製造業でデータ分析プロジェクトを開始する方法
データ分析のトピックは、疑問視されているほど誇大宣伝されています。意見の範囲は、「経済の新しい原油としてのデータ」から「分析の結論は100％信頼できるものではない」まで、そしてその間のすべてのニュアンスに及びます。それぞれが独自の方法で真実です。このトピックをよりよく理解できるように、生産の専門家が通常提起するいくつかの繰り返しの質問を収集し、製造分析エンジニア、IT専門家、およびデータサイエンティストと話し合いました。
1。データ分析プロジェクトは、どの組織レベルまたはどの機能で開始する必要がありますか？
最高のレベルや機能はありません。プロジェクトをどこから開始するかは、いくつかの要因によって異なります。
データ分析の概念は、あなたの会社ですでによく理解されていますか？
そうでない場合は、開始するための最良の方法は、専門家と管理者の両方を対象としたデータ分析オリエンテーションワークショップを開催することです。このワークショップの目標は、分析の可能性についての基本的な理解を与え、潜在的なユースケースを特定することです。
経営陣は技術プロセスを（深く）理解していますか？
そうでない場合は、生産現場の専門家による要件ワークショップが最初の選択肢になる可能性があります。出力は通常、原因と結果の図です（以下を参照）。通常、当社のデータ分析チーム（IT、製造、およびデータサイエンスの専門家で構成されています）は、「やり直しとスクラップを区別しますか？」などの詳細な質問をします。最良の場合、真剣な賛同を得るために経営陣を巻き込むことは非常に役立つ可能性があります。
出典：Bosch.IO
データ分析で解決が期待される問題は具体的に定義されていますか？
もしそうなら、あなたは最初に分析ツールを選ぶかもしれません。問題は、「EoLテストの労力が高すぎるため、削減する必要がある」と同じくらい具体的である可能性があります。分析チームは、すぐに本番サイトの専門家と協力して、既存のテスト時間短縮ツールを適用できるかどうか、またはどのようにカスタマイズまたは拡張する必要があるかを判断できます。
2。データ分析プロジェクトではどのような視点を管理する必要がありますか？
ボッシュが実施したUX調査のおかげで、対処する必要のあるプラントの専門家は3種類あり、それぞれがまったく異なる方法で対応する必要があることがわかっています。より多くのビジネスレベル、より多くの技術レベル、またはより多くのデータレベル。
出典：Bosch.IO 懐疑的なタイプ データ分析がもたらすメリットの証拠が必要です。懐疑論者を納得させるには、ROIメカニズムを十分に理解する必要があり、出力、品質、コストに焦点を当てて、これらのメカニズムを結果で迅速に検証できる必要があります。
オープンマインド タイプは物事を最適化する新しい方法に興味があります。使用する方法、特定のアルゴリズムが選択される理由、および結果の予測モデルをライブデータに適用する準備ができている理由を説明することに重点を置く必要があります。
信者 通常、すでにデータ分析に触れており、それがビジネスに違いをもたらす可能性があると考えています。開始するための最良の方法は、CRISP-DM（データマイニングの業界を超えた標準プロセス。下の図を参照）を彼または彼女とデータ分析プロジェクトのチームにすぐに適用することです。
出典：Bosch.IO 私たちの経験では、オリエンテーションワークショップは、一般的に、すべての利害関係者の賛同を得るために非常に役立つことが証明されています。私たちは通常、ビジネス上の質問から始めて、その質問に関連する技術的なプロセスと制約を理解することによって繰り返します。当社のエンジニアは、複雑な回帰分析をメリットとして簡単に伝えることができることをお客様に納得させることができました。
3。データ分析プロジェクトを実施するには、どのような知識が必要ですか？
Stefanie Peitzker
私は地理学を専門とする経営学の大学院の学位を持っています（ドイツ、アウグスブルク大学）。 2003年以来、私はBosch.IO（旧Bosch Software Innovations）で働いています。ビジネスルール管理システムであるVisual Rulesのマーケティングを構築し、世界中の顧客獲得に貢献してきました。 2009年1月以来、私はBosch.IOでマーケティングソリューションチームを運営しています。Bosch.IOは、現在7人のアジャイルチームで構成されており、ソフトウェアソリューションを実際の体験にすることに重点を置いて、顧客のニーズと市場動向について永続的に学習しようとしています。
>データ分析チームは、次の3つの分野で基本的な理解を得る必要があります。
ビジネス： 顧客として、ビジネスの観点からプロジェクトの目的と要件について説明し、この知識をデータ分析の問題の定義に変換できるようにする必要があります。
データ： データの準備、モデリング、評価、および展開–単純なレポート生成から予測モデルのライブ展開まですべて。純粋なデータの理解は、多くの業界で役立つ強固な基盤であることが証明されていますが、製造業に焦点を当てていません。
技術的プロセス： 顧客としてのあなたは、生産バリューチェーン全体の基本的な説明を提供する必要があります。分析が答える質問に応じて、溶接プロセス、レーザープロセス、テスト、または締め付けプロセス。ここで、分析チームは製造分析エンジニアを必要としています。
4。 Manufacturing Analyticsを導入する前に、製造組織はどのような基礎を築く必要がありますか？
一見すると、データの収集と準備は多くの制作専門家にとって課題のように思われます。それらの基礎は、必要に応じてデータを利用できるようにすることです。 「データがありません」は有効な回答ではありません。しかし、それはロケット科学ではありません。分析に必要な量、品質、妥当性の観点からデータを準備するプロセスを通じて顧客をガイドするデータ品質ガイドラインをお勧めします。
出典：Bosch.IO 5。分析を適用するために必要なデータの最小量はどれくらいですか？
経験則として、影響を与える変数ごとに少なくとも15の観測値またはデータセットを用意することをお勧めします。言い換えると、品質指標に対する30のプロセスパラメータの影響を分析するには、少なくとも30 * 15 =450のデータセットが必要です。
もちろん、一般的に言えば、データセットが多いほど良いです。心配しないでください。データセットが増えても、手作業の量が大幅に増えることはありません。さらに、これらはコンピューティング時間にわずかな影響しか与えません。これは通常、適切なデータ分析ITインフラストラクチャでは無視できます。
取得および準備されたデータの量、質、および有効性はプロジェクトの成功に不可欠であるため、プロジェクトのこのフェーズに投資することにはメリットがあります。さらにガイドするために、多くのプロジェクトでの経験を一連のデータ品質ガイドラインにまとめました。お客様はこれらのガイドラインを使用して、データ収集に不要な時間やお金を投資することなく、適切なデータベースを生成します。
6。会社にデータサイエンティストや大規模なITチームがいない場合でも、分析を活用できますか？
これはまさに、プロの分析パートナーがプロジェクトとソリューションの実現を支援するために貢献するものです。有能なチームは、製造エンジニア、IT専門家、およびデータサイエンティストで構成されています。分析ベースのソリューションを開発するには、ビジネス、データ、および技術プロセスを理解する必要があるため、この組み合わせは、無駄のない分析アプローチで問題を解決するための鍵となります。組織にデータサイエンティストを雇う必要はありません。専門のパートナーが、基本的な分析に関するプロジェクト前のワークショップを提示します。ここでは、考えられるユースケースを特定し、開発されたモデルの検証を支援する方法を学びます。次に、この知識をプロジェクト会議に適用して、結果について話し合います。
出典：Bosch.IO 産業技術