Von M2M-Daten zu wertvollen Informationen.
Geräte, Maschinen und Anlagen werden zunehmend intelligenter und sind in der Lage, verschiedenartige Daten über ihren Zustand und das Umfeld zu generieren. Mittels M2M können die Geräte, Maschinen und Anlagen nicht nur vernetzt und so fernüberwacht oder ferngesteuert, sondern die erzeugten Daten abgerufen und zentral gespeichert werden. Dieser Daten-Pool ist eine wertvolle Basis für die Gewinnung geschäftsrelevanter Informationen.
Bisher wurden Betriebsdaten vor allem für das Monitoring und das Reporting, d.h. überwiegend für die rückschauende Betrachtung bzw. die Darstellung des aktuellen Zustandes genutzt. Im Zuge von Big Data stehen auch im M2M-Umfeld mehr und mehr vorhersagende Analysen (Predictive Analytics) im Vordergrund des Interesses. Dabei werden die Daten auf aussagekräftige Muster und Abhängigkeiten hin analysiert, um mögliche Aussagen über die Zukunft zu treffen.
Anwendungsgebiete
- Vorausschauende Wartung (Predictive Maintenance, Condition Monitoring)
- Fehlerprognosen (Remote Emergency Analysis)
- Weiterentwicklung von Produkten (Product Life Cycle Management)
- Bedarfsprognosen
- Verbrauchsprognosen
Es könnte sich für Sie lohnen – Daten als Produkt
Im Zeitalter der Informationsgesellschaft sind aufbereitete Daten nicht nur für interne Prozesse oder Abrechnungsvorgänge gegenüber dem Kunden interessant. Bei genauer Analyse der M2M-Daten, ggf. in Kombination mit Daten aus anderen Quellen, können vielfach wertvolle Informationen generiert werden, die Kunden als spezielle Dienstleistung verkaufbar sind.
Als Zielgruppen für das Angebot von Daten als Produkt sind sowohl Bestands- als auch Neukunden entscheidend. Die gewonnenen Daten können z. B. für die Etablierung von neuen, bisher noch nicht angebotenen Services verwendet werden. Dadurch erschließen sich für einen Anbieter ggf. vollkommen neue Märkte und Zielgruppen.
In der Landwirtschaft gibt es z. B. Dienstleister, die per M2M-Lösung Daten zum Wasserhaushalt oder zum Pilzbefall von Ackerpflanzen erheben, aufbereiten und per Web Portal als kostenpflichtigen Service erfolgreich vermarkten. Im Bereich Therapiegeräte kann es beispielsweise möglich sein, Trendentwicklungen über Erkrankungen zu identifizieren und den Krankenkassen für die Planung von innovativen Gesundheitsleistungen zur Verfügung zu stellen.
Denken Sie bei „Daten als Produkt“ nicht gleich an aufwendige „Big Data“-Prozesse: Das Auseinandersetzen mit professioneller Data Analytics ist jedoch in jedem Fall lohnenswert.
Professionell Vorgehen
Per M2M einen wertvollen Daten-Pool zu gewinnen, ist nur die halbe Miete. Um daraus aussagekräftige Geschäftsinformationen abzuleiten sowie neue Dienstleistungen und Services für Kunden generieren zu können, kommt es ganz wesentlich auf eine überlegte und systematischen Datenanalyse an. Es bietet sich daher z.B. an, Data Mining gemäß dem CRISP-DM Prozess vorzunehmen.
CRISP-DM steht für CRoss-Industry Standard Process for Data Mining. Dieses branchenübergreifende Prozess-Modell wurde vor einigen Jahren im Rahmen eines EU-Förderprojekts entwickelt.
CRISP-DM Process Diagram
Der CRISP-DM Prozess wird in sechs Phasen unterschieden, wobei diese nicht zwingend einmalig sequentiell nacheinander ablaufen müssen. Häufig muss in einem Data Mining Projekt zwischen den Phasen hin- und her gewechselt werden.
Die Phasen sind:
- Business Understanding (Aufgabenstellung): Festlegung der Ziele und Anforderungen, Ableitung der Aufgabenstellung, Erstellung des Projektplans
- Data Understanding (Verstehen der Daten): Initiale Daten sammeln, Daten beschreiben und untersuchen, Datenqualität prüfen
- Data Preparation (Datenaufbereitung): Datenselektion, Datenbereinigung, neue Daten/Attribute einfügen, Daten zusammenführen und formatieren
- Modeling (Modellierung): Technik wählen, Tests konzipieren, Parameter für Verfahren setzen, Tests durchführen
- Evaluation (Evaluierung): Ergebnisse bewerten, Prozess-Review, Festlegung der nächsten Schritte (z.B. zurück zu vorhergegangenen Phasen)
- Deployment (Bereitstellung): Aufbereitung und Präsentation der finalen Ergebnisse, evtl. Integration des Modells in einen Entscheidungsprozess oder ein Dienstleistungsangebot, Dokumentation
Gerne beraten und unterstützen wir Sie bei der Durchführung von M2M-Datenanalysen.
Für ein erstes Sondierungsgespräch stehen wir jederzeit gerne zur Verfügung.