Die Big-Data-Analyse ist im Bereich der Spitzentechnologie noch nicht so bekannt, aber sie wird allmählich genutzt. Im Folgenden werden wir Beispiele für die Nutzung der Big-Data-Analyse und ihre Vorzüge vorstellen und insbesondere Beispiele aus dem IoT und der Industrie nennen.
Das Auge der Big-Data-Nutzung
Der Zweck der Analyse von Big Data besteht darin, aus scheinbar ungeordneten und nicht einwandfreien Daten Gesetzmäßigkeiten und Zusammenhänge zu finden. Auf diese Weise versuchen wir, den Umsatz zu steigern und die betriebliche Effizienz zu verbessern, indem wir neue Erkenntnisse gewinnen.
Entscheidungen, die auf menschlicher Erfahrung und Intuition beruhen, sind in hohem Maße unsicher und werden getroffen, wenn sie getroffen werden, aber sie fallen oft aus. Außerdem dauert es lange, bis man die Intuition hat, um Entscheidungen zu treffen. Da die Kundenbedürfnisse immer vielfältiger werden und der Markt sich immer schneller verändert, ist es sehr wahrscheinlich, dass die über viele Jahre hinweg erworbene Erfahrung und Intuition nicht in kurzer Zeit weitergegeben werden kann. In dieser Situation ist es notwendig, durch die Analyse großer Datenmengen ohne menschliche Hilfe schnell neue Erkenntnisse zu gewinnen.
Darüber hinaus wird die Big-Data-Analyse als nützlich angesehen, um Gesetzmäßigkeiten und einige Trends zu erfassen, die auf menschlichen Vorlieben und Empfindungen beruhen, die zuvor schwer zu quantifizieren waren. Dies bedeutet, dass neue Erkenntnisse aus Daten gewonnen werden können, die bisher von der Schwierigkeit der Beantwortung ausgeschlossen waren.
Beispiele für die Verwendung bekannter Big-Data-Analysen
Werfen wir einen Blick auf reale Anwendungsfälle von Big Data.
Produktpräsentation an Verkaufsautomaten
Produktdisplays werden oft als gutes Beispiel für die Schaffung von Gesetzen aus der Big-Data-Analyse verwendet. Bei einem Getränkehersteller änderten wir die Produktanzeige eines “Z-förmigen” Automaten, der die meistverkauften Produkte von oben anordnete, was bis dahin üblich war, so dass die Produkte, auf die wir uns konzentrierten, unten platziert wurden. Diese Erkenntnis ergab sich aus der Installation einer Eye-Tracking-Kamera (Blickbewegungskamera), die die Blickrichtung in einem Verkaufsautomaten erfasst, und der Analyse von Big Data, der so genannten “Blickrichtung des Käufers”. Als Ergebnis erzielte das Unternehmen eine Umsatzsteigerung von mehreren Prozent.
Viele Verkaufsautomaten stellen Produktmuster höher als die Käufer aus. Das liegt daran, dass sie oft auf einem Betonsockel befestigt sind, um Stürze bei Erdbeben zu verhindern. Sicherlich ist es naheliegend zu sagen, dass es einfacher ist, in dieser Position etwas niedriger als die Höhe der Augen zu sehen. Aber Ideen, die die Gewohnheit, die bereits als gesunder Menschenverstand gilt, umstoßen, wie die Anzeige der “Z-Form”, sind für den Menschen allein schwer zu verwirklichen.
Nachfrageschwankungen zu verstehen und für den Einkauf und die Produktentwicklung zu nutzen
Eine der repräsentativen Anwendungen der Big-Data-Analyse ist die Nachfrageprognose. In einer Sushi-Kette mit Fließband sind an den Tellern Piktogramme angebracht, um herauszufinden, welche Gerichte wie viel verkauft wurden. Wenn der Angestellte das Lesegerät zum Zeitpunkt der Abrechnung über den Teller hält, können die Daten sofort erfasst werden. Diese Daten belaufen sich auf mehrere hundert Millionen pro Jahr, und durch die Analyse solcher Big Data können wir Umsatz- und saisonale Nachfrageschwankungen erfassen und sie für die Anpassung des Einkaufsvolumens und die Produktentwicklung nutzen.
Analysieren von Kundentrends für Managemententscheidungen
In einigen Fällen wird es zur Verkaufsanalyse und Bestandsverwaltung in Lebensmittelgeschäften eingesetzt. Ein Lebensmittelgeschäft stellte fest, dass 60 % der Verkäufe eines bestimmten Produkts von nur 10 % der Vielnutzer unterstützt wurden. Diese Erkenntnis wurde durch die Analyse von Big-Data-Informationen über die Abrechnung von elektronischem Geld gewonnen. Dieser Convenience Store verkauft weiterhin bestimmte Produkte, weil er feststellt, dass sie einen begeisterten Fan haben.
Eine wichtige Einnahmequelle für Convenience Stores ist “next to buy”, das zusammen mit dem gewünschten Produkt gekauft wird. Selbst wenn ein Produkt, das auf den ersten Blick scheint zu haben, um den Umsatz aufgrund von Umsatzwachstum zu beenden, können Sie einen neuen Wert als ein wichtiges Produkt, das zur Gewinnung von Kunden durch das Wissen, dass Sie begeisterte Fans haben führt zu finden.
Menschliche Sinne auch als Big Data entschlüsselt
Auf einer Website für den Verkauf von Unterwäsche ist es uns gelungen, leicht unterschiedliche Größenvariationen bei Unterwäscheherstellern zu quantifizieren, indem wir die zurückgegebene Unterwäsche und Kundeninformationen mit Big Data analysiert haben. Dies führte zu einem System, in dem, wenn ein Käufer seine Größe eingibt, nur Produkte des Herstellers angezeigt werden, die dieser Größe entsprechen.
Man kann sagen, dass dies in der Lage war, Big Data über die Passform und den Komfort von Unterwäsche bei verschiedenen Menschen zu analysieren und jedem Kunden die besten Produkte zu präsentieren. Da die Passform und der Tragekomfort von Unterwäsche zu den menschlichen Sinnen und Empfindungen gehören, gilt es als schwierig, diese Informationen generell zu quantifizieren, aber je nach Einfallsreichtum können sie auch als Big Data analysiert werden.
Beispiele für den Einsatz von Big-Data-Analysen in der Industrie und im IoT-Bereich
Werfen wir einen Blick auf Anwendungsbeispiele in den Bereichen Industrie und IoT.
Erfassung und Vorhersage der Straßenverhältnisse in Echtzeit
Es gibt einen Fall, in dem die Verkehrsinformationen analysiert werden, indem das Auto mit einer Kommunikationsfunktion ausgestattet wird. Durch das Sammeln von Fahrdaten mit einem Auto mit Kommunikationsfunktionen, einem so genannten Connected Car, und deren Analyse mit Big Data ist es möglich, Stau- und Unfallinformationen zu erhalten. Diese Daten können genutzt werden, um Staus zu vermeiden und Unfälle zu verhindern.
Als Mechanismus wird festgestellt, dass es keinen Stau gibt, wenn die Umdrehungsgeschwindigkeit zunimmt oder konstant bleibt, indem erfasst wird, wie viele Umdrehungen der Reifen pro Sekunde gemacht hat. Mit anderen Worten: Die Straßensituation wird anhand der Änderung der Fahrzeuggeschwindigkeit beurteilt. Durch die Installation eines GPS-Empfängers im Auto, die Erfassung der Positionsdaten und die Durchführung einer Big-Data-Analyse in Verbindung mit der Änderung der individuellen Fahrzeuggeschwindigkeit kann außerdem festgestellt werden, wie viel Stau in welcher Region auftritt oder wahrscheinlich auftreten wird. Da sich in diesem Fall die Informationen aus dem Auto von Moment zu Moment in Echtzeit ändern, ist für die Big-Data-Analyse eine Echtzeitverarbeitung erforderlich.
Effizienter Schiffsbetrieb
Ebenso gibt es Fälle, in denen der Betrieb von Schiffen durch die Analyse von Big Data aus der Sensorik rationalisiert wurde. Eine Handelsreederei bringt Sensoren an Schiffen an, um die Motordrehzahl, die Fahrgeschwindigkeit und die Geschwindigkeit der Meeresströmung zu erfassen. Es ist uns gelungen, diese Daten als Big Data zu analysieren und einen optimalen Flugplan zu erstellen. Als wir tatsächlich nach diesem Plan geflogen sind, konnten wir den Kraftstoffverbrauch um 10 % senken. Aus der Sicht der Allgemeinheit scheinen 10 % keine große Sache zu sein, aber Handelsschifffahrtsunternehmen betreiben eine große Anzahl von Schiffen, und es gibt viele Fälle, in denen die Reise zu einem Zeitpunkt lang ist. Bei 10 % dieser Ergebnisse kann man davon ausgehen, dass es sich um eine erhebliche Kostenreduzierung handelt.
Tribut an die Optimierung des Bergbaus
In einigen Fällen trägt es zum effizienten Betrieb von Baumaschinen wie Schaufelwagen und Planierraupen bei. Die Baumaschinen eines Baumaschinenherstellers sind mit IoT-kompatiblen Sensoren ausgestattet. Durch die Verwendung dieser Sensoren zur Überwachung von Standortinformationen und Betriebsstatus sowie zur Durchführung von Big-Data-Analysen in Echtzeit können die Betriebseffizienz verbessert und Ausfälle vorhergesagt werden. Dies ist vor allem beim Abbau in überseeischen Bergwerken nützlich. Überseebergwerke haben oft einen sehr großen Abbaubereich, und es ist notwendig, die kürzestmögliche Strecke zu wählen und weniger häufig leere Lasten zu transportieren. Daher wird die Optimierung des Abbaus durch die Erfassung der Startzeit des Motors, der Fahrstrecke, der Fahrtrichtung usw. und die Analyse dieser Big Data realisiert.
Die Analyse von Big Data wird stärker auf Echtzeit ausgerichtet sein
Oben haben wir Beispiele dafür gesehen, wie die Big-Data-Analyse eingesetzt werden kann. Wie Sie aus diesen Beispielen ersehen können, wird die Notwendigkeit, Big-Data-Analysen in Echtzeit durchzuführen, immer mehr zunehmen. Edge computing Der Einsatz von Big Data in Echtzeit ist wahrscheinlich sehr kompatibel in Bezug auf die Geschwindigkeit, vor allem für Anwendungen, die Geschwindigkeit im Produktionsbereich erfordern. Wenn Sie über Big-Data-Analysen in diesem Produktionsbereich nachdenken, ist die Einführung von edge computing ebenfalls eine Option.
