Logdaten-Analyse: BI jenseits von Controlling, Sales und Marketing

Die automatisierte Analyse maschinell erzeugter Logdaten ist ein vielversprechender Einsatzzweck für BI-Lösungen.

Wer an Business Intelligence (BI) und Data Warehousing denkt, hat wahrscheinlich meistens die Analyse reiner Geschäftsdaten im Hinterkopf. Wie ist die Performance meiner Vertriebs-Mitarbeiter in den verschiedenen Gebiets-Sektionen? Wie muss ich meine Zielgruppen für die nächste Kampagne zuschneiden? Wie erfolgreich war die Kampagne?

Business Intelligence ist viel mehr als das. In anderen Bereichen treten ähnliche Fragestellungen auf. Mit Business Intelligence Lösungen lassen sie sich beantworten. Häufig stehen dabei Logdaten im Mittelpunkt. Es handelt sich dabei um Vergangenheitsdaten, die in maschinell erstellter Form zum Beispiel als täglich geschriebene Textdatei vorliegen. Entscheidend ist dabei der Faktor, dass diese Daten in der Regel ohnehin bereits automatisch erzeugt werden und ohne großen Aufwand zur Verfügung stehen. Ein Projekt zur gezielten Erhebung ist oft gar nicht mehr notwendig. Die Datenqualität ist durch die automatische Erzeugung gesichert.

Logdatenverarbeitung

Abbildung 1: Wege der Logdatenverarbeitung. Quelle: Ancud IT

Beispiel 1: Maschinen-Logdaten aus der Industrie

Maschinen haben heutzutage in der Regel Schnittstellen zum Auslesen der internen Sensordaten. Darüber lassen sich sowohl Betriebsparameter wie Temperaturen, Verbrauchszahlen etc. als auch Produktionsgrößen wie produzierte Menge oder Ausschuss erfassen. Durch Tagging beispielsweise mit RFIDs lässt sich auch der Produktionsablauf einzelner Produkte beim Durchgang durch die Fabrik verfolgen und aufzeichnen – auch über viele Standorte hinweg.

Anwendung: Production Scorecard
Zahlen über die Produktionsleistung lassen sich in einer Production Scorecard übersichtlich aufbereiten und unterstützen so einen optimalen Betriebsablauf. Farblich kodiert erkennt der Produktionscontroller sofort Abweichungen vom Zielwert, kann direkt nach Ursachen suchen und wenn nötig unmittelbar eingreifen.

STK Demo

Abbilung 2: Beispiel: Report über Maschinenlaufzeiten. Quelle: Ancud IT

Anwendung: Fabrik-Monitoring
Richtet man den Fokus auf die Betriebsdaten, so lässt sich beispielsweise der Bezug zwischen bestimmten Betriebssituationen und Maschinenausfällen analysieren. Umfassende Verbrauchs- und Umweltreports – wie sie zunehmend vom Gesetzgeber gefordert sind – können erzeugt werden. Die Fabrik wird transparent.

MLZ Demo

Abbildung 3: Beispiel: Scorecard zum Soll-/Ist-Vergleich in der Produktion. Quelle: Ancud IT

Anwendung: Produkt Datenblatt
Geht man den Schritt weiter auf die Ebene einzelner Produkte, so lassen sich durch ein umfassendes Tracking der Fertigungsabläufe Datenblätter zu jedem einzelnen Produkt erzeugen. Kunden können die Entstehungs-Historie einsehen und erlangen Sicherheit über tatsächliche Inhaltsstoffe oder eingehaltene Standards – besonders wichtig, wenn für internationale Märkte mit regional unterschiedlichen Vorgaben produziert wird. Im Fall eines Rückrufs ist schnelle Handlungsfähigkeit gewährleistet – das A und O, um Image-Schaden zu vermeiden.

Beispiel 2: Server-Logs des Intranet- oder des B2B-Portals

Eine ganz andere Art von Logdaten stammt aus der IT. Ein Portal erzeugt bei jedem Zugriff durch den Nutzer Daten zur Nutzung – zum Beispiel über zugegriffene Seiten/Portlets oder benutzte Suchwörter – sowie zu technischen Parametern wie den benutzten Browser, Reaktionszeiten des Servers und übermittelten Datenmengen.

Anwendung: Betriebliches Monitoring und Prozessoptimierung
Diese Daten lassen sich nutzen, um die Hardware-Infrastruktur und die fachliche Umsetzung des Portals zu optimieren. Durch Auswertung der Logdaten lässt sich herausfinden, wo und wann User mit trägen Serverantworten zu kämpfen haben oder wo Geschäftsprozesse nicht wie vorgesehen abgearbeitet werden, sogenanntes Process Mining. Mit diesem Wissen lässt sich gezielt reagieren. Beispielsweise kann Schulungsbedarf einzelner Nutzer zu den Prozessen aufgedeckt werden oder bei Einsatz einer Business Process Management (BPM) Engine auf Basis der standardisierten BPM Notation (BPMN) können Prozesse leicht angepasst und optimiert werden. Flaschenhälse in der Prozesskette können erkannt und beseitigt werden.

Anwendung: Nutzeneffekte beziffern
Wichtig sind verlässliche Nutzungsdaten auch für die Budgetierung und die korrekte fachliche Ausrichtung von Weiterentwicklungen. Welche Funktionen ihres Portals werden vom Mitarbeiter oder vom Kunden wirklich akzeptiert? Wo besteht Nachholbedarf? Erst durch die Verfügbarkeit dieser Daten lassen sich Entscheidungen auf Basis harter Fakten statt aus dem Bauch heraus treffen. Im nächsten Schritt kann man durch konsequentes Monitoring kontrollierte Experimente ähnlich einem A/B-Test durchführen, indem einzelne Nutzergruppen eine neue Version einer Seite zu Gesicht bekommen, andere die gewohnte. So lassen sich statistisch valide Aussagen über Nutzerakzeptanz treffen.

Analyse und Nutzen

Die Verarbeitung solcher traditioneller Logdaten läuft im Wesentlichen nicht viel anders als bei anderen Geschäftsdaten.

  1. Einlesen und Aufbereiten der Daten in einem ETL-Prozess, Befüllen einer Datenbank oder einer Enterprise Data Lake
  2. Erzeugung vorgefertigter Reports – zum Beispiel der Production Scorecard
  3. Interaktive Analyse in einem OLAP-Cube oder mit Statistiksoftware

Sind die Daten erst einmal derart aufbereitet, ist der Schritt zu Analysen mit Vorhersagekraft nicht mehr weit. Durch Data Mining lässt sich die Ausfallwahrscheinlichkeit von Maschinen ableiten und Ausfälle proaktiv bekämpfen, oder Nutzer können in der Erledigung ihrer Aufgaben durch Empfehlungssysteme und dynamische Assistenten unterstützt werden.

Industrie 4.0

Eine besondere Bedeutung bekommen diese Maschinendaten in Industrie 4.0-Projekten. Dabei geht es um den Schritt über die Logdaten hinaus. Machine-to-Machine (M2M) Schnittstellen, Middlewares und Enterprise Data Bus Lösungen sollen in Kombination mit Prozess-Engines Abläufe und Entscheidungen in der digitalen Fabrik automatisieren. Der Mensch muss sich nur noch um die wichtigen Fragen kümmern. Die Routine-Aufgaben werden automatisch geregelt. Das ist der Schlüssel für enormes Produktivitätspotential und der Grund, wieso dieses Thema so wichtig für die deutsche Industrie ist.

Kontakt: Dipl.-Phys. Johannes Knauf, Consultant BI, Ancud IT-Beratung GmbH, business-intelligence@ancud.de

www.ancud.de/de/Leistungen/BusinessIntelligence.html

www.ancud.de