BLOG – De wereld evolueert voortdurend, en de opkomst van generatieve kunstmatige intelligentie (ai) markeert een nieuw tijdperk voor de gehele economie. Met de integratie van digitale technologieën in productie– en industriële processen, beter bekend als Industrie 4.0, is er een groeiende afhankelijkheid van data. Dit is noodzakelijk geworden om te voldoen aan verwachtingen van klanten, zoals duurzame, snelle, en hoogwaardige industriële productie.
Ondanks de groeiende automatisering blijft de menselijke maat cruciale bij het omgaan met de enorme hoeveelheid data. Dit vraagt in de praktijk nog om aandacht. Zo voelt 42 procent van de mensen die werkzaak zijn in de sector zich niet bekwaam in het omgaan met data en is niet voorbereid op een data-intensieve functie. Bijna een even groot percentage vreest zelfs dat automatisering banen overbodig maakt. Deze zorgen zijn ongegrond: hoewel slimme fabrieken veel processen zelfstandig kunnen uitvoeren, blijft menselijke creativiteit en kritisch denken onmisbaar. Werknemers moeten leren om intelligent om te gaan met de overvloed aan data in alle facetten van de supply chain.
Naadloos
Om een efficiënte supply chain te waarborgen, moeten verschillende processen naadloos op elkaar aansluiten. Dit vereist gesynchroniseerde data van leveranciers, magazijnen, en de fabrieksvloeren. Foutieve of vertraagde informatie kan leiden tot discrepanties binnen de supply chain, wat weer gevolgen heeft voor de productie. Zo kan onnauwkeurig data over productieprocessen, zoals machine statussen of productiekwaliteit, leiden tot inefficiëntie en lagere productiviteit. Data-analyse in de cloud biedt hierbij uitkomst, door teams in staat te stellen samen te werken en inzichten te verkrijgen voor effectievere besluitvorming. Het belang van actuele informatie in de supply chain is dus van onschatbare waarde. Alleen met snelle toegang tot realtime-data kunnen medewerkers tijdig onderbouwde beslissingen nemen.
Kennis
Medewerkers moeten bekwaam zijn in databeheer en -analyse. Het is daarom noodzakelijk om regelmatig trainingen te organiseren om de kennis van werknemers over data-gestuurde processen te versterken en up-to-date te houden. Dit is van cruciaal belang, gezien van veel werknemers wordt verwacht dat ze zelfstandig met de verzamelde data kunnen werken.
In conclusie is datacompetentie van belang voor organisaties die concurrerend willen blijven op de markt. Om dit te realiseren, moeten werknemers in staan worden gesteld om zelfverzekerd en bekwaam om te gaan met inzichten verkregen uit data, en op basis daarvan beslissingen te nemen. Organisaties die tijdig hun datacompetentie opbouwen, zullen de voordelen van business-intelligence volledig benutten en kunnen concurreren in een steeds veranderde omgeving.
James Fisher is chief strategy officer bij Qlik
“Deze zorgen zijn ongegrond: hoewel slimme fabrieken veel processen zelfstandig kunnen uitvoeren, blijft menselijke creativiteit en kritisch denken onmisbaar. Werknemers moeten leren om intelligent om te gaan met de overvloed aan data in alle facetten van de supply chain.”
Wat een prachtige paradoxen bij elkaar. Mensen zouden moeten leren intelligent om te gaan met de overvloed aan datal, precies waar AI zo goed in is. Concurreren op gebied waarvan je zeker weet dat je het gaat verliezen. En rap. “intelligent omgaan met de overvloed aan data”. Heb je daar ook een cursus voor ?
Beetje zoals een bedrijfsovername die zogenaamd geen gevolgen heeft voor het personeel 😉
Omdat je niet na grote boodschap wilt ontdekken dat je een papierloos toilet gekozen hebt denk ik dat goede planning in toeleveringsketens essentieel is. Wat betreft efficiënt voorraadbeheer om de juiste onderdelen, in de juiste hoeveelheden, op de juiste tijd en op de juiste plaats te krijgen gaat namelijk niet alleen om de concurrentie. Kijkend met een andere bril om verspilling en het aantal bewegingen in de toeleveringsketen te verminderen gaat om verduurzamen. Want het is niet alleen maar poepen en afvegen omdat leveranciers ook steeds vaker een onderhoudsverplichting hebben hoewel het uiteindelijk de klant is die kiest voor onderhoudbare oplossingen.
Datageletterdheid in de vorm van datasynthese middels DIKW-model gaat hierin meer om het configuratiebeheer en toelevering van vervangende componenten. Ik denk niet aan het toiletpapier aan beide kanten gebruiken maar meer aan ‘fit-for-use’ van functioneel hetzelfde maar dan minder zacht door zuinigheid met vlijt. Want wat betreft er met een andere bril naar kijken hoef je geen nieuwe onderdelen in een 20 jaar oude auto te schroeven als de som der delen een totale levensduur kent. En retourstromen in toeleveringsketens zijn niet alleen voor een verduurzaming interessant want er zit goed geld in het afval.
Het lijkt er op dat dit een inzichtelijkheid in de boekhouding vraagt die om het inschatten van de waarden gaat, tenslotte hoeft stilstand van de productie geen verlies te zijn als het aanbod de prijs drukt. Actuele informatie is tijdsgebonden maar tijd is een veranderende factor als we kijken naar de filosofie van weten waar de bal neerkomt om zodoende minder hard te hoeven rennen. Als je vooraf weet wat je gaat verkopen dan kun je daar al rekening mee houden want een onderbouwde beslissing in de boodschap gaat om de vlottende voorraad die je voor handen hebt.