von Josephe Blondaut | Apr 22, 2020 | Business Transformation, Neu
Ob in der Gesellschaft, im Geschäftsleben oder im privaten Umfeld – bei Veränderungen sind schnelle Reaktionen gefragt. Denn nur so lassen sich Auswirkungen und Risiken in Grenzen halten.
In der Geschäftswelt haben Sie bestimmt schon längst damit begonnen, die nötigen Vorkehrungen zu treffen, damit Ihr Unternehmen möglichst normal weiterlaufen kann – auch wenn „Business as usual“ derzeit undenkbar ist. Mit unseren zehn Business-Continuity-Tipps möchten wir Sie in dieser fordernden Zeit unterstützen.
1. Reagieren Sie schnell, und reagieren Sie richtig
Nehmen Sie sich Zeit, um die Lage zu erfassen und Risiken zu bewerten. Legen Sie Prioritäten fest. Und dann: Handeln Sie!
2. Behalten Sie den Überblick
Sprechen Sie zur rechten Zeit mit den richtigen Personen. Wenn ein Notfall eintritt, brauchen diese einen gut strukturierten Plan sowie Anweisungen aus der Führungsebene.
3. Machen Sie einen Plan – oder besser zwei
Bereiten Sie Maßnahmen vor, stellen Sie eine Taskforce auf, planen Sie die Kommunikation. Und erstellen Sie für alle Fälle gleich noch einen Back-up-Plan.
4. Kommunizieren Sie so viel wie möglich
Beziehen Sie die Führungsebene ein, halten Sie Ihre Teams auf dem Laufenden, informieren Sie Ihre Kunden. Benennen Sie eine Sprecherin oder einen Sprecher. Hören Sie aufmerksam zu. Hinweise und Ratschläge können von überall kommen.
5. Bauen Sie das passende Team auf
Der Erfolg einer Taskforce hängt von ihren Mitgliedern ab. Sie brauchen Menschen, die anpacken – mit starker Führungspersönlichkeit und Innovationskraft.
6. Begrenzen Sie die Auswirkungen für Ihre Kunden
Kümmern Sie sich gut um Ihre Kunden. So sichern Sie sich deren Vertrauen, jetzt und in Zukunft.
7. Bilden Sie Ihre Teams aus
Sorgen Sie dafür, dass alle auf dem gleichen Stand sind. Vermitteln Sie Ihren Mitarbeitern die neuen Arbeitsmethoden – unabhängig von deren Position und Einsatzort.
8. Treffen und dokumentieren Sie sichere Entscheidungen
Wenn die jetzige Situation überstanden ist, werden Gesetze und Vorschriften nach wie vor gültig sein. Ebenso werden Verstöße ihre Folgen haben. Halten Sie bei der Dokumentation Ihrer Entscheidungen die Richtlinien und Verfahren ein.
9. Planen Sie für die Zeit danach
Gutes Krisenmanagement ist auf künftige Stärken ausgerichtet. Machen Sie sich startklar. Legen Sie eine Strategie für die Zeit nach der Krise fest. Und pflegen Sie die Kommunikation weiter.
10. Bereiten Sie sich auf die nächste Krise vor
Lernen Sie aus Ihren Erfahrungen. Passen Sie die Geschäftsabläufe an, um in Zukunft noch besser gewappnet zu sein.
Ihnen ist vielleicht aufgefallen, dass unsere Tipps alle mit Prozessen zu tun haben: Änderung von Prozessen, Kommunikationsprozesse, Ausrichtung von Prozessen auf Unbekanntes. Es gilt, ihre Prozesse zu analysieren, entsprechend zu agieren, die Prozesse anzupassen und Resilienz aufzubauen: Analyze, Act, Adapt, Achieve. Weitere Informationen zu den „4 As“ finden Sie in dieser Infografik. Teilen Sie die 4As gerne mit Ihren Peers!
Seien Sie effektiv. Seien Sie proaktiv. Seien Sie flexibel. Und, ganz wichtig: Bewahren Sie die Ruhe, und halten Sie an Ihren Business-Continuity-Plänen fest.
Hier erfahren Sie, wie ARIS Ihnen hilft, Ihr Unternehmen in der Spur zu halten. Zur kostenlosen Version von ARIS geht es hier.
von Harald Schöning | Jan 25, 2018 | Allgemein
Mit der Verfügbarkeit großer Datenmengen und neuen Verarbeitungsmöglichkeiten sind im Rahmen der digitalen Transformation viele neue Geschäftsmodelle entstanden. Sie haben das Potenzial, ganze Märkte auf den Kopf zu stellen, und bieten eine große Chance für etablierte Unternehmen, sich auf die Gewinnerseite der digitalen Transformation zu schlagen. In dieser Artikel-Serie widmen wir uns den 10 Thesen zur digitalen Transformation. Der folgende Beitrag zeigt, welchen Mehrwert Maschinenlernen für das IoT birgt und wie wichtig effizientes Asset-Management ist.
Der stetige Datenfluss im Internet der Dinge bildet Datenströme. Diese Datenströme können für alle Anwendungen genutzt werden, die die betreffenden Daten benötigen und über die notwendigen Berechtigungen verfügen. Zur Verarbeitung der Datenströme bedarf es einer leistungsfähigen Streaming-Analytics-Software, die in der Lage ist, die Daten bedarfsgerecht und unter Berücksichtigung der zeitlichen Abfolge mit speziellen Operationen zu analysieren, wie sie in Complex Event Processing (CEP) Systemen vorhanden sind. Eine typische Funktion in solchen Umgebungen ist die dynamische Bildung von endlichen Abschnitten unendlicher Datenströme (Sliding Windows). Ein verbreiteter Ansatz zur Verarbeitung von IoT-Daten ist die Lambda-Architektur. Bei diesem Architekturkonzept werden Datenströme sowohl dynamisch verarbeitet als auch dauerhaft gespeichert, sodass sie für komplexe historische Analysen zur Verfügung stehen. Für beides sind Festplatten-basierte Architekturen zu langsam und liefern Ergebnisse nicht schnell genug. Vielmehr muss die Verarbeitung vollständig im Hauptspeicher erfolgen.
These 8: Echtzeitverarbeitung nicht ohne In-Memory-Technologie
Um bei komplexen Berechnungen mit Big Data möglichst schnelle Reaktionszeiten zu erzielen, ist ein konzeptionell unbegrenzter Hauptspeicher erforderlich. Dies gilt nicht nur für Datenströme aus dem IoT. Wenn Mediziner beispielsweise die Möglichkeit haben, Erbgut-Daten zeitnah auszuwerten, können sie schnell über zeitkritische Behandlungen entscheiden wie etwa eine lebensrettende Chemotherapie.
Maschinelles Lernen
Sind große Datenmengen verfügbar, stellt sich häufig die Frage, wie aus diesen ein Mehrwert erzeugt werden kann. Im Anwendungsfall der Predictive Maintenance liefern Sensoren laufend zahlreiche Informationen über den Betrieb einer Maschine. Was jedoch fehlt, ist das Vorwissen, welche Kombination von Sensorwerten darauf hinweist, dass Wartungsarbeiten nötig sind. In diesem Fall können durch Maschinenlernen Modelle für den Anwendungsfall abgeleitet und schrittweise angepasst werden. Das abgeleitete Modell lässt sich so operationalisieren, dass es sowohl auf große Mengen statischer Daten als auch auf die In-Stream-Verarbeitung anwendbar ist und Vorhersagen in Echtzeit ermöglicht. Das Erfassen großer Datenmengen allein ist nicht wertschöpfend. Der Mehrwert entsteht durch Modelle, die aus diesen Daten Wissen extrahieren, und durch die Fähigkeit, diese Modelle in Echtzeit anzuwenden.
These 9: Vorsprung durch Wissen aus Daten
Die Datenqualität ist dabei von entscheidender Bedeutung. Aus schlechten Daten können durch Maschinenlernen keine guten Modelle abgeleitet werden. Zur Bewertung der Datenqualität werden Informationen über den Ursprung der Daten und das erzeugende Gerät benötigt – beispielswese ein „Ding“ im IoT.
Assets und Prozesse verstehen
Das IoT ist durch eine große, sich dynamisch verändernde Anzahl an Dingen, also an Geräten, die Daten erzeugen, gekennzeichnet. Diese Dinge oder Assets und ihre Merkmale müssen verwaltet werden, damit nur bekannte und sicher identifizierte Assets Informationen beisteuern können. Darüber hinaus müssen der Standort eines Assets sowie die Softwareversionen des Geräts verwaltet werden. Gleichzeitig gilt es, die Kernprozesse eines Unternehmens zu verstehen, und in welcher Beziehung diese zu den Assets stehen. Daraus ergibt sich die letzte These:
These 10: Keine digitale Transformation ohne Asset- und Prozessmanagement
Gesetzliche Vorgaben wie die Datenschutz-Grundverordnung der Europäischen Union (EU-DSGVO) verschärfen die Anforderungen an die Dokumentation sämtlicher relevanten Prozesse. Laut der neuen Verordnung müssen Unternehmen ermitteln und erfassen, welche Geschäftsprozesse personenbezogene Daten enthalten. Wer dies versäumt und den beim Datenschutz Risiken eingeht, muss mit empfindlichen Strafen rechnen. Den Überblick über alle Prozesse und Assets zu bewahren wird für Unternehmen daher immer wichtiger.
Zusammenfassung
Die digitale Transformation nimmt zusehends an Fahrt auf. Entweder werden Unternehmen zu Software-basierten Unternehmen oder sie verschwinden vom Markt. Im Zuge der Digitalisierung entstehen neue, datenbasierte Geschäftsmodelle. Um für diese Veränderungen gerüstet zu sein und sich auch gegen Disruptoren zu behaupten, die Märkte übernehmen wollen, müssen Unternehmen Edge-, Cloud- und On-Premise-Computing in einer agilen, modularen und flexiblen IT-Infrastruktur kombinieren. Vor allem das IoT erschließt neue Geschäftschancen, erfordert jedoch auch ein umfassendes Asset-Management. Maschinelles Lernen ist aus keiner Digitalisierungsstrategie mehr wegzudenken.
Das war der letzte Teil unserer Artikel-Serie zu den 10 Thesen zur digitalen Transformation. Lesen Sie hier alle vorangegangenen Beiträge:
Teil 1:
Teil 2:
Teil 3:
Teil 4:
Teil 5:
Teil 6:
- These 8: Echtzeitverarbeitung nicht ohne In-Memory-Technologie
- These 9: Maschinenlernen – der unabdingbare Ansatz
- These 10: Keine digitale Transformation ohne Asset- und Prozessmanagement
