De betekenis van datafabrics - en hoe deze supply chains ten goede komen

Fabrikanten balanceren voortdurend een complex web van functies die productinnovatie, engineering, planning, productie en logistiek omvatten. Deze sterk onderling verbonden processen strekken zich uit over de hele organisatie en haar partners, waardoor hiaten in gegevens, informatielatentie en barrières ontstaan ​​die complexe associaties creëren tussen operaties en onderdelen.

Het afgelopen jaar van verstoringen bracht veel wereldwijde toeleveringsketens op de rand. Slechte datastrategieën waren de boosdoener, omdat ze de toeleveringsketen als een rigide systeem behandelden, terwijl het in werkelijkheid een complex netwerk van actoren is die op elkaar afgestemd moeten zijn om zich snel aan veranderingen aan te passen. Toen de vraag van consumenten naar talloze producten tijdens de pandemie een recordhoogte bereikte, vertraagde de gegevenslatentie van bronsystemen de reacties waardoor veel fabrikanten en leveranciers niet konden reageren op de veranderende marktomgeving.

Traditionele datamanagementsystemen werkten goed toen supply chain-professionals meer tijd hadden om zich aan te passen, en het datalandschap van de onderneming uniformer, gestructureerd en eenvoudig was. Maar de wereld is nu anders. Supply chain-gegevens moeten herbruikbaar zijn, iets wat traditionele benaderingen niet kunnen doen, aangezien ze niet-herhaalbare gegevensextracties vereisen voor probleemidentificatie en voor het oplossen van vergelijkingen. Erger nog, de opkomst van het internet der dingen (IoT), de stijging van het ongestructureerde datavolume, de toenemende relevantie van externe databronnen en de trend naar hybride multi-cloudomgevingen zijn obstakels voor het voldoen aan elk nieuw dataverzoek.

De oude datastrategie waarin relationele datasystemen centraal stonden, is fundamenteel doorbroken, maar hoe kunnen fabrikanten overschakelen van een reactieve naar een responsieve datastrategie? Om informatievertragingen te verhelpen, passen fabrikanten nieuwe technologische benaderingen toe, zoals datafabrics, om een ​​gedigitaliseerd toeleveringsnetwerk te creëren dat nauwkeurig de gegevens weergeeft terwijl deze zich door de toeleveringsketen bewegen en de relaties die bepalen hoe het werk wordt gedaan. Enterprise data fabrics verweven gegevens uit interne silo's en externe bronnen en creëren een netwerk van informatie om zakelijke applicaties, kunstmatige intelligentie en analyses aan te sturen.

Deze digitale representatie ondersteunt de volledige breedte van de complexe en verbonden onderneming van vandaag en omvat alle processen, producten, mensen, partners, beleid en externe gegevensbronnen die in het toeleveringsnetwerk zijn vertegenwoordigd om een ​​duidelijk beeld van de waardeketen te bieden. Met deze zichtbaarheid kunnen fabrikanten impact- en hoofdoorzakenanalyses maken, gedistribueerde hiërarchieën beheren en just-in-time besluitvorming uitvoeren door gebruik te maken van realtime- en lotgegevens.

Datafabrics bieden dataprofessionals de mogelijkheid om een ​​samenstelbare, machine-begrijpelijke weergave te genereren van de belangrijkste entiteiten en relaties, evenals bedrijfslogica en regels die het bedrijf beheersen. In tegenstelling tot oudere technieken voor data-integratie, zijn datafabrics expressief, waardoor fabrikanten vragen kunnen stellen en de real-world effecten, gevolgen en eigenschappen van bepaalde acties kunnen beschrijven. De stof is uitbreidbaar en herbruikbaar voor alle gebruiksscenario's/functies, en is gemakkelijk te onderhouden en indien nodig uit te breiden naar partners.

Stimuleren van supply chain-resultaten

Om bedrijfswaarde binnen de onderneming te creëren, moeten fabrikanten in staat zijn om alle data die er toe doen met elkaar te verbinden. Datafabrics veranderen de status-quo door betekenis te leveren, niet alleen data, aan de hele onderneming. Deze betekenis is verweven met vele bronnen:data en metadata, interne en externe bronnen, en cloud- en on-premise systemen. De betekenis wordt vastgelegd in het datamodel, waarbij alle context op elk data-asset volledig aanwezig en beschikbaar is, in machine-begrijpelijke vorm. Met een datafabric kunnen mensen en algoritmen betere beslissingen nemen en tegelijkertijd de kans op en het risico van datamisbruik of verkeerde interpretatie verkleinen. Meer specifiek helpen datafabrics fabrikanten:

• Verbeter vraagdetectie. Het is van cruciaal belang voor fabrikanten om het tijdsverloop te dichten om aan nieuwe eisen te voldoen; vraagdetectie is echter moeilijk vanwege gegevenslatentie en het onvermogen om verbindingen te vinden tussen alles, van sociale media tot POS-gegevens. Datafabrics verwijderen deze hiaten zonder bestaande ERP- of vraagvoorspellingsoplossingen opnieuw te bedraden.

Inzichten kunnen worden geleverd aan leiders op het gebied van vraagplanning, die dit kunnen gebruiken om de bedrijfsplanning te verbeteren.

• Bewerkingen verbinden. De hoge mate van volatiliteit van de vraag heeft een rimpeleffect op fabrikanten die snel inzicht moeten krijgen in de operationele prestaties, productbeschikbaarheid en trends die van invloed zijn op de opbrengst. Helaas zijn meerdere MES- of werkvloerbesturingssystemen niet in staat realtime-scenario-compromissen rond de beschikbaarheid van leveringen te identificeren en te ondersteunen.

Met behulp van datafabrics kunnen fabrikanten eventuele leveringswijzigingen identificeren en de nodige aanpassingen doorvoeren zonder rekening te houden met extra data lake-silo's of kosten voor operationele ondersteuning/inkoopanalisten.

• Geef een analyse van de hoofdoorzaak van klachten van klanten. Klachten van klanten als gevolg van productdefecten kunnen aanleiding geven tot een hele reeks vervolgbeoordelingen. Wat was de oorzaak van het defect? Welke andere klanten werden getroffen? Vereist dit een terugroepactie? Met datafabrics kunnen fabrikanten een klacht van een klant met betrekking tot een defect product helemaal terug traceren tot aan de grondstoffen, waardoor gemakkelijk kruisverwijzingen kunnen worden gemaakt naar de relaties tussen afgewerkte goederen en grondstoffen.

Verder, omdat deze grondstoffen door meerdere productielocaties worden geproduceerd en door verschillende leveranciers verschillende namen kunnen worden genoemd, maken datafabrics traceerbaarheid mogelijk tussen klant, productie, veldondersteuning, product en andere gegevens andere domeinen. Hierdoor kunnen fabrikanten de volledige omvang van de situatie zien, zodat ze adequaat en kosteneffectief kunnen handelen bij de analyse van de oorzaak van klachten van klanten.

• Maak een digitale supply chain-tweeling. De digitale supply chain-tweeling vereist voorspellende analyses, een model om brongegevens te verbinden en, natuurlijk, de brongegevens zelf (bijv. ERP, CRM, MES, loT, klantnetwerken) om de besluitvorming te verbeteren, vooral rond supply chain-planning. Een digitale tweeling moet honderden miljoenen relaties kunnen vertegenwoordigen. Een datafabric, met de complexe bedrijfslogicamogelijkheden van semantische grafieken en de mogelijkheid om uiteenlopende gegevens weer te geven, biedt fabrikanten geautomatiseerde controle waarmee ze bedrijfsregels kunnen beheren die complexe logica en situationele besluitvorming aankunnen.

Datafabrics blijven aandacht krijgen vanwege hun vermogen om bestaande databeheersystemen aan elkaar te koppelen, waardoor alle verbonden applicaties en gebruikers in het proces worden verrijkt. Ze worden beschouwd als de volgende stap voorwaarts op het gebied van gegevensbeheer en ondersteunen de volledige breedte van de steeds complexere, verbonden onderneming van vandaag.

Rob Harris is vice-president van oplossingen bij Stardog, een leverancier van enterprise Knowledge Graph (EKG)-platforms.