Wichtige Entscheidungen sollten immer auch datengestüzt erfolgen. Besonders in der heutigen Zeit mit den allseits präsenten Themen rund um die Digitalisierung, Industrie 4.0, Big Data sowie IoT gewinnt das Nutzen von Daten nicht nur immer mehr an Bedeutung, sondern wird für den Erfolg eines Unternehmens unverzichtbar. Doch wo und wie fängt man an? Von der Daten- über die Softwareauswahl bis hin zur Ermittlung des Return On Invest (ROI), ergeben sich gerade zu Anfang viele Fragen, die nur mit einem hohen Zeitaufwand fokussiert und beantwortet werden können.
Viele Unternehmen haben bereits erkannt:
„Die Befähigung firmeninterner Prozess- und Produktexperten, eigene Daten effektiv bewerten und nutzen zu können, ist der Schlüssel zum Erfolg.“
Genau hier, setzt das zusammen mit Kunden entwickelte und bewährte Coaching-Konzet von BNB an. Die Teilnehmerinnen und Teilnehmer lernen unterschiedlichste statisitsche Verfahren aus dem Bereich der Qualitätsstatistiken kennen und diese in den eigenen Projekten anzuwenden. Das Coaching zum firmeninternen „Data-Analyst“ ist für maximal 5 Personen und damit 5 parallel laufende Projekte ausgelegt. Die Projektlaufzeit beträgt typischer Weise 4 bis 6 Monate und beinhaltet, je nach Bedarf, bis zu 3 Präsenzworkshops je Monat.
Während des gesamten Coachings sollte ca. 1 Tag pro Woche für die Projektarbeit fest eingeplant sein. Während der bis zu 12 Präsenzworkshops wird, sofern möglich, immer mit eigenen Daten gearbeitet. Die Themenauswahl, sowie die –tiefe basiert auf den aktuellen Projektständen. Während des Coachings unterstützt BNB die angehenden „Data-Analysts“ zudem via Telefon, E-Mail und online.
Typische Themenschwerpunkte während des Choachings sind:
Grundlegende und seit den 90er Jahren bewährte Vorgehensweise in der Datenanalyse – CRISP-DM
- Projektorganisationswerkzeuge
- Process-Maps und Process-Data-Maps
- Unterschiedliche Werkzeuge aus Six-Sigma und Lean
- Hypothesentests sowie Stichprobenpläne
- Repräsentativität von Stichproben bzw. der vorliegenden Daten
- Datenpräparation und -hygiene
- Statistische Messsystemanalysen (MSA) und Prüfprozesseignung
- Statistische Prozesskontrolle (SPC) und Fähigkeitskennzahlen
- Korrelation, Regression, Varianzanalyse (ANOVA)
- Data Mining Methoden (Bei komplexen Datenstrukturen, bspw. im Bereich Industrie 4.0, Big Data, Machine Learning und Predictive Analytics)
- Statistische Versuchsplanung (DOE)
- Statistische Lebensdauer-, Zuverlässigkeits-, Felddaten- und Garantieanalysen
- Entwickeln von Maßnahmenplänen, Empfehlungen und teilweise auch Automatisierungen
Ziel des Coachings ist zum einen, ein jeweils erfolgreich abgeschlossenes Datenanalyseprojekt je Teilnehmerin und Teilnehmer. Zum anderen – und aus unserer Sicht viel wichtiger- verfügt man nun über einen „Blumenstrauß“ an statistischen Datenanalysemethoden und -funktionen, aus denen man sich künftig aufgabenorientiert bedienden kann.