Auf dem Weg zu Logistik 4.0 entschied sich Hermes International, ein Geschäftsbereich der Hermes Germany, im Frühjahr 2018 für die Implementation von Big Data. Wir sprachen mit Sebastian Giessler, Teamleader Business Analytics bei Hermes International über den aktuellen Status quo und die Schwierigkeiten bei der Umsetzung der Technologie.
Herr Giessler, wie ist der aktuelle Status quo? Wo stehen Sie aktuell bei der Umsetzung von Big Data?
Hermes Germany ist bereits seit drei Jahren im Bereich Data Science aktiv. Seitdem haben wir erfolgreich zahlreiche Analysen durchgeführt, die uns neben wertvollen Erkenntnissen auch einen konkreten Mehrwert in Form von Verbesserungen, z.B. im Bereich Fraud Detection geliefert haben.
Aktuell bemühen wir uns um die Verbesserung unserer Forecastings mit Hilfe des Einsatzes von Big Data.
Was waren bzw. sind die größten Hürden bei der Implementation und wie haben Sie diese gemeistert?
Für die vollständige Transparenz in der Supply Chain fehlen uns aktuell – auch durch die Zusammenarbeit mit anderen Lieferkettenpartnern – noch einige Daten und Informationen. Hier gilt es gemeinsam mit den Partnern konsequent nachzubessern, um Analysen künftig auf eine noch breitere Datenbasis zu stellen.
Grundsätzlich ist die Integration des Bereichs Data Science jedoch ein fortschreitender Prozess. Auch wenn aktuell noch nicht alle Unternehmensbereiche das Potential von Big Data ausschöpfen, sind wir überzeugt, dass wir uns nur mit einer Kombination aus Erfahrung und dem Einsatz neuer Technologien langfristig erfolgreich am Markt positionieren können.
Wie zufrieden sind Sie mit dem Verlauf und dem bisherigen Outcome von Big Data? Wurden Ihre Erwartungen an die Technologie erfüllt?
Tatsächlich sind wir von dem Einsatz von Big Data auf unsere Daten positiv überrascht. Trotz der ausbaufähigen Datenqualität und der unvollständigen Informationen aus unserem Logistiknetz sind die Ergebnisse bereits sehr gut. Wir sehen, dass wir mit dem Einsatz moderner Technologien sehr kurzfristig valide Analysen erstellen können, die für unser Tagesgeschäft bereits jetzt einen relevanten Mehrwert liefern.
Welche Learnings gibt es? Was würde man in Zukunft gegebenenfalls anders machen?
Üblicherweise steigen Unternehmen in das Thema Big Data mit bestimmten Fragestellungen, z.B. der Verbesserung von Forecastings, ein. Diese werden analysiert und sollen das Potential von Data Science im eigenen Unternehmen verdeutlichen.
Wir haben gelernt, dass dieses Prozedere allein nicht ausreicht. Unternehmen sollten in der Lage sein, das Potential grundsätzlich zu erkennen und dies dann auf die eigenen Prozesse zu übertragen. Gleichzeitig haben wir auch gesehen, dass es für die systematische Operationalisierung von Data Science Produkten aktuell weder allgemeine Methoden noch Best Practice-Ansätze gibt. Das ist natürlich eine Herausforderung und fordert von Unternehmen die Konzeption sehr individueller Lösungen.
Was raten Sie anderen Unternehmen, die mit dem Gedanken spielen, Big Data für Ihre Geschäftsprozesse zu nutzen?
Data Science kann verhältnismäßig schnell und gut integriert werden. Wichtiger als die Geschwindigkeit der Implementation ist jedoch die Akzeptanz der Ergebnisse. Denn selbstredend deckt eine solche Analyse auch Optimierungspotentiale auf. Diese Erkenntnisse sollten Unternehmen aktiv nutzen, um die eigene Performance zu verbessern. Dafür braucht es jedoch eine gesunde Unternehmenskultur und einen gewissen Reifegrad. In der Folge können Unternehmen, basierend auf den Ergebnissen der Big Data-Analyse, die richtigen und langfristig erfolgreichen Maßnahmen einleiten und das Potential der Technologie für ihren eigenen unternehmerischen Erfolg ausschöpfen.
Herr Giessler, wir danken Ihnen für Ihre Zeit.
Sie möchten wissen, wie Hermes International Big Data als für die eigenen Geschäftsprozesse relevante Technologie identifiziert hat? Nähere Infos finden Sie in Teil eins der dreiteiligen Reihe „Der Weg zur Logistik 4.0“.