In unserem vorangehenden Artikel haben wir die CAMELOT Intelligent Data Services (CIDS) vorgestellt – eine Kombination aus Tools, die eine bessere Datenqualität ermöglichen, Zeit bei der Datenpflege einsparen, bessere Erkenntnisse und Analysen bieten, eine solide Basis für Entscheidungsfindungsprozesse liefern und einen Mehrwert für Ihre Geschäftsfunktionen schaffen. In diesem Text bieten wir nun einen ausführlichen Überblick über alle derzeit verfügbaren Services.
Das CAMELOT AI Driven Data Extraction Tool (CADET)
Die Datenverarbeitung beginnt mit der Dateneingabe. Schon dieser erste Schritt scheint ein weit verbreitetes Problem für Unternehmen darzustellen und gehört wahrscheinlich zu den zeitaufwendigsten Tätigkeiten überhaupt. Heutzutage lassen Unternehmen die Dateneingabe entweder manuell intern oder über ein Shareware Service Center erledigen. Die Daten werden oft ausgehend von ganz unterschiedlichen Datenquellen eingegeben: strukturiert, unstrukturiert, verschiedene Sprachen, Formate, mit Abbildungen, PDFs, Zeichnungen, E-Mails usw. Dadurch werden die Prozesse nicht nur teuer und zeitaufwendig, sondern auch anfällig für zahlreiche Fehler, die zu einer schlechten Datenqualität führen. Menschen sind nicht unfehlbar und können eine Vielzahl von Fehlern verursachen, die sich wiederum negativ auf Prozesse auswirken, die in hohem Maße auf exakte Daten angewiesen sind.
Wir haben ein Tool zur Extraktion und Kommentierung von Daten entwickelt, das in der Lage ist, Daten aus unstrukturierten sowie aus strukturierten Dokumenten zu erfassen und zu verarbeiten – sei es eine Textdatei, ein Bild oder eine PDF-Datei. Und so funktioniert es:
Abbildung 1: CADET Architectur
Wie oben dargestellt, ist ein von Menschen ausgeführter Schritt Teil unserer Lösung. Der Beurteilungsschritt ist entscheidend: Auf diese Weise wird der Mensch nicht vollständig aus dem Vorgang ausgeklammert. Er spielt weiterhin eine zentrale Rolle in dem Prozess, indem er die Ergebnisse der automatischen Extraktion überprüft. Vor allen Dingen wird das Feedback aus der menschlichen Beurteilung für das weitere Lernen des Algorithmus verwendet, so dass sich die Ergebnisse laufend verbessern.
Der primäre Vorteil des CADET-Tools ist die verkürzte Gesamtbearbeitungszeit und die Reduzierung teurer Arbeitsstunden – die gesparte Zeit kann für andere Aktivitäten mit einem höheren Wertschöpfungspotenzial genutzt werden. Da die Qualität der in das System eingegebenen Daten immer besser wird, sinkt das Risiko der Verschlechterung von stark auf exakte Daten angewiesenen Prozessen deutlich. Außerdem führt eine digitalisierte Datenextraktion zu einem insgesamt harmonisierten Datenhandhabungsprozess sowie zu besseren Erkenntnissen und Analysen.
CADET geht auf den Beschaffungsbereich zurück – es begann mit einem PoC-Projekt, in dem Prozesse im Zusammenhang mit der Handhabung komplexer Materialdaten automatisiert werden sollten. Das Projekt ermöglichte die Freisetzung wertvoller Zeit für höherwertige Tätigkeiten – mehr darüber erfahren Sie in dieser Studie zur SAP Business Transformation. Heute kann CADET auch in anderen Anwendungsfällen entlang der gesamten Lieferkette eingesetzt werden – hier einige davon:
- Kundenservice – Ticketerstellung aus Freitextanfragen;
- Buchhaltung – Rechnungs- und Berichtlegungsprozesse;
- HR – Bearbeitung von Lebensläufen und Stellenbeschreibungen.
Service zur Regelfindung (Rule Mining)
Ein weiterer problematischer Faktor bei der Datenverwaltung ist die Analyse. Der Hauptgrund für Schwierigkeiten bei der Erstellung aussagekräftiger Erkenntnisse ist oft die Datenqualität: Inkonsistenzen, nicht korrekte Planungsparameter oder eine fehlerhafte und langsame Dateneingabe, wie wir im vorangehenden Fall gesehen haben. Außerdem ist die Datenanalyse als solche, also die Ableitung von Regeln, deren Beurteilung und Umsetzung, arbeitsintensiv und teuer, vor allem, wenn sie von Fachleuten durchgeführt wird.
Glücklicherweise steht uns heute die Rule-Mining-Technologie zur Verfügung. Der Service zur Regelfindung von CIDS extrahiert Geschäftslogik in Form von Regeln aus verfügbaren Daten. Er baut auf zwei Säulen auf: statistische Analysen großer Datensätze und automatisierte Ableitung von Regeln und Datenmustern.
Welche Vorteile können Sie von der Nutzung des Services erwarten? Abgesehen von einer verbesserten Datenqualität nimmt auch die Konsistenz Ihrer Stammdaten zu – Rule Mining erleichtert die durchgehende Identifizierung und Berichtigung von Inkonsistenzen. Eine höhere Transparenz in Bezug auf Datenmuster erzeugt wertvolle und zuverlässige Erkenntnisse, die Entscheidungsfindungsprozesse unterstützen. Rule Mining kann potenziell Komplexität abbauen und Prozesse wie die Einrichtung von Lieferketten, Datenbestückung oder Qualitätsüberwachung beschleunigen.
Rule Mining ist ein zentraler Bereich mit vielen möglichen Anwendungsfällen:
- Datenanalysen und Erkenntnisse
- Wertprognose für die Bestückung mit Attributen – schnellere und korrekte Dateneingabe durch Verwendung automatisierter Vorschläge für Werteingaben
- Ausreißererkennung
- Mustererkennung
Abbildung 2: Service zur Regelfindung (Rule Mining): Architektur
Service zur Optimierung der Lieferantenhierarchie
Wir haben festgestellt, dass viele Unternehmen auf einer übergeordneten Ebene der Lieferantengruppen nur unzureichende Kostenberichte zur Verfügung haben. Die Grundursache dafür liegt in dem derzeit zur Lieferantengruppierung verwendeten Ansatz: Die meisten Unternehmen führen unregelmäßige manuelle Überprüfungen durch, die zeitaufwendig und daher teuer sind. Außerdem sind sie für menschliche Fehler anfällig. So verhindert eine schlechte Datenqualität aussagekräftige Erkenntnisse über die Lieferanten.
Um dieses Problem anzugehen, haben wir eine Lösung entwickelt, die automatisch Lieferanteninformationen mit öffentlich verfügbaren Daten anreichert. Das Tool lässt sich nahtlos in bestehende ERP-/MDG-Systeme integrieren, um relevante Datensätze mit neu gefundenen und beurteilten Informationen zu aktualisieren. Dies kann in zweierlei Weise erfolgen:
- durch regelmäßig eingeplante Aktualisierungsdurchgänge, um Änderungen in bestehenden Lieferantenhierarchien zu berücksichtigen;
- jedes Mal, wenn ein neuer Lieferant in das System eingegeben wird.
Zusätzlich sind auch Massen-Uploads möglich – dabei können die Hierarchiedaten für zahlreiche Lieferanten in einem Durchgang erfasst werden.
Was sind die Vorteile dieser Lösung? Erstens erzielt sie erhebliche Verbesserungen der Datenqualität, da der automatisierte Prozess menschliche Fehler beseitigt und zugleich Zeitaufwand und Kosten senkt. Zweitens schafft das Tool eine einheitliche Informationsquelle zu Lieferantenhierarchien – so können Sie die Datensilos der Lieferantendateneingabe beseitigen. All dies lässt eine Gesamtübersicht zu Lieferantenhierarchien entstehen, die als Grundlage für eine erweiterte Entscheidungsfindung sowie wertschöpfende Tätigkeiten in Ausgabenanalyse, Compliance und Überwachung dienen kann.
Darüber hinaus kann der Service in mehreren Dimensionen skaliert werden:
- Optimierung von Ergebnissen – Einbeziehung zahlreicher Quellen beim Abruf einer bestimmten Information.
- Ergänzung von Merkmalen – Einbeziehung verschiedener Datenquellen und Ergänzung des Datenobjekts mit anderen relevanten Informationen.
- Horizontale Erweiterung – Anwendung der zugrundeliegenden Logik (Pooling öffentlich verfügbarer Datenquellen zur Ergänzung von Daten zu einem bestimmten Datenobjekt) auf andere Datenobjekte und Anwendungsfälle.
