비즈니스 사례 만들기와 추천 활동

IIoT 도전과제

오늘 날 비즈니스에서 기업들은 더 나은 품질과, 제품 그리고 신뢰성 문제를 해결하기 위해 운영 데이터와 의사결정 보조 툴에 쉬운 접근을 선호한다.

많은 것이 직관에 반하는 이유는 IIoT 도입에 있어 상위 두 가지의 도전과제가 기술이 아니라 오히려 자금 조달 및 비즈니스 사례개발이기 때문이다.

그 이유는 오래된 딜레마이다: 기업은 빅데이터 분석을 하지 않는 이상 정확한 이익을 예측할 수 없다. 이와 마찬가지로, 기업들은 빅데이터의 혜택에 대한 정확한 이해 없이는 그들의 시간과 자원을 빅데이터에 투자하기를 망설인다.





전략적 목표와 성숙도를 나란히 하기위한 비즈니스 사례의 여정

이 문제를 해결하려면, 딜레마에 빠져 있는 기업들은 일회성 투자수익 계산이 아닌 운영 효율 성숙도와 범위 그리고 매트릭스를 기반으로 한 빅데이터 분석 투자에 대해 고려해봐야 한다. 운영 효율 성숙도는 비즈니스 사례의 범위와 가치를 높이기 위한 원동력이다. LNS 리서치는 성숙도의 측정을 위해 5단계의 접근법을 추천한다. 가장 낮은 단계인 Ad Hoc 단계의 기업들은 고객들의 미래와 현재의 수요에 대해 충족시키기 어렵고, 가장 높은 단계인 시장 선도 기업은 시장을 정의하고 변화 시킬 수 있다. 다음의 매트릭스는 기업들이 자신들의 능력을 바탕으로 현 위치를 평가하는 데 도움을 줄 것이다.





비즈니스 사례를 하나의 여정으로 바라 본다면, 대부분의 기업들은 여러가지 고려사항의 비용적인 측면과 운영 세부 기능 영역내에서 출발 할 것이다. 제한된 성숙도로는 어떻게 생산성 향상이 실제 금전적 이익을 낼 것인가에 대한 비전을 공유하지 못 한다. 품질, 생산 효율, 자산 신뢰성, 또는 에너지 사용과 같은 단일 영역에서의 시작은 최소의 협력과 비용 절감을 이끌어 낸다. 이는 확실히 실제 결과의 불확실성을 제거함으로써 핵심으로 향한다.


성숙해 지고 초기 비용을 절감함으로써 이익은 실현된다. 비즈니스 사례의 범위는 늘어나고, 측정된 매트릭스 종류는 가치 있는 자산으로 축적 된다. 점점 더 성숙해짐으로써, 산업 기업들은 생산성과 비즈니스 모델 변경 또는 새로운 시장의 진입과 같은 전략 목표의 달성을 통해 더 정확하게 경제적 이익을 예측할 수 있게 된다.





추천 활동

IIoT 플랫폼 기술은 지난 40년의 산업현장 변화 중에서도 가장 변화가 심한 현재 이 시기를 주도하고 있다. 산업의 실무자들은 높은 단계의 전략적 목표를 이루기 위해 노력하고 있기 때문에, 디지털 변화를 가지는 공식화 및 구조화된 접근 방식은 매우 중요하다. 이는 운영 아키텍처의와 빅데이터 분석의 가치를 파악하는 관점을 확정 시켜 줄 것이다.


1. 디지털 변화 프레임워크의 수립

조직의 모든 단계와 기능의 변화에 연결되고 가능한 프레임워크를 위해 디지털 변화 리더와 새로운 그룹을 수립해라. 과정의 각 단계에 피디백 고리를 포함시키고 높은 단계 전략 목표는 운영 효율 계획, 시스템 아키텍처, 비즈니스 사례 그리고 솔루션 선택과 항상 나란하게 해라.


2. 운영 아키텍처의 수립

기업은 공식적인 운영 아키텍처 없이는 새로운 IIoT 플랫폼 기술과 빅데이터의 잠재적 가치를 기반으로 한 변화하는 아키텍처에 대응하지 못 한다. 기업의 운영 아키텍처는 다음의 사항들을 충족 시킬 수 있는 탄탄하고 유연한 데이터와 물리적 인프라 구조를 포함하고 있는지를 확인해야 한다.
- 구조화, 반구조화, 그리고 비구조화 데이터의 통합
- IT와 OT의 호환 운영
- 데쉬보드, 트랜드 분석, 회귀 분석과 같은 처방 분석과 전통적 기술 분석 지원
- 차세대 예측과 기계 학습과 같은 관습적 분석의 지원


3. 빅데이터 분석을 위한 비즈니스 사례 여정 계획

빅데이터 분석을 위한 기업의 비즈니스 사례 여정을 현재와 예측되는 운영 효율 능력의 성숙도에 도표화 해라. 낮은 성숙도 단계에 있다면 좁은 범위와 이익에 집중을 해야 한다. 높은 성숙도 단계에 있다면, 넓은 범위와 전략 목표에 직접적으로 연계된 매트릭스에 기초한 가치에 집중해라. 이 여정을 운영전반에 걸친 빅데이터 분석을 설명하는 운영 아키텍처와 나란히 하도록 도표화 해라. 운영 효율 성숙도를 향상 시키기 위해서, 데이터 전문가가 아닌 현재 실무 담당자가 빅데이터 분석에 접근이 가능하도록 시스템과 교육에 투자 해야 한다.


4. 빅데이터 분석을 위해 회사의 통각점 또는 차별화된 경쟁력과 맞는 초기 사용 사례를 선택해라.

이런 초기 사례들은 품질, 생산 효율 또는 신뢰성을 위한 것이다. 품질은 좋은 시작점이 될 수 있다. 왜냐하면, 향상된 품질은 재작업과 폐기를 줄여 단기 ROI를 이끌어 낼 수 있을 뿐만 아니라, 차별화된 고객 경험과 연결된 제품으로부터 모아지는 품질 정보를 기반으로 한 향상된 제품 디자인을 기반으로 한 장기적 ROI를 이끌어 낼 수 있다.




원본: How Manufacturing System Architecture Is Being Transformed by LNS Research
번역: 김수진 선임연구원
편집: 김수진 선임연구원