Die Bedeutung von Data Fabrics – und wie sie Lieferketten zugute kommen

Hersteller balancieren ständig ein komplexes Funktionsgeflecht aus, das Produktinnovation, Engineering, Planung, Produktion und Logistik umfasst. Diese stark vernetzten Prozesse erstrecken sich über die gesamte Organisation und ihre Partner und verursachen Datenlücken, Informationslatenzen und Barrieren, die komplexe Verbindungen zwischen Betrieben und Bestandteilen schaffen.

Das vergangene Jahr der Störungen brachte viele globale Lieferketten an den Rand. Schuld daran waren schlechte Datenstrategien, da sie die Lieferkette als starres System behandelten, während es sich in Wirklichkeit um ein komplexes Netzwerk von Akteuren handelt, die synchron sein müssen, um sich schnell an Veränderungen anzupassen. Da die Verbrauchernachfrage für unzählige Produkte während der Pandemie ein Allzeithoch erreichte, verzögerten die Datenlatenzen von Quellsystemen die Reaktionen, die es vielen Herstellern und Lieferanten unmöglich machten, auf das sich ändernde Marktumfeld zu reagieren.

Herkömmliche Datenmanagementsysteme funktionierten gut, als Supply-Chain-Experten mehr Zeit zur Anpassung hatten und die Unternehmensdatenlandschaft einheitlicher, strukturierter und einfacher war. Aber die Welt ist jetzt eine andere. Lieferkettendaten müssen wiederverwendbar sein, was mit herkömmlichen Ansätzen nicht möglich ist, da sie nicht wiederholbare Datenextraktionen zur Problemidentifikation und zum Lösen von Gleichungen erfordern. Schlimmer noch, das Aufkommen des Internets der Dinge (IoT), die Zunahme unstrukturierter Datenmengen, die zunehmende Relevanz externer Datenquellen und der Trend zu hybriden Multi-Cloud-Umgebungen sind Hindernisse für die Erfüllung jeder neuen Datenanforderung.

Die alte Datenstrategie, die sich auf relationale Datensysteme konzentrierte, ist grundlegend gebrochen, aber wie können Hersteller von einer reaktiven zu einer responsiven Datenstrategie wechseln? Um Informationsverzögerungen zu überwinden, wenden Hersteller neue Technologieansätze wie Data Fabrics an, um ein digitalisiertes Liefernetzwerk zu schaffen, das die Daten auf ihrem Weg entlang der Lieferkette und die Beziehungen, die die Arbeitsabläufe definieren, genau abbildet. Enterprise Data Fabrics verweben Daten aus internen Silos und externen Quellen und schaffen ein Informationsnetzwerk für Geschäftsanwendungen, künstliche Intelligenz und Analysen.

Diese digitale Darstellung unterstützt die gesamte Bandbreite des heutigen komplexen und vernetzten Unternehmens und umfasst alle Prozesse, Produkte, Personen, Partner, Richtlinien und Datenquellen von Drittanbietern, die im Liefernetzwerk vertreten sind, um einen klaren Überblick über die Wertschöpfungskette zu bieten. Mit dieser Transparenz können Hersteller Auswirkungs- und Ursachenanalysen erstellen, verteilte Hierarchien verwalten und Just-in-Time-Entscheidungen treffen, indem sie Echtzeit- und loT-Daten nutzen.

Data Fabrics bieten Datenexperten die Möglichkeit, eine zusammensetzbare, maschinenverständliche Darstellung der wichtigsten Entitäten und Beziehungen sowie der Geschäftslogik und -regeln zu erstellen, die das Geschäft steuern. Im Gegensatz zu älteren Datenintegrationstechniken sind Data Fabrics ausdrucksstark und ermöglichen es Herstellern, Fragen zu stellen und die realen Auswirkungen, Konsequenzen und Eigenschaften bestimmter Aktionen zu beschreiben. Das Fabric ist erweiterbar und für alle Anwendungsfälle/Funktionen wiederverwendbar, und es ist einfach zu warten und bei Bedarf auf Partner zu erweitern.

Ergebnisse in der Lieferkette steigern

Um Geschäftswert im Unternehmen zu schaffen, müssen Hersteller in der Lage sein, alle wichtigen Daten zu verknüpfen. Data Fabrics verändern den Status Quo, indem sie Bedeutungen, nicht nur Daten, im gesamten Unternehmen bereitstellen. Diese Bedeutung wird aus vielen Quellen verwoben:Daten und Metadaten, interne und externe Quellen sowie Cloud- und On-Premise-Systeme. Die Bedeutung wird innerhalb des Datenmodells erfasst, wobei der gesamte Kontext zu jedem Datenbestand vollständig vorhanden und in maschinenverständlicher Form verfügbar ist. Mit einer Datenstruktur können Menschen und Algorithmen bessere Entscheidungen treffen und gleichzeitig die Wahrscheinlichkeit und das Risiko eines Datenmissbrauchs oder einer Fehlinterpretation verringern. Genauer gesagt helfen Data Fabrics Herstellern:

• Verbessern Sie die Nachfrageerkennung. Für Hersteller ist es von entscheidender Bedeutung, die Zeitverzögerung zu schließen, um aufkommende Anforderungen zu erfüllen; Aufgrund der Datenlatenz und der Unfähigkeit, Verbindungen zwischen sozialen Medien und POS-Daten zu finden, ist die Bedarfserkennung jedoch schwierig. Data Fabrics schließen diese Lücken, ohne bestehende ERP- oder Bedarfsprognoselösungen neu verkabeln zu müssen.

Erkenntnisse können an Führungskräfte der Bedarfsplanung geliefert werden, die sie zur Verbesserung der Geschäftsplanung nutzen können.

• Vorgänge verbinden. Die hohe Nachfragevolatilität hat Auswirkungen auf Hersteller, die die Betriebsleistung, Produktverfügbarkeit und Trends, die sich auf den Ertrag auswirken, schnell verstehen müssen. Leider sind mehrere MES- oder Shopfloor-Betriebssysteme nicht in der Lage, Kompromisse in Echtzeit-Szenarien bezüglich der Lieferverfügbarkeit zu erkennen und zu unterstützen.

Mit Hilfe von Data Fabrics können Hersteller alle Lieferänderungen erkennen und die erforderlichen Anpassungen vornehmen, ohne zusätzliche Data Lake-Silos oder Betriebsunterstützungs-/Beschaffungsanalystenkosten zu übernehmen.

• Bereitstellen einer Ursachenanalyse von Kundenbeschwerden. Kundenreklamationen aufgrund von Produktfehlern können eine Reihe von Folgebewertungen auslösen. Was war die Fehlerquelle? Welche anderen Kunden waren betroffen? Ist hierfür ein Rückruf erforderlich? Data Fabrics ermöglichen es Herstellern, eine Kundenreklamation über ein fehlerhaftes Produkt bis hin zu den Rohstoffen zurückzuverfolgen und die Beziehungen zwischen Fertigwaren und Rohstoffen leicht zu vergleichen.

Da diese Rohstoffe von mehreren Produktionsstandorten produziert werden und von verschiedenen Lieferanten unterschiedliche Namen haben können, ermöglichen Data Fabrics die Rückverfolgbarkeit über Kunde, Fertigung, Außendienst, Produkt und andere hinweg Daten andere Domänen. Dies ermöglicht es Herstellern, das volle Ausmaß der Situation zu sehen, damit sie angemessen handeln und die Ursachenanalyse von Kundenbeschwerden kostengünstig verwalten können.

• Erstellen Sie einen digitalen Zwilling der Lieferkette. Der digitale Supply-Chain-Zwilling erfordert Predictive Analytics, ein Modell zur Verbindung von Quelldaten und natürlich die Quelldaten selbst (z. Ein digitaler Zwilling muss Hunderte Millionen Beziehungen abbilden können. Eine Datenstruktur mit den komplexen Geschäftslogikfunktionen semantischer Graphen und der Fähigkeit, unterschiedliche Daten darzustellen, bietet Herstellern eine automatisierte Kontrolle, die es ihnen ermöglicht, Geschäftsregeln zu verwalten, die komplexe Logik und situationsbezogene Entscheidungen verarbeiten können.

Data Fabrics gewinnen weiterhin an Aufmerksamkeit für ihre Fähigkeit, bestehende Datenmanagementsysteme zusammenzufügen und dabei alle verbundenen Anwendungen und Benutzer zu bereichern. Sie gelten als der nächste Schritt nach vorne im Bereich des Datenmanagements – sie unterstützen die gesamte Bandbreite der immer komplexer werdenden, vernetzten Unternehmen von heute.

Rob Harris ist Vice President of Solutions bei Stardog, einem Anbieter von Enterprise Knowledge Graph (EKG)-Plattformen.