Het podium voor succes in de industriële datawetenschap

Op een gegeven moment het meest succesvolle industriële Internet of Things (IoT) initiatieven worden data science-projecten. Aangesloten sensoren op machines en apparaten, gereedschappen, pallets en gefabriceerde artikelen genereren volumes aan datapunten.

Maar het vooruitzicht op zakelijk of operationeel succes hangt niet alleen af ​​van het verzamelen van gegevens, maar van een breed scala aan vaardigheden die zich over de hele organisatie uitstrekken. Het vereist ook het gebruik van die gegevens om transformatie te voeden. Dat kan het bereiken van nieuwe operationele benchmarks zijn of, "in de wereld van vandaag, het creëren van veerkracht en flexibiliteit", zegt Steve Pillsbury, principal bij PwC Consulting.

[ IoT World is het grootste IoT-evenement in Noord-Amerika waar strategen, technologen en uitvoerders verbinding maken, waardoor IoT, AI, 5G en edge in actie komen in verschillende branches. Boek nu je ticket. ]

Zelfs vóór de opkomst van de COVID-19-pandemie was het aansturen van een metamorfose van de industriële datawetenschap voor veel organisaties een uitdaging. Er was een tekort aan datawetenschapsexperts en de concurrentie op het gebied van personeel was hevig. Hoewel veel industriële organisaties digitale innovatieprogramma's hebben gelanceerd, hebben maar weinigen het gewenste investeringsrendement bereikt. Volgens onderzoek van Accenture hebben digitale projecten van 2016 tot 2018 bij bijna 80% van de industriële bedrijven niet het verwachte financiële rendement behaald.

P de organisatie herstellen 

Een van de redenen waarom industriële organisaties worstelen met industriële datawetenschap, is een gebrek aan planning. "De meeste [industriële] bedrijven bevinden zich nu op zijn minst in de pilot- en testfase en bevinden zich in veel gevallen in de aanvraag- en adoptiefase", zei Pillsbury.

Een factor die hen ervan weerhoudt schaal en waarde te bereiken, is een gebrek aan 'knowhow', voegde Pillsbury eraan toe. “Dat betekent niet dat ze noodzakelijkerwijs de verkeerde [technische] vaardigheden hebben of niet genoeg van de juiste vaardigheden. Het betekent ook dat ze de organisatie niet echt hebben voorbereid op het toepassen van de soorten vaardigheden die nodig zijn.” Industriële organisaties moeten hun hele personeel voorlichten over "wat de kunst van het mogelijke is en hoe het te omarmen", zei hij. Dat wil zeggen dat organisaties ook vaardig moeten zijn in culturele transformatie.

Uit het Digital IQ-onderzoek van PwC bleek dat organisaties met de meest succesvolle digitale programma's in verschillende sectoren ze rond hun mensen en cultuur hebben gebouwd. PwC noemde digitale organisaties 'transcenders' en ontdekte dat ze prioriteit gaven aan het opleiden van werknemers en het creëren van een veerkrachtige cultuur.

Binnen een organisatie kan de volwassenheid van gegevens van medewerkers en afdelingen echter aanzienlijk verschillen, constateert Murali Raj, chief information officer bij HIL, een fabrikant van bouwmaterialen. Houd bij het ontwikkelen van een transformatieplan rekening met die variabiliteit en bouw een brede gegevensbasis op, raadde Raj aan. Toen HIL voorspellend onderhoud implementeerde, bouwde het bedrijf een basis om het meeste uit data te halen. "In plaats van ons te concentreren op een kleine productielijn of een paar machines voor voorspellend onderhoud, hebben we ons gericht op het creëren van een digitale, verbonden backbone op de werkvloer", zegt Raj.

H Uman-Centered Design toegepast op processen

Succesvolle industriële organisaties winnen steun van senior en junior medewerkers voor digitale en datawetenschappelijke initiatieven.

Veel organisaties die dergelijke projecten uitvoeren, wijden een team aan digitaal leiderschap en best practices. Zulke mensen van het type 'Center of Excellence' hebben de neiging om technologie en datawetenschap heel goed te begrijpen en hebben een algemeen idee van de waardedrijvers en de probleemstellingen die ze proberen aan te pakken, 'zei Pillsbury. Maar wanneer die experts digitale tools bouwen die anderen kunnen gebruiken, "vinden ze dat mensen ze over het algemeen niet leuk vinden", zei Pillsbury. Eindgebruikers "houden vaak niet van design, de manier waarop [een stukje technologie] werkt, hoe ze ermee moeten communiceren of wat ze met nieuwe informatie moeten doen", voegde hij eraan toe.

Organisaties kunnen werknemersondersteuning krijgen voor datagestuurde digitale tools door tijdens het ontwerp om feedback te vragen, raadt Pillsbury aan. Digitale leiders en dataleiders kunnen ook mensgerichte ontwerpconcepten inzetten voor interne processen, waarbij ze de context van een bepaald probleem bestuderen, evenals de pijnpunten van werknemers voordat ze digitale tools of workflows bedenken om ze aan te pakken.

Ik individuen identificeren om transformatie te leiden

Hoewel culturele transformatie en educatie van vitaal belang zijn, is er geen vervanging voor leiderschap op het gebied van datawetenschap. Hoewel tientallen individuen termen als 'data science', 'artificial intelligence', 'machine learning' aan hun cv hebben toegevoegd, is slechts een op de vier kandidaten experts, volgens Umesh Ramakrishnan, het kantoor van de CEO bij executive search-bureau Kingsley Gate Partners. "Veel van deze [kunstmatige intelligentie]-vaardigheden zijn per definitie nieuw," zei Ramakrishnan. Het zou een rode vlag moeten zijn "als iemand je vertelt dat ze 25 jaar datawetenschapsexpertise hebben."

Bij het interviewen van potentiële leiders op het gebied van datawetenschap, zou het volgens Ramakrishnan 20-30 minuten per persoon moeten kosten om vast te stellen of ze significante kennis hebben. "Veel van deze mensen hebben een basis in wetenschap of techniek gehad die verband houdt met kunstmatige intelligentie, machine learning of datawetenschap", zei Ramakrishnan. "Mensen die in het verleden aan neurale netwerken of deep learning hebben gewerkt en hun voorsprong scherp zijn blijven houden door praktijkervaring of door aanvullende opleiding, zijn degenen die we zien binnenkomen op midden- tot seniorniveau."

Data science-experts die hun expertise met anderen kunnen delen en verandering in de hele organisatie kunnen bewerkstelligen, zijn het meest waardevol. Maar het screenen van kandidaten op strategische vaardigheden is aanzienlijk uitdagender dan het identificeren van discrete technologische expertise, zei Ramakrishnan. "De technologische transformatie binnen een industrie is veel minder moeilijk dan de culturele transformatie van dat bedrijf, vooral als het een legacy-bedrijf is", zei hij.

Industriële organisaties met succesvolle digitale programma's hebben de neiging om een ​​gedeelde visie te hebben binnen het hogere en middenmanagement, evenals het vermogen om "talentenpools en technologische activa op één lijn te brengen met belangrijke bedrijfsfuncties", aldus Accenture. Leiders op het gebied van datawetenschap kunnen helpen om eigenschappen bij te brengen, maar ze moeten uitblinken in communicatie en overtuigingskracht. "Je moet mensen kunnen laten zien waarom het voordelig is voor een persoon op de werkvloer om bijvoorbeeld een iPad in een werkcontext te gebruiken in plaats van een klembord", zei Ramakrishnan. Die persoon moet ook de waarde van technologie aan een werknemer en de waarde voor het bedrijf kunnen uitleggen. "Het vermogen om de doelstellingen van een individu te koppelen aan de missie van het bedrijf is een leiderschapskenmerk dat zeer zelden wordt gezien bij leidinggevenden."

Termen als "kampioen" of "evangelist" doen volgens Ramakrishnan geen recht aan dit vermogen. "Die termen overstijgen de geavanceerde leiderschapskenmerken die nodig zijn", zei hij. Organisaties die proof-of-concept industriële IoT-projecten verplaatsen naar bredere digitale transformatie-initiatieven, hebben meer nodig dan experts op het gebied van industriële datawetenschap die welbespraakt zijn. "Gewoon een goede spreker zijn, kan je een goede evangelist maken", concludeerde Ramakrishnan. "Maar als je geen manier hebt om je evangelisatie om te zetten in daadwerkelijke uitvoering, dan ben je alleen maar een prediker, en dat heb je niet nodig in het vak."