Alexandra Instituttet A/S // Anvendelser // Datadreven forretningsudvikling

Datadreven forretningsudvikling

Anvendelse

Datadreven forretningsudvikling

Man behøver ikke at gå fra traditionel virksomhed til fuld datadreven i ét hug. Det er en proces, jeres virksomhed skal igennem, og I skal være velkomne til at bruge os til at guide jer gennem de nødvendige trin.

Med it er der store muligheder for at understøtte forretningsmæssige beslutninger og udvikle nye services baseret på data. Kunstig intelligens herunder machine learning, visualisering, og forretningsforståelse, er nogle af de discipliner, der gør det muligt at understøtte beslutninger baseret på viden om data. Og det gælder for en bred vifte af forretninger uanset mål, ønske og modenhed.

Vi kan rådgive om alle disse teknologier baseret på dit modenhedsniveau ligesom vi kan udvikle løsninger svarende til dit behov.

I den digitale tidsalder er der sket en markant vækst i mængden af data, der genereres. Men på trods af de nye muligheder for at indsamle og fortolke på digitale informationsmængder, bliver mange forretningsmæssige beslutninger stadig taget på mavefornemmelser. Vi kan ændre på det.

  1. Første skridt er at identificere de datakilder man har mulighed for at benytte sig af. Det kan være data, der allerede opsamles eller muligheder for at bruge sensorer til at opsamle nye data. Der kan være behov for at samkøre forskellige datakilder, tilpasning af forskellige formater, filtrering af støj, etc.
     
  2. Et næste skridt kan være forskellige former for visualisering af data – med store datamængder kan det være uoverskueligt at gennemskue, hvad der kan være af informationer, mønstre og andet, som har betydning for ens forretning, og her kan visualisering være til hjælp. Gode visualiseringer kan ofte vise nye interessante mønstre som kan være et symptom på problemer i en produktionsproces, adfærd man ikke kendte til, etc.
     
  3. Et næste skridt kan så være at anvende machine learning til automatisk at genkende relevante mønstre og bruge disse til at forudsige begivenheder fremover.
     
  4. Og endelig kan der så være behov for at udvikle egentlige løsninger, der er integreret med virksomhedens øvrige systemer.
     
  5. Og for produktionsvirksomheder kan man måske omstille sig fra at levere fysiske enheder til sidst at levere services – såkaldt servitization.
     
  6. I forhold til løsninger kan det være relevant eller nødvendigt at tage hånd om sikkerhed og privacy, sikre anvendelighed gennem brugerinddragelse og udvikling af hensigtsmæssige interaktionsformer og ikke mindst udvikling af forretningsmodeller for brug af data alt sammen emner som Alexandra Instituttet kan rådgive om.

Vi tilbyder en bred vifte af ydelser baseret på instituttets ekspertiser. Herunder er nævnt fem:

Churn Prediction / Kundefastholdelse

Traditionelt anvendes statistisk metoder for at forudsige hvilke kunder som kommer til at forlade butikken. Dette er ofte forholdsvis succesfuldt i områder hvor det er let at gennemskue et kundeforhold; eksempelvis når man har med abonnementløsninger at gøre. Rene statistiske metoder kommer ofte til kort i modeller hvor der kan være store svininger i køb over tid eller beløb.

Kunstig intelligens og subfeltet maskinlæring kan bruges til at forudsige, hvilke kunder der vil fravælge dit produkt eller ydelse i fremtiden. I stedet for eksplicit at programmere regler vil et maskinlæringssystem lære sig, hvilke reelle regler der gør, at kunder forlader din forretning. Det kan derfor understøtte din beslutning om, hvilke tiltag du skal iværksætte for at undgå det. Vi kombinerer domænekendskab, dem der ved noget om virksomheden og marked med teknisk indsigt, dem der ved noget om algoritmer og statistisk metode.


Datadreven Innovation

Hvis du ønsker at optimere din forretning og/eller system, tilbyder vi generelt at assistere med at udvikle nye innovative ydelser og/eller løsninger baseret på dine data.

Det er ikke nyt at basere sig på data, og Business Intelligence er en teknologi der har været anvendt i en årrække. Business Intelligence er bagudskuende på den måde, at man får information om, hvad der er sket tidligere.

  • Business Intelligence
    Business intelligence (BI) er et sæt af metoder, processer og anvendelser som bruges til at indsamle og præsentere data relevant for ens forretningsdrift. Tradtionelt benyttes BI til at give et syn på historisk og eksisterende drift ved at den indsamlede data bruges til at besvare spørgsmål og udarbejde rapporter.
     
  • Prædikativ Analyse
    Prædiktiv analyse (PA) er anvendelsen af statistiske metoder for at forklare virksomhedens drift. PA tager skridtet videre fra Business Intelligence og anvendes til at forecaste virksomhedens udvikling.
     
  • Maskinlæring
    Maskinlæring er et sæt af metoder som blandt andet kan benyttes til Prædiktiv Analyse. Maskinlæringsteknikker er specielt anvendelige ved store datamænger med mange parametre. Komplicerede datagrundlag er næste umulige for mennesker at overskue. Men ved hjælp af maskinlæring kan man bringe forståelse ind i disse datamænger.

Anonymisering af data (redaction)

Data indeholder ofte følsomme oplysning, som man ikke ønsker skal være kendt udenfor sin virksomhed/organisation. Det kan være personfølsomme oplysninger og/eller oplysninger om interne forhold i en virksomhed. Når f.eks. en offentlig myndighed udleverer dokumenter i forbindelse med en aktindsigt, så streges sådanne følsomme oplysninger for det meste ud med sort tuds. Dette er en tidskrævende proces, og ofte er det alligevel muligt at spore sådanne oplysninger. Alexandra Instituttet kan levere løsninger, der bruger moderne it teknologier som machine learning, text mining, og kryptering. til automatisk at genkende og sløre følsomme oplysninger.


Prædiktiv vedligehold

Fysiske installationer som legeredskaber, køleanlæg, vaskemaskiner – blot for at nævne nogle enkelte, indeholder komponenter der kræver vedligehold og med jævne mellemrum skal skiftes ud. Og alt afhængig af hvilke typer enheder det handler om, så anvender man serviceteknikere, der jævnligt tjekker disse eller ’ulykken’ opdages først, når komponenten fejler. Dette er uhensigtsmæssigt både ud fra et økonomisk og driftsmæssigt synspunkt, så derfor vil man helst vide i god tid inden skaden er sket, om en given enhed kræver vedligehold.

Vi arbejder med prædiktiv vedligehold og bruger bl.a. maskinlæring til at overvåge enheder og komponenters tilstand, samt til at forudsige hvornår der er behov for vedligehold.

Prædiktiv vedligehold er gledet ind i mange brancher, såsom olieplatforme, køretøjer og fabriksmaskiner, som udstyres med sensorer , der leverer data som input til f.eks. maskinlæringssystemer, og som hjælper med at forudsige, hvornår ting skal skiftes. Hvis du har brug for rådgivning omkring alt fra sensorer, håndtering af datastrømme, maskinlæring, sikkerhed, interaktion, etc., så kontakt os.


Sporing af fysiske enheder og personer

Har du brug for et system, der kan overvåge og finde fysiske enheder, som f.eks.  produktionsudstyr, værktøj, containere, køretøjer, så tilbyder Alexandra Instituttet rådgivning omkring valg af teknologi, samt design og udvikling af løsningen.

Har du tilsvarende brug for at have overblik over, hvordan mennesker bevæger sig rundt i et givet område, kan vi rådgive om mulighederne herunder relevante teknologier. Det kan være hvordan folk bevæger sig på en stor festivalplads, en uddannelsescampus (f.eks. hvor mange opholder sig i de forskellige undervisningslokaler på et givet tidspunkt, etc.), banegårde, besøg på stande på en udstilling, eller rundt i et byområde, blot for at nævne nogle få eksempler. Sådanne behov kan være begrundet alt fra økonomi eller markedsføring (hvor kommer der flest potentielle kunder, optimere flow til dine butikker), sikkerhed (crowd control under events), eller planlægning af veje og stier.

Løsninger kan omfatte visualisering af, hvordan og hvor fysiske enheder og eller personer befinder sig og/eller brug af maskinlæring til at forudsige, hvordan flow af f.eks. personer i et givet område fremadrettet vil ske.

Vores ydelser inden for Datadreven forretningsudvikling:

Cases / Datadreven forretningsudvikling

Nedenfor kan du se udvalgte cases, som vi har løst inden for området Datadreven forretningsudvikling
Artikel
25-01-2017
Industri 4.0: Hvor skal I tage fat? (...)
Medierne er dagligt fyldt til randen med historier om Industri 4.0, digitalisering, disruption m.m. Digitaliseringens tidsalder er i fokus på ledelse (...)
Artikel
01-04-2016
Avancerede algoritmer skærper kampen om kundernes (...)
Netflix var sammen med Amazon blandt pionererne inden for såkaldte anbefalingsalgoritmer, som Kunder, der har købt x, har også købt y eller Fordi du h (...)
Artikel
20-01-2017
Sådan kommer du i gang med maskinlæring (...)
Sensorer og Internet-of-Things er kun halvdelen af historien, når man skal omstille produktionen til Industri 4.0 og gøre de klassiske produkter intel (...)
Artikel
13-12-2016
Industri 4.0: Brug af tablets giver maskinfabrik i (...)
Big Data, brug af tablets og sensorer spiller en afgørende rolle og er et konkurrenceparameter for både danske og udenlandske produktionsvirksomheder, (...)
Artikel
25-10-2016
Kunstig intelligens: Hvor lang tid går der, før vi (...)
Efterårets nye, store satsning på HBO er serien Westworld, der foregår i en forlystelsespark fyldt med kunstigt intelligente robotter. (...)
Case
Teknologier og værktøjer til udnyttelse af big data
Få adgang til de rette kompetencer inden f (...)
Både små og store datamængder skaber helt nye forretningsområder. (...)
Artikel
10-08-2015
Uden machine learning er big data dumt (...)
Big data bliver ofte solgt som samfundets helt store redning: Har du nok data, får du nok svar. (...)
Artikel
25-11-2015
Er der forskel på kunder og kyllinger? (...)
InfinIT introducerede sin første co-creation workshop, da vi sammen med Service Platform og den norske IKT-klynge Digin afholdt arrangementet ”Learnin (...)

Vi kan rådgive om teknologier baseret på dit modenhedsniveau ligesom vi kan udvikle løsninger svarende til dit behov.

Kontakt
Deputy Director, Professor
+45 41 15 12 48
Se profil
.