringe til +45 72 20 27 04.

Stort Big Data potentiale i produktionsvirksomheder

Uforløst vækstpotentiale. I takt med øget digitalisering og automation i industrien vil fremtidens produktionsvirksomheder generere ufattelige mængder data. Det åbner op for nye innovationsmuligheder knyttet til Big Data. Teknologisk Institut har under indsatsen ’Produktion i Danmark’ kigget på det økonomiske potentiale i anvendelsen af Big Data for SMV’er i fremstillingsindustrien. Der er udsigt til mere effektive produktionsprocesser og bedre bundlinje, men ofte har danske SMV’er ikke kapaciteten til at anvende Big Data.

Øget produktivitet og økonomisk gevinst
Selve dataskabelsen sker i alle led i værdikæden fra eksempelvis sensorer, GPS-anordninger, måleinstrumenter og andre digitale teknologier på produktionsudstyr og i smarte produkter.

Der ligger således økonomiske gevinster og venter på at blive realiseret på tværs af hele værdikæden. Det er lige fra design af nye og bedre produkter, over supply chain-management i forsyningskæden til en forbedret produktionsproces. Fx kan man i produktudviklingsfasen udnytte kunde- og forbrugsdata eller produktionsdata til at designe nye og bedre produkter, som vil minimere produktions- og serviceomkostninger. Der ligger også store potentialer i at skabe en mere lean forsyningskæde, som gør den enkelte virksomhed mere omkostningseffektiv og bedre i stand til at reagere hurtigere på markedsbevægelser. I selve produktionsprocessen handler det hovedsageligt om at bruge Big Data til at forbedre performance og risikostyring.

Figuren nedenfor illustrerer, hvordan produktionsvirksomhederne producerer data som aldrig før.

Mangel på kapacitet og teknologiske kompetencerProduktionsvirksomhederne producerer data som aldrig før.

Når det kommer til den faktiske anvendelse af Big Data, hvor enorme datamængder fra mange forskellige interne og eksterne datakilder håndteres af avanceret software og supercomputere, findes der kun ganske få danske virksomheder, som kan være med.

Ofte har de mindre virksomheder ikke den nødvendige kapacitet og teknologiske kompetencer til at arbejde med Big Data. Derfor er det heller ikke overraskende, at de fleste SMV’er er afventende, når det kommer til at anvende Big Data.

Mens de største virksomheder har mulighed for at implementere hele Big Data-startpakken, følger SMV’erne dog trop ved at implementere udvalgte dele af de kendte Big Data-værktøjer, når det kan skabe en umiddelbar værdi på virksomhedernes bundlinje.

I notatet

  har vi samlet hovedbudskaberne: 

  • Små og mellemstore produktionsvirksomheder har ikke kapaciteten til at udnytte Big Data i stort omfang.
  • Små og mellemstore produktionsvirksomheder anvender elementer af Big Data-værktøjerne, når det kan skabe værdi på bundlinjen her og nu
  • Virksomhedernes tilbageholdenhed må forventes at aftage i takt med, at modne softwareløsninger kan tilbyde Big Data-løsninger, som er tilpasset de små og mellemstore virksomheder, hvad angår pris og funktionalitet.

Eksempler på anvendelse af Big Data i produktionsvirksomheders værdikæde

Eksempler på anvendelse af Big Data i produktionsvirksomheders værdikæde

 I følge internationale studier er datadrevne virksomheder i gennemsnit mere produktive og mere profitable end virksomheder, der slet ikke anvender Big Data. Big Data er blevet en lukrativ forretning, og selv mindre virksomheder står til at vinde meget ved i højere grad at fokusere på datadrevet forretningsudvikling og anvendelse af Big Data-elementer. Eksperter peger ligeledes på, at brugen af Big Data ligefrem kan være nøglen til overlevelse, da man lynhurtigt kan miste konkurrencedygtighed, hvis ens konkurrenter er i stand til at forløse Big Data-potentialet.