Hoe IIoT-gegevens de winstgevendheid van lean manufacturing kunnen stimuleren

IIoT (Industrial Internet of Things) heeft een nieuw tijdperk van efficiëntie en intelligentie ingeluid voor de maakindustrie. Ondernemingen genereren nu een zee van operationele gegevens, die, indien gecombineerd met andere gegevensinvoer en ingezet via nieuwe prijstechnologieën, de impact op de winstgevendheid van zowel lean manufacturing als de algehele bedrijfsvoering kunnen vergroten, zegt Patrick Moorhead, chief marketing officer, Pricefx AG .

Klassiek is de top-down marsorder van het senior management altijd:"Ga meer verkopen." Natuurlijk is iedereen het erover eens dat ze meer omzet willen, behalve dat meer omzet niet noodzakelijkerwijs meer winstgevendheid oplevert (het echte doel). Een opkomende reeks nieuwe technologieën die gebruikmaken van ML (machine learning), AI (kunstmatige intelligentie), visuele CPQ (Configure Price Quote) en op CAD gebaseerde digitale marketing stellen organisaties in staat gebruik te maken van groeiende databronnen om meer winstgevende verkopen te realiseren.

Dit soort datagestuurde prijsstellingsoplossingen zijn van oudsher extreem dure proposities (multi-miljoen dollar, meerjarige investeringen). De nieuwe generatie cloudgebaseerde prijstechnologie zorgt voor incrementele en efficiënte acceptatie onder SaaS-bedrijfsmodellen (Software as a Service). De dagen van on-premise hardware-installaties met zeven of acht cijfers en implementatietijdlijnen van meer dan 12 maanden zijn allang voorbij.

SaaS-prijsoptimalisatieplatforms zoals Pricefx bieden een oplossing voor op winst gebaseerde fabrikanten die de mogelijkheid zien om gebruik te maken van unieke IIoT-gegevensbronnen. Dergelijke platforms maximaliseren de marge en winstgevendheid met behoud van een beheersbare en zeer efficiënte OpEx-investeringsstrategie om de doelen te bereiken.

Er blijft zoveel geld op tafel liggen omdat fabrikanten en vertegenwoordigers "prijs per buik" of tribale kennis en aannames van wat de klant bereid is te betalen. Deze veronderstellingen zijn vaak verkeerd, maar worden zelden getest. Door gebruik te maken van prijsoptimalisatie bepaalt een objectieve en onbevooroordeelde wiskundige analyse hoe klanten via verschillende kanalen zullen reageren op verschillende prijzen voor producten en diensten. Het bepaalt ook hoe de winstgevendheid kan worden gemaximaliseerd.

Procesweerstand tegen prijsoptimalisatie moet worden verwacht, aangezien de prijsautoriteit momenteel in verschillende zakken zit bij veel ondernemingen. Net als bij een Lean Six Sigma-implementatie, zullen er tegenstanders zijn die de status-quo willen behouden. Ze moeten bij dit gesprek betrokken worden en hun zorgen moeten begrijpen en prioriteit krijgen; ze kunnen voorvechters van prijsoptimalisatie worden als ze de positieve effecten begrijpen en uit de eerste hand zien.

De IIoT-gegevens die worden gebruikt bij prijsoptimalisatie zijn al toegankelijk voor middelgrote en grotere productiebedrijven. De gegevens die op verschillende punten zijn verzameld, bieden de mogelijkheid om op nieuwe manieren te prijzen. Fabrikanten kunnen prijzen op basis van verbruik in realtime, rekening houden met voorraad om prijsveranderingen te stimuleren, of zelfs prijzen aanpassen aan verschillende delen van de dag, rekening houdend met de gebruikscapaciteit in een fabriek, elektriciteitsnet of andere netwerken. Door deze gegevens uit sensoren, contracten, enquêtes, transactiegegevens te halen, bedrijfskosten in rekening te brengen, wordt waarde toegevoegd die uit big data wordt gehaald.

Voeg meer informatie toe van concurrentie, economische indicatoren, promotiesucces en -mislukkingen, en seizoensgebonden omstandigheden, er is veel geleerd dat kan worden gebruikt om prijzen, promoties en winstgevendheid te optimaliseren. Vóór de snelle toegang tot gegevensverzameling met IIoT waren er te veel markeringen gedupliceerd, onjuist of ontbraken.

Het opschonen van gegevens en het betrouwbaar verzamelen van ontbrekende gegevens is erg duur en in veel gevallen niet meer nodig. De beschikbaarheid van realtime gegevens van IIoT, gekoppeld aan een dynamisch prijsplatform, geeft bedrijven de mogelijkheid om te reageren op veranderende marktomstandigheden en nieuwe strategieën uit te proberen, te experimenteren en snel te zien of ze werken of niet, in plaats van weken of maanden te wachten om de gegevens terug te krijgen en analyses uit te voeren.

De auteur is Patrick Moorhead, Chief Marketing Officer, Pricefx AG

Over de auteur

Patrick Moorhead heeft een gevarieerde carrière van 20 jaar opgebouwd in de voorhoede van digitale marketing en reclame, met rollen die nationale en wereldwijde leiderschapsposities omvatten bij agentschappen, waaronder Razorfish en FCB , en senior strategische marketing-, verkoop- en klantbeheerverantwoordelijkheden bij Catalina Marketing, Twitter , en meest recent als CMO voor Label Insight, Inc .

Deze diverse en unieke achtergrond is een groot deel van de reden waarom Moorhead ideaal is voor zijn rol als Chief Marketing Officer bij SaaS-start-up Pricefx. In deze rol is hij verantwoordelijk voor alle aspecten van merkmarketing en -communicatie, variërend van public relations en pers, brancherelaties, betaalde media, evenementmarketing, partnerschappen, contentontwikkeling, verkoopberichten en -onderpand, en sociale media.