Datenaggregation und prädiktive Analyse
Aufwand: SAP 36 PM, UMAG 48 PM, GW 6 PM
Die Interaktionsdaten und Logistik-Muster, die bei jedem Mitglied der Lieferkette registriert bzw. abgeleitet werden, sind für die globale Optimierung der Lieferkette und für weitere Mitglieder von potentiellem Nutzen. Bei der integrierten Datenanalyse soll aber berücksichtigt werden, dass die Lieferkettemitglieder nicht immer bereit oder rechtlich imstande sind, ihre internen Daten anderen Mitgliedern zur Verfügung zu stellen. Zudem sind für die zeitnahe Gewinnung von geschäftsrelevanten Informationen solche Methoden nötig, die das zu analysierende Datenvolumen reduzieren und zwar ohne erhebliche Qualitätseinbußen. Die zwei Themen werden in diesem Modul durch die Partner SAP, GW und UMAG (Modul-Koordinator) untersucht.
Der Einsatz von RFID-Technologie ermöglicht Daten in nahezu Echtzeit zu lesen. Und das in einer bisher noch nicht bekannten Detailtiefe. Das bedeutet zum Einen, dass wir es mit einem hohen Datenvolumen zu tun haben. Zum Anderen bedeutet es, dass wir mehr Informationen über die einzelnen Prozesse sammeln und auswerten können. Die Analyse dieser Daten kann dazu genutzt werden Prozesse zu optimieren (z.B. zur Identifikation von Anomalien).
RFID bietet in diesem Kontext jedoch noch mehr: Es vereinfacht Prozesse unternehmensübergreifend zu betrachten. Diese Chance kann genutzt werden, um globale Prozesse zu optimieren. Allerdings ist zu beachten, dass eine unternehmensübergreifende Analyse nicht auf Rohdaten basieren kann. Denn kein Unternehmen wird seine Rohdaten freiwillig zur Verfügung stellen. Eine Analyse ist somit nur auf aggregierten Daten möglich! Zu diesem Zweck untersuchen wir in Teilprojekt 5: Welche Anforderungen existieren für Business Intelligence Anwendungen? Wie kann eine unternehmensübergreifende Analyse stattfinden? Wie hoch ist der Informationsverlust durch die Datenaggregation?
Bisher wurde konzeptionell eine Testumgebung entwickelt, die zum Einen dazu dienen soll die BI-Szenarien umzusetzen und zum Anderen die Anforderungen an den IT-Dienstleister zu identifizieren. Dies ist wichtig für die Rahmenbedingungen der Service Level Agreements des IT-Anbieters. Die Testumgebung ermöglicht den Zugriff auf eine umfangreiche Data Mining Bibliothek, unterstützt Datenströme und die Visualisierung von Mustern. Eine Erweiterung um Privacy Preserving Data Mining Algorithmen sowie eine Schnittstelle für die Musterverwaltung ist in Planung und wird in den nächsten Monaten umgesetzt werden.
Bei der Gestaltung der idealtypischen Business-Intelligence Szenarien werden die ersten Erkenntnisse berücksichtigt, die aus dem Teilprojekt 2 zu Logistikdienstleistern und aus dem Teilprojekt 6 zu RFID-basiertem Logistik-Event-Tracking geliefert werden. Die Ergebnisse aus Teilprojekt 5 fließen ebenfalls in diese Teilprojekte zurück. Zusätzlich auch in Teilprojekt 4 bei der Gestaltung des Portfolios für IT-Provider.
Ziel von SAP ist, in Zusammenarbeit mit der UMAG möglichst generische Verfahren, d.h. Algorithmen, zu evaluieren und zu entwickeln, die auf kurzen Zeitskalen geschäftsrelevante Information aus großen (unstrukturierten) Datenmengen bspw. mit Hilfe von effizienten Aggregationstechniken generieren können. Ziel von UMAG ist, das Potential des Integrierten-Data-Mining zu eruieren und zwar durch Privacy-Preserving-Data-Mining Methoden und durch Meta-Mining auf lokalen Muster. Ziel von GW ist, das Potential der integrierten Analyse von RFID-Daten für eine Optimierung der Lieferkette und der lokalen Operationen zu eruieren.