3 items tagged "Business intelligence technology"

  • Business Intelligence in 3PL: Mining the Value of Data

    data-mining-techniques-create-business-value 1In today’s business world, “information” is a renewable resource and virtually a product in itself. Business intelligence technology enables businesses to capture historical, current and predictive views of their operations, incorporating such functions as reporting, real-time analytics, data and process mining, performance management, predictive analytics, and more. Thus, information in its various forms and locations possesses genuine inherent value.
     
    In the real world of warehousing, the availability of detailed, up-to-the minute information on virtually every item in the operators’ custody, from inbound dock to delivery site, leads to greater efficiency in every area it touches. Logic would offer that greater profitability ensues.
     
    Three areas of 3PL operations seem to be most benefitted through savings opportunities identified through business intelligence solutions: labor, inventory, and analytics.
    In the first case, business intelligence tools can help determine the best use of the workforce, monitoring its activity in order to assure maximum effective deployment. The result: potentially major jumps in efficiency, dramatic reductions in downtime, and healthy increases in productivity and billable labor.
     
    In terms of inventory management, the metrics obtainable through business intelligence can stem inventory inaccuracies that would have resulted in thousands of dollars in annual losses, while also reducing write-offs.
     
    Analytics through business intelligence tools can also accelerate the availability of information, as well as provide the optimal means of presentation relative to the type of user. One such example is the tracking of real-time status of work load by room or warehouse areas; supervisors can leverage real-time data to re-assign resources to where they are needed in order to balance workloads and meet shipping times. A well-conceived business intelligence tool can locate and report on a single item within seconds and a couple of clicks.
     
    Extending the Value
    The value of business intelligence tools is definitely not confined to the product storage areas.
     
    With automatically analyzed information available in a dashboard presentation, users – whether in the office or on the warehouse floor – can view the results of their queries/searches in a variety of selectable formats, choosing the presentation based on its usefulness for a given purpose. Examples:
    • Status checks can help identify operational choke points, such as if/when/where an order has been held up too long; if carrier wait-times are too long; and/or if certain employees have been inactive for too long.
    • Order fulfillment dashboards can monitor orders as they progress through the picking, staging and loading processes, while also identifying problem areas in case of stalled processes.
    • Supervisors walking the floor with handheld devices can both encourage team performance and, at the same time, help assure efficient dock-side activity. Office and operations management are able to monitor key metrics in real-time, as well as track budget projections against actual performance data.
    • Customer service personnel can call up business intelligence information to assure that service levels are being maintained or, if not, institute measures to restore them.
    • And beyond the warehouse walls, sales representatives in the field can access mined and interpreted data via mobile devices in order to provide their customers with detailed information on such matters as order fill rates, on-time shipments, sales and order volumes, inventory turnover, and more.
    Thus, well-designed business intelligence tools not only can assemble and process both structured and unstructured information from sources across the logistics enterprise, but can deliver it “intelligently” – that is, optimized for the person(s) consuming it. These might include frontline operators (warehouse and clerical personnel), front line management (supervisors and managers), and executives.
     
    The Power of Necessity
    Chris Brennan, Director of Innovation at Halls Warehouse Corp., South Plainfield N.J., deals with all of these issues as he helps manage the information environment for the company’s eight facilities. Moreover, as president of the HighJump 3PL User Group, he strives to foster collective industry efforts to cope with the trends and issues of the information age as it applies to warehousing and distribution.
     
    “Even as little as 25 years ago, business intelligence was a completely different art,” Brennan has noted. “The tools of the trade were essentially networks of relationships through which members kept each other apprised of trends and happenings. Still today, the power of mutual benefit drives information flow, but now the enormous volume of data available to provide intelligence and drive decision making forces the question: Where do I begin?”
     
    Brennan has taken a leading role in answering his own question, drawing on the experience and insights of peers as well as the support of HighJump’s Enterprise 3PL division to bring Big Data down to size:
     
    “Business intelligence isn’t just about gathering the data,” he noted, “it’s about getting a group of people with varying levels of background and comfort to understand the data and act upon it. Some managers can glance at a dashboard and glean everything they need to know, but others may recoil at a large amount of data. An ideal BI solution has to relay information to a diverse group of people and present challenges for them to think through.”
     
    source: logisticviewpoints.com, December 6, 2016
  • Leveraging operational intelligence to proactive insights

    operational intelligenceEarlier i discussed the way technology and its adoption are shifting within organizations. Now, business intelligence (BI) and analytics are much more flexible and can adapt to a variety of business needs beyond simple reporting, dashboards, advanced analytics, etc. Storage options, the Internet of Things (IoT), operational insights, artificial intelligence (AI), and predictive analytics are being adopted by organizations to complement their traditional BI implementations.

    Taking advantage of what the market has to offer can make the difference between being able to align analytics to quantifiable business value and simply delivering traditional reporting and dashboards to a series of end users. The potential to drive operations and create competitive advantage remains limited with the more traditional approach.

    The Shift in BI Infrastructures and Data Access

    Before organizations consider changing the way they address BI and analytics, they need to educate themselves about where technology is headed within the market. For instance, the role of traditional data warehouses is no longer essential to BI and analytics deployments within certain use cases. Some companies have adopted big data infrastructures as a centralized data store while others look to real-time data streaming to support operational visibility. A good example is the use of sensors for quality control or worker safety.

    Taking advantage of the right technology for the right use case requires an understanding of the following:

    1. Technology: Understanding innovation and how current and emerging technologies will affect a particular industry is important when evaluating solutions. Some organizations focus on deploying a set of dashboards or a self-service portal to access their analytics, but overlook the data management requirements that will actually support the types of analytics required.

    Technology adoption should be directly tied to the desired outcomes. With all of the messaging in the market, identifying the right set of software or the right infrastructure to support advanced analytics can be a challenge. Although traditional reporting and analytics will always provide value due to visibility into trends, BI infrastructures moving forward need to take into account both traditional and operational analytics. This means ensuring right-time access to data and leveraging technologies that can be flexible enough to shift with the changing needs of an organization.

    The ability to leverage IoT data or create predictive models are only two areas that are becoming more important. Making sure that business and technology considerations take into account both current and potential future requirements will make it easier for organizations to mature and broaden their analytics use as their needs expand.
       
    2. Industry and competitive factors: It is not always easy to anticipate future challenges or industry direction. At the same time, it is possible to research what competitors are doing, understand market trends, and make sure that the technologies selected take into account these trends and can meet these needs. Understanding the competition and what competitive and environmental factors may affect the business can help organizations hone in on what type of solutions they require and the type of analytics that will best meet their needs.

    Author: Linday Wise (Information Builders)

  • SAS Data Science en Analytics Day coming up!

    Artificial Intelligence (AI) is een onderwerp dat bij veel bedrijven op de agenda staat, maar concrete toepassingen staan vaak nog in de kinderschoenen. Tijdens de sessie 'Innovate with Analytics' zijn veel verschillende toepassingen van Artificial Intelligenc in de praktijk voorbijgekomen. Het werd zelfs duidelijk dat AI grote relevantie kan hebben voor de edele voetbalsport. Al doet bijgaande illustratie vermoeden dat de Nederlandse voetbalgoeroe Cruijff daar zo zijn vragen bij heeft. Bent u nieuwsgierig naar nog meer toepassingen? kom dan op 31 mei naar de SAS Data Science & Analytics Day en hoor alles over de laatste ontwikkelingen en trends op het gebied van data science en artificial intelligence.

    Als we het over AI hebben, dan is het belangrijk om eerst de definitie scherp voor ogen te hebben, stelt Mark Bakker, data strategist bij SAS. Dikwijls worden afbeeldingen van menselijk ogende robots of de Hollywood-klassieker Terminator gebruikt om AI toe te lichten. Terwijl dit deterministische beeld helemaal niet past bij de AI-toepassingen die tegenwoordig worden ingezet om betere bedrijfsresultaten te behalen. Volgens Bakker is AI: 'the science of training systems to emulate human tasks through learning and automation'. AI is dus geen zelfregulerende robot, maar een hulpmiddel voor menselijk handelen. Juist als de machine het werk beter kan analyseren of uitvoeren dan een mens.

    Natural language & image modelling

    Bakker en veel van zijn collega's proberen machines op een menselijke manier te laten communiceren. Hiervoor leren ze de machine om beelden, geluiden en tekst te begrijpen. Een interessant aandachtsgebied hierbij is de interpretatie van 'natural language'. Voor een machine is tekst altijd ongestructureerde data, terwijl mensen door het toevoegen van leestekens zorgen voor de juiste interpretatie bij de partij waarmee ze willen communiceren. Een machine zou volgens Bakker moeite hebben met de interpretatie van de zin: 'I am really happy, not'. Terwijl een menselijke lezer hierbij snel zal begrijpen dat de schrijver van dit bericht niet gelukkig is.

    Bakker laat ook zien hoe SAS een machine aanleert een kat te herkennen op een afbeelding met 'image modelling'. Op de foto is de schaduw van een kat op de muur te zien. De machine kan in eerste instantie bijvoorbeeld denken dat het om een deurmat gaat. Naast stilstaande beelden is het ook mogelijk om emotie te meten in videobeelden. Via AI bepaalt de machine hoeveel procent positieve emotie waar te nemen is. Natuurlijk, zo beaamt Bakker, is het heel interessant om dieper in dit soort ontwikkelingen te duiken, maar het wordt pas echt bruikbaar als je de opgedane inzichten ook kunt toepassen. Een mooi voorbeeld hiervan is de 'hard hat test'. Door middel van het analyseren van live-videobeelden kan een bedrijf controleren of een medewerker zijn valhelm op heeft. Op deze manier garandeert de organisatie dat er aan de veiligheidseisen op de werkplaats wordt voldaan.

    BallJames

    Een van de sportiefste toepassingen van AI is BallJames. Deze oplossing van het Nederlandse bedrijf SciSports heeft als doel 'to give AI back to football clubs'. De wereldvoetbalbond FIFA verbiedt het gebruik van sensoren op het veld, spelers of bal tijdens wedstrijden. Omdat er bij clubs behoefte is aan accurate, 3D-data registreren veertien camera's voor BallJames alle handelingen van de spelers op verschillende plekken van het voetbalveld. Het bijzondere aan BallJames is dat het een zelflerende oplossing is. Met deep learning algoritmes is het mogelijk om allerlei statistieken te genereren voor zowel de spelers, coaches als scouts. In de Eredivisie is Heracles Almelo de eerste club waar de camera's langs het veld alle activiteiten monitoren.

    The Edge

    De camera's van BallJames genereren per wedstrijd zo'n 1,4 terabyte data per stuk. Door de grote hoeveelheid informatie is het belangrijk direct te weten welke onderdelen je nodig hebt voor de analyse, zodat niet alle verzamelde data verstuurd en bewaard hoeft te worden. Tegenwoordig kan dit zo dicht mogelijk bij de bron, of 'on the edge'. In het voorbeeld van BallJames is de camera 'on the edge', de camera verzamelt en analyseert de dat

    a. Maar ook een sensor op de wiek van een windmolen of een termometer in een afgesloten zeecontainer kan dit beginpunt zijn. Het analyseren van data 'on the edge' heeft veel voordelen, legt Joao Oliveira, Principal Business Solutions Manager Information Management, uit. Zo stelt het bedrijven in staat om proactief te handelen bij bepaalde situaties. Een laser-camera in een winkel kan van elke klant een 'avatar' maken. Bij verdacht gedrag wil de winkelier geen seintje krijgen, maar automatisch de deuren sluiten zodat hij niet achter een mogelijke dief aan hoeft te rennen.

    Direct deployment

    Het is mogelijk om de data direct om te zetten in acties: 'direct deployment on the edge'. Om een 

    bepaalde activiteit of analyse uit te voeren hoeft de data dus niet eerst naar de cloud gestuurd te worden. Dit scheelt organisaties tijd en geld, zegt Oliveira. Stel dat je via analytics in de cloud achterhaalt dat een model van bijvoorbeeld een windmolen-sensor moet worden aangepast, dan zorgt dit voor een tijdelijke stop of vertraging van de processen van de gehele windmolen. Bovendien wil je dit voor een enkele windmolenwiek of een onderdeel daarvan kunnen aanpassen, zonder meerdere windmolens in het park stil te hoeven zetten. Een ander voorbeeld dat Oliveira geeft zijn de zogeheten 'smart containers' op zeeschepen, waarbij de temperatuur in de container real-time gemeten wordt. Tijdens lange zeeroutes is het niet altijd mogelijk - of heel kostbaar - om data naar de cloud te versturen, terwijl het automatisch aanzetten van de airconditioning kan zorgen voor minder bederf van goederen in de container.

    Bron: Analytics today

    https://www.analyticstoday.nl/blog/ai-in-de-praktijk-van-voetbal-data-tot-slimme-sluizen/?utm_source=ATnieuwsbrief2018-week11utm_medium=email&utm_campaign=ATnieuwsbrief2018-week11

     

EasyTagCloud v2.8