Analytics helpt Western Digital in strijd met concurrentie

Western Digital heeft zich in de afgelopen jaren gericht op het inzetten van data-analyse die het moet helpen in de concurrentiestrijd. De CIO van het bedrijf richtte daartoe een Digital Analytics Office op.

Je kent de hype: data is de "nieuwe olie" die de volgende generatie bedrijfsmodellen zal aansturen en onnoemelijke efficiënties zal ontsluiten. Voor sommige bedrijven wordt deze visie alleen gerealiseerd in PowerPoint-slides. Bij Western Digital wordt het werkelijkheid. Onder leiding van Steve Philpott, Chief Information Officer en hoofd van de Digital Analytics Office (DAO), bewijst Western Digital zijn data- en analysemogelijkheden door middel van een flexibel platform dat gegevens verzamelt en verwerkt op een manier die verschillende belanghebbenden in staat stelt om bedrijfswaarde te realiseren.

Als fabrikant van harde schijven (HDD's) voor computers en als bedrijf voor gegevensopslag heeft Western Digital nu al technisch onderlegde belanghebbenden met een onverzadigbare honger naar gegevens om de productontwikkeling, de productie en de wereldwijde logistiek te verbeteren. De aard van de producten van het bedrijf vereist dat ingenieurs de meest efficiënte ontwerpen voor nieuwe dataopslagapparaten modelleren, terwijl ze ook de marges beheren te midden van de concurrentiedruk op de markt.

In de afgelopen jaren, toen Western Digital drie bedrijven liet opgaan in één bedrijf, wat vereiste dat zowel de kwaliteit als de interoperabiliteit van de data werd gewaarborgd, hadden Steve en zijn team de uitdaging om een datastrategie te ontwikkelen die aan de volgende eisen voldeed::

  • Verbeter de tijd om beslissingen te nemen
  • Verbetering van de operationele efficiëntie en verlaging van de kosten
  • Zelfvoorziening mogelijk maken om anderen in staat te stellen
  • Schaaltechnologie op een flexibele manier die de toekomstige bedrijfsflexibiliteit niet in de weg staat

Om deze bedrijfsresultaten te bereiken, richtte het Western Digital-team zich op:

  • Het aansturen van cultuurveranderingsmanagement en onderwijs
  • Het bereiken van een reeks quick wins om waarde te realiseren en geloofwaardigheid op te bouwen
  • Het opbouwen van de datawetenschappelijke vaardigheden en de talentpijplijn
  • Het ontwikkelen van een Data Analytics Office, en het concentreren op korte stappen in plaats van lange halen om het momentum te behouden.
  • Ontwerpen en toekomstbestendig maken van technologie, zowel in de cloud als aan de edge, met behoud van data governance en kwaliteit

Het verloop van dit analytische traject heeft al een groot rendement laten zien door het bedrijf in staat te stellen de samenwerking en de klanttevredenheid te verbeteren, het inzicht in de tijd te versnellen, het productierendement te verbeteren en uiteindelijk kosten te besparen.

Stimuleren van cultuurveranderingsmanagement en educatie

Effectieve CIO's moeten het enthousiasme van de organisatie aanwenden om het mogelijke te verkennen en tegelijkertijd verwachtingen te managen en vertrouwen te wekken dat de aanbevolen handelswijze van de CIO de beste is. Bij elke technologietrend brengt de top van de hype-cyclus de belofte van revolutionaire transformatie met zich mee, maar de praktische koers is voor veel organisaties meer evolutionair van aard. "Niet alles is een machine learning use case", zei Steve, die begon met het identificeren van de problemen die het bedrijf probeerde op te lossen alvorens zich te concentreren op de oplossing.

Steve en zijn team gingen vervolgens op een roadshow om de huidige data en analytische mogelijkheden van het bedrijf en de toekomstige mogelijkheden te delen. Het team deelde de presentatie met publiek van verschillende technische bekwaamheid om de manieren te verklaren waarop het bedrijf effectiever gebruik kon maken van data en analyses.

Steve erkende dat, hoewel de behoefte en de wil om strategisch gebruik te maken van data sterk was, er gewoonweg niet genoeg interne datawetenschappers waren om de doelstellingen van het bedrijf te bereiken. Er was ook een extra uitdaging om te concurreren met losse silo's van analytische kernen in verschillende functionele groepen. Steve's team stelde zich de vraag: "Kunnen we zo snel reageren als de functionele analyseteams dat kunnen?"

Om de analytische mogelijkheden van Western Digital met succes te transformeren, moest Steve een ecosysteem van partners ontwikkelen, de benodigde vaardigheden opbouwen en mogelijk maken, en schaalbare tools bieden om de amateurdatawetenschapper te ontwikkelen. Hij moest ook zijn tech-savvy business partners laten zien dat hij de waarde voor de business units kon versnellen en niet een bureaucratisch knelpunt kon worden. Met de implementatie van het volgende draaiboek, aldus Steve, "hebben we bewezen dat we vaak sneller kunnen reageren dan de functionele analyseteams, omdat we oplossingen dynamischer kunnen samenstellen met de bouwstenen van de analytics-capaciteiten".

Het bereiken van quick wins door middel van incrementele waarde

Steve en zijn team leven volgens de mantra dat "succes kansen creëert". In plaats van tientallen miljoenen dollars te vragen en de verwachtingen op te blazen, streefde het IT-team dat de High-Performance Computing groep genoemd werd, een snelle overwinning na om de geloofwaardigheid te vestigen. Na het identificeren van honderden gegevensbronnen gaf het team prioriteit aan verschillende use cases die snel te realiseren waren, terwijl ze duidelijk een meerwaarde zouden opleveren..

Zo ontwikkelde het team bijvoorbeeld een applicatie voor machine learning, DefectNet genaamd, om testfoutenpatronen op het mediaoppervlak van HDD's op te sporen. De eerste testresultaten toonden de waarde aan van het detecteren en classificeren van beelden aan de hand van ruimtelijke patronen op het mediaoppervlak. Procesingenieurs konden dan patronen traceren met betrekking tot upstream apparatuur in de productiefaciliteit. Vanaf het eerste idee werd de oplossing stapsgewijs uitgebreid en werd het toepassingsgebied uitgebreid tot gevallen van gebruik in de metrologische anomaliedetectie. Nu gaat elk media oppervlak in de productie door de toepassing voor classificatie, en de oplossing dient als een platform dat wordt gebruikt voor toepassingen voor beeldclassificatie in meerdere fabrieken.

Een gelijkaardige aanpak werd gevolgd bij de ontwikkeling van een digital twin voor het simuleren van materiaalbewegingen en dispatching in de fabriek. Een eerste oplossing richtte zich op het nabootsen van materiaalbewegingen binnen de waferproductieactiviteiten van Western Digital. De incrementele waarde die werd gerealiseerd door slimme dispatching creëerde ondersteuning en momentum om de oplossing te laten groeien door middel van een reeks leercycli. Opnieuw werd een nauw toegespitst prototype een platformoplossing die nu meerdere fabrieken ondersteunt. Een voordeel van deze aanpak: de implementatie in een nieuwe fabriek hergebruikt 80% van de reeds ontwikkelde middelen, waardoor slechts 20% van de locatiegebonden aanpassingen nodig zijn.

Ontwikkelen van een DAO-hybride besturingsmodel

Na het verdienen van de geloofwaardigheid dat zijn team de organisatie kon helpen, richtte Steve de Digital Analytics Office (DAO) op, waarvan de missie is om "analyses op schaal te versnellen voor een snellere realisatie van de waarde". Deze groep bestaat uit een combinatie van datawetenschappers, data-ingenieurs, bedrijfsanalisten en materiedeskundigen en heeft getracht de onderneming gefedereerde analytische mogelijkheden te bieden. De DAO werkt met businessgroepen, die ook hun eigen datawetenschappers hebben, aan specifieke uitdagingen die vaak te maken hebben met het in productie krijgen van analytische capaciteiten, het opschalen van die capaciteiten en het waarborgen van de duurzaamheid ervan.

De DAO werkt over de functies heen om te identificeren waar verschillende analytische oplossingen worden ontwikkeld voor gemeenschappelijke doelen, met behulp van verschillende methodologieën en het bereiken van verschillende resultaten. Door te standaardiseren op een door de onderneming ondersteunde methodologie en een platform voor machine learning, kunnen businessteams sneller en met een hogere toegevoegde waarde inzicht krijgen in de resultaten.

Om verdere tractie te krijgen, organiseerde de DAO een hackathon die bestond uit 90 ingenieurs, verdeeld over 23 teams die drie dagen de tijd hadden om een oplossing voor een specifieke use case te bedenken. Een keuringsinstantie beoordeelde vervolgens de presentaties, rangschikte de meest waardevolle use cases en keurde de financiering van de meest veelbelovende projecten goed.

Naast het gebruik van hackathons om nieuwe vraag te genereren, kunnen partners in de business ook een nieuw idee in de DAO brengen. Deze ideeën worden voorgelegd aan de analytische stuurgroep om de businesswaarde, de prioriteit en de goedkeuring voor nieuwe initiatieven te bepalen. Een nieuw initiatief wordt vervolgens in een "snelle leercyclus" over een reeks sprints heen gezet om de stuurgroep de waarde terug te laten zien, en er wordt besloten om de financiering te ondersteunen of uit te breiden. Dit stelt Western Digital in staat om slim te gokken op innovatie, waarbij de nadruk ligt op "éénhonkslagen in plaats van home runs" om het momentum te behouden.

Het opbouwen van de datawetenschappelijke vaardigheden

"Wees voorbereid en wees gewaarschuwd: de beperking zal liggen bij de datawetenschappers zijn, niet bij de technologie," zei Steve, die al vroeg inzag dat hij de kwestie van het opbouwen van vaardigheden aan moest pakken..

De ideale datawetenschapper wordt gedreven door nieuwsgierigheid en kan "wat als" vragen stellen die verder kijken dan een enkele dimensie of een enkel datavlak. Ze kunnen algoritmen begrijpen en bouwen en hebben inhoudelijke expertise in het bedrijfsproces, zodat ze weten waar ze moeten zoeken naar broodkruimels van inzicht. Steve ontdekte dat deze tovenaars slechts 10% van de datawetenschappers in het bedrijf vertegenwoordigden, terwijl de andere 90% moest worden gekoppeld aan materiedeskundigen om de theoretische expertise te combineren met de kennis van het bedrijfsproces om problemen op te lossen.

Terwijl het koppelen van mensen niet onmogelijk was, was het inefficiënt. Als antwoord, in plaats van te vragen hoe je meer datawetenschappers kunt opleiden of inhuren, vroeg Steve: "Hoe bouwen we self service machine learning-mogelijkheden die alleen het equivalent van een SQL-achtige vaardigheidsset vereisen? Western Digital begon met het verkennen van de automatische ML-capaciteit van Google en Amazon, waar machine learning juist extra machine learning genereert. De visie is om de meer geavanceerde vaardigheden te abstraheren die betrokken zijn bij de ontwikkeling van algoritmen, zodat bedrijfsprocesdeskundigen kunnen worden getraind om zelf datawetenschappelijke verkenningen uit te voeren.

Ontwerpen en toekomstbestendig maken van technologie

Veel organisaties nemen de verkeerde stap om een datastrategie te formuleren die uitsluitend betrekking heeft op de technologie. De beperking van die aanpak is dat bedrijven het risico lopen om oplossingen te over-engineeren met een langzame time-to-value, en tegen de tijd dat producten op de markt zijn, kan de oplossing al achterhaald zijn. Steve herkende dit risico en begeleidde zijn team om een technologie-architectuur te ontwikkelen die de kern van de bouwstenen levert zonder vast te zitten aan één tool. Deze 'fit-for-purpose'-aanpak stelt Western Digital in staat om zijn data- en analysemogelijkheden met een flexibel platform toekomstbestendig te maken. De drie kernbouwstenen van deze architectuur zijn:

  1. Het verzamelen van data met grote dataplatformen
  2. Verwerking van gegevens met analytisch platform en het beheer van gegevens
  3. Versnelde realisatie van waarde met data ingebed in de zakelijke mogelijkheden

Verzamelen van data

De eerste stap is om gegevens te kunnen verzamelen, opslaan en toegankelijk maken op een manier die is afgestemd op het bedrijfsmodel van elk bedrijf. Western Digital heeft bijvoorbeeld aanzienlijke productieactiviteiten die een vertraging van minder dan een seconde nodig hebben voor de verwerking van data op locatie aan de edge, terwijl andere mogelijkheden zich cloud-gebaseerde opslag voor de kernactiviteiten kunnen veroorloven. Over beide spectrums heen verbruikt Western Digital dagelijks 80-100 biljoen datapunten in zijn analytische omgeving met een meer analytische rekenkracht aan de edge. Het bedrijf optimaliseert ook waar het gegevens opslaat en ontkoppelt de data- en technologiestack, op basis van de frequentie waarmee de gegevens moeten worden geanalyseerd. Als de gegevens slechts een paar keer per jaar nodig zijn, is de beste goedkope optie om de gegevens in de cloud op te slaan. De gemeenschappelijke data repository van Western Digital overspant processen in alle productieomgevingen en is gestructureerd op een manier die toegankelijk is voor verschillende soorten verwerkingscapaciteiten.

Naarmate de use cases van Western Digital afhankelijker werden van de latency, was het bovendien duidelijk dat er behoefte was aan core-based big data-mogelijkheden in de cloud, dichter bij de plaats waar de data werden gecreëerd. Western Digital wilde hun gebruikersgemeenschap toerusten via een self-service architectuur. Om dit te doen, ontwikkelde en implementeerde het team een PaaS (Platform as a Service) genaamd de Big Data Platform Edge Architecture, waarbij gebruik werd gemaakt van cloudgebaseerde technologieën en DevOps best practices in de fabrieken van Western Digital.

Data verwerken en beheren

Related:
1 2 Page 1
Page 1 of 2
Learn how leading CIOs are reinventing IT. Download CIO's new Think Tank report today!