Die Kombination von Sensor- und Betriebsdaten gewährleistet die Rentabilität des Lkw-Transports

Ein großes Automobilunternehmen musste Sensor- und Betriebsdaten kombinieren, um überzeugende Angebote, besseren Kundenservice und höhere Rentabilität zu liefern. Das Unternehmen stellt Lastkraftwagen, Busse und Baumaschinen her. Rob Mellor, VP &GM EMEA, WhereScape spricht mit dem Unternehmen über ihre Reise.

Welche Veränderungen in der Lkw-Branche haben Ihre Datenstrategie veranlasst?

Es befindet sich an einem ähnlichen Punkt wie die Autoindustrie in den 1990er Jahren; Der Wettbewerb ist hart, die Margen extrem knapp und der Gewinn wird hauptsächlich durch Zusatzverkäufe erzielt. Für die Autoindustrie waren Zusatzverkäufe Teile; für die Lkw-Industrie bietet es Garantien, Finanzierung, Service und Versicherungen an. Die große Herausforderung für alle Lkw-Unternehmen besteht darin, überzeugende Angebote zu schaffen, die deutlich besser sind als die der Wettbewerber. Unsere Reaktion war die Einführung von Sensoren in unsere Lkw; Wir glauben, dass wir durch das Verständnis der Fahrzeugaktivitäten viel relevantere Angebote erstellen können.

Wie hat der Lkw-Sensor Daten werden zum Kern Ihres Geschäft?

Es ermöglicht uns, jeden Aspekt jedes einzelnen Lkw zu verstehen. Wir können die Komponenten genau überwachen, wo sie gefahren wurden, wie schnell sie gefahren wurden und wie aggressiv sie gefahren wurden. Sensordaten kombiniert mit Betriebsdaten (wie Fabrikat, Modell und Servicehistorie) ermöglichen es uns, ein detailliertes Profil zu erstellen. Durch den Einsatz der richtigen Informationsmanagement-Tools erstellen wir Angebote mit einer hohen statistischen Gewinnchance.

Wir kaufen zum Beispiel Lkw nach Auslaufen von Leasingverträgen zurück und analysieren anhand der Sensordaten das Wertpotenzial. Ein Lkw, der durch das australische Outback gefahren ist, wird nicht die gleiche Lebenserwartung haben wie ein Lkw, der auf europäischen Autobahnen gefahren ist. Anstatt also beide Lkw nach Laufleistung zu verkaufen, können wir sie nach ihrer Lebenserwartung verkaufen. Dadurch erzielen wir beim Lkw mit höherer Lebenserwartung eine deutlich höhere Marge von bis zu 5 %, das entspricht einem Millionenbetrag pro Jahr. Das macht einen großen Unterschied für die Rentabilität.

Die Sensordatenanalyse bedeutet, dass wir wissen, dass ein bestimmtes Teil nach beispielsweise 100.000 km gefährdet ist und ein bestimmter Lkw unter rauen Bedingungen gefahren wird. Wir können vorhersagen, wann eine Wartung erforderlich ist. Wir empfehlen dem Kunden, das Fahrzeug zur Wartung zu bringen. Diese Art von Einblick ermöglicht es uns, Serviceverträge zum Festpreis anzubieten, mit der Garantie, dass es keine Pannen gibt.

Lkw-Käufer interessieren sich für den Kraftstoffverbrauch ihrer Flotten. Anhand von Sensordaten können wir den durchschnittlichen Kraftstoffverbrauch pro Lkw, Fahrt und sogar pro Fahrer berechnen. Diese Informationen zu haben und darauf reagieren zu können – durch Suche nach kostengünstigeren Routen oder Schulung der Fahrer – kann für Flottenbesitzer zu erheblichen Einsparungen führen.

Verwendet die Pose mit Sensordaten eine große technologische Herausforderung für die Organisation?

Es verändert das Spiel komplett. Sensordaten allein sind wertlos; Wir müssen in der Lage sein, es mit Betriebsdaten zu analysieren – und durch Verknüpfung mit seiner Wartungshistorie einen Kontext bereitzustellen.

Diese beiden Datentypen sind völlig unterschiedlich; Sensordaten haben ein hohes Volumen, eine geringe Komplexität und Betriebsdaten sind ein geringes Volumen und eine hohe Komplexität. Wie diese beiden Datentypen zusammenpassen und sie in einem vollständig integrierten Enterprise Data Warehouse (EDW) verwalten, ist nur der Anfang der Herausforderung. Sensoren erstellen große und komplexe Datensätze, sodass es schwierig ist, sie mit der herkömmlichen Datenverarbeitung zu verarbeiten.

Wir brauchten einen schnelleren und agileren Ansatz zur Erfassung, Verarbeitung und Analyse dieser Daten, um die Geschäftsstrategie zu unterstützen. Wir integrieren auch viele andere Arten von Daten, um die Rentabilität zu verbessern; zum Beispiel unstrukturierte Daten wie Wetter-, Verkehrs- und Streikinformationen.

Wie haben Sie diese Herausforderungen gemeistert?

Mit WhereScape haben wir eine agile Analyse- und Datenmanagementstrategie. Sie automatisieren die Planung und den Aufbau von Daten in unserem IBM Netezza Enterprise Data Warehouse (EDW), 10-mal schneller als herkömmliche Methoden. WhereScape ermöglicht es uns, Wert aus den Sensordaten zu ziehen und die Markteinführungszeiten zu verkürzen; wir sind in der Lage, unsere BI-Lösungen schneller als je zuvor bereitzustellen.

WhereScape hilft uns auch bei der Integration all unserer Informationsmanagementsysteme. Wir mussten von unabhängigen Data Marts mit ihren eigenen Modellierungstechniken zu einem vollständig integrierten EDW mit einem einzigen globalen Modellierungsstandard wechseln. Wir sind von einem technischen Ad-hoc-Ansatz zu einem modellgetriebenen Ansatz übergegangen.

Die wichtigsten IT-Vorteile der Verwendung von WhereScape sind die Datenkonsistenz und die Integrität unserer gesamten Datenumgebung – wir haben fünf Standorte, die an derselben EDW arbeiten. Änderungen bei der Systemwartung sind viel schneller und einfacher.

Wir haben eine neue zentrale Informationsmanagement-Umgebung geschaffen, die uns auf der Grundlage einer einzigen Modellierungsmethode eine funktionsübergreifende 360°-Ansicht unserer Daten ermöglicht. EDW ist unser erster konkreter Schritt beim Management von Big Data. Wir werden in der Lage sein, mit größeren Volumina, einer zeitnahen Reaktion sowie einer besseren Rückverfolgbarkeit und Wiederverwendbarkeit auf die neuen Anforderungen der Mischung von Daten aus den verschiedenen Unternehmen zu reagieren.

WhereScape ist zentral für unsere Zukunft und ich freue mich darauf, noch viele Jahre mit ihnen zusammenzuarbeiten.

Der Autor dieses Blogs ist Rob Mellor, VP &GM EMEA von WhereScape