Was machen wir mit der Datenflut?

i

Die Begründung des Kandidaten für seine Wahl sollte verschiedene Aspekte miteinbeziehen. Die Möglichkeit sollte:

• quantifizierbar sein (Werte wie z.B. zusätzlicher Umsatz oder Gewinn sollten klar in Zahlen ausdrückbar sein)
• innerhalb der zwei Tage bis zum Treffen analysierbar sein, da ein Ergebnis vorliegen soll
• Potential für Profitabilität aufweisen
• mehr Profitabilität als die anderen Möglichkeiten erkennen lassen

Was ist Predictive Maintenance?

• Viele Komponenten der Autos sind Verschleißteile und müssen nach einiger Zeit ausgetauscht werden.
• Predictive maintenance bedeutet, dass die Daten genutzt werden, um dem Benutzer mitzuteilen, wenn bestimmte Teile vorzeitig gewechselt werden müssen.
• Beispiel: Ein Teil, welches eigentlich nur alle 5 Jahre ausgetauscht werden muss, zeigt nach einem Jahr bereits starke Verschleißerscheinungen. Dies bemerkt der Wagen anhand der Daten. Daraufhin teilt der Wagen dem Benutzer dies mit und empfiehlt ihm, die nächste Vertragswerkstatt unseres Kunden aufzusuchen, um das Teil auszuwechseln und so größeren Schaden zu verhindern.

Informationen zu der betrachteten Komponente

• Diese bestimmte Komponente wird in der Regel (bei 90% der Wägen) alle 4 Jahre ausgetauscht. Beim Rest fällt die Komponente vorher aus.
• Die Komponente kann von Vertragspartnern oder auf dem "grauen Markt" (von anderen Werkstätten) ausgewechselt werden.

Informationen, die dem Kandidaten auf Nachfrage gegeben werden können:

• Der Kunde sieht keine Möglichkeit seinen Marktanteil bei den "gewöhnlich" nach 4 Jahren ausfallenden Komponenten zu steigern, daher beschränkt sich die Zielgruppe für eine potentielle Marktanteilssteigerung auf die früher ausfallenden (vor Ablauf der 4 Jahre) Komponenten.
• Der Kunde sieht Potential in der früher ausfallenden Gruppe. Zusätzlich kann das Vertrauen der Nutzer in unseren Kunden verstärkt werden.
• Der Marktanteil der Vertragspartner für den Wechsel der Komponente bei der früher ausfallenden Gruppe beträgt momentan 50%. Unser Kunde prognostiziert eine Steigerung auf 70% durch die Einführung der predictive maintenance.
• Der Kunde bekommt keinen Gewinn, wenn die Komponente von Nicht-Vertragspartnern ausgewechselt wird.

An dieser Stelle sollte der Kandidat auf jeden Fall Fragen stellen, um mehr Informationen über den Sachverhalt zu erhalten, da die bisher gegebenen Informationen nicht reichen, um das Problem zu lösen.

Informationen, die auf Nachfrage gegeben werden können:

• Stückpreis der Komponente: 800 €
• Materialkosten der Komponente: 250 €
• Herstellungskosten der Komponente: 50 €
• Insgesamt werden jährlich 2.000.000 Stücke der Komponente ausgetauscht
• Die Investition für die Einführung wird nicht miteinbezogen, sondern es wird angenommen, dass die Software bereits vorhanden ist

Der Kandidat sollte eine Struktur aufbauen, mit welcher der zusätzliche Gewinn durch die Einführung der predictive maintenance für die eine Komponente berechnet werden kann.

Gewinn = Umsatz - Kosten oder Gewinn = Anzahl * Gewinn pro Stück

(In diesem Fall ist Gewinn pro Stück = Deckungsbeitrag pro Stück, da keine Fixkosten vorliegen)

Hier wird mit der zweite Variante gerechnet.

Der Gesamtgewinn wird berechnet mit:

Gesamtgewinn = Anzahl der Komponenten * Gewinn pro Komponente

Da nur nach dem zusätzlichen Gewinn gefragt wurde, wird auch nur die zusätzliche Anzahl an Komponenten in den Gewinn gerechnet, die durch die Einführung des predictive maintenance bei den früher ausfallenden Komponenten zu den Vertragspartnern gehen anstatt zu anderen Werkstätten.

Die Anzahl der zusätzlich von Vertragspartnern ausgewechselten früher ausgefallenen Komponenten beträgt: