B I D D I G I T A L E T B A H N. Deutsche Bahn und Big Data

Transkript

1 Platzhalter für Titelbild Hier können Sie Bilder aus der Mediathek einfügen! Placeholder for title picture You can insert here pictures from the Mediathek! Deutsche Bahn und Big Data B I D D I G I T A L E T B A H N

2 DB Training, Learning & Consulting Vorstellung und ausgewählte Themen Größter europäischer Qualifizierungs- und Beratungsanbieter 1000 Mitarbeiter 70 Standorte 1500 Schulungsprodukte Teilnehmer CC Unternehmenssteuerung & Informationsmanagement 2 2

3 Strategische Herausforderung Digitalisierung Fallbeispiele zu Big Data Datengetriebene Geschäftsentwicklung 3

4 Produktion 4.0 Arbeitswelten 4.0 IT 4.0 Um die digitale Transformation voran zu treiben wurden sechs 4.0 Initiativen und ein Competence Center aufgesetzt Mobilität 4.0 Sechs 4.0 Initiativen bilden das Gerüst für die digitale Transformation der DB Logistik 4.0 Die Verantwortung für die Umsetzung liegt in den Ressorts und Bereichen Infrastruktur 4.0 Die Initiativen bündeln über 260 Digitalisierungsprojekte im Konzern Competence Center Digitalisierung Zentrale Plattform zur Koordinierung und Austausch der Initiativen mit CEO als Schirmherr 4

5 Das (virtuelle) Big Data Center unterstützt Geschäftsfelder bei der Umsetzung von Big Data Projekten. 5

6 Strategische Herausforderung Digitalisierung Fallbeispiele zu Big Data Datengetriebene Geschäftsentwicklung 6

7 Reisendeninformation Mit Hilfe von Big Data Prognosen Reisende frühzeitiger und verlässlicher über Abfahrts- /Ankunftszeiten informieren Ziel Prognosequalität steigern Nachweis das Big Data Methoden für die Problemstellung geeignet sind Bisherige Ergebnisse Deutliche Verbesserung der Prognosegenauigkeit ist möglich Für weitere Qualitätssteigerung Hinzufügen von weiteren Datenquellen erforderlich Mittelfristig: Umstellung aller Prognosen auf Big Data Ansatz Methodik Anbietervergleich Nutzung unterschiedlicher Big Data Ansätze Vergleich mit bestehender DB-Logik und eigenen Verbesserungsansätzen Quelle: Projekt Reisendeninformation 7

8 DB Energie Potenziale aus der Analyse von großen Datenmengen für DB Energie aufzeigen Ziel Potenziale der Digitalisierung bei DB Energie aufzeigen Definition sinnvoller Anwendungsfälle Aufbau praktischer Erfahrungen und Pilotierung von Innovationsformaten Methodik Agiles Vorgehen (SCRUM) Einsatz von Design Thinking Time-Box-Ansatz Arbeit außerhalb heutiger Strukturen (Lab-Charakter) Ergebnisse, Erkenntnisse (Februar 2016) aktuell kein essentieller Mehrwert durch Predictive Maintenance für DB Energie erkennbar (n-1-sicherheit) Big Data kann Trends am Strom-Terminmarkt erklären und Prognosen ermöglichen Zentrale Datenbereitstellung sollte vereinfacht werden 8

9 Analyse Frühfluktuation Ursachen und Prognosen für die Frühfluktuation von Mitarbeitern im Konzern Ziel Aufdeckung der Ursachen für Frühfluktuation Identifikation von Gruppen, die besonders starke Frühfluktuation aufweisen Bewertung von Maßnahmen zur Reduktion der Fluktuation Erzielte Ergebnisse in 2015 Ableitung von Maßnahmen für besonders betroffene Personengruppen Schaffung Basis für langfristige Vermeidung von Frühfluktuation Methodik Input sind Bestandsdaten von Mitarbeitern inkl. Zu- und Abgängen Methodisch werden die Gruppen über Regression trees identifiziert Maßnahmenfindung und bewertung über Faktorenanalyse, Regression Faktoren-Analyse Regression Tree 9

10 Strategische Herausforderung Digitalisierung Fallbeispiele Big Data Datengetriebene Geschäftsentwicklung 10

11 Datengetriebene Geschäftsentwicklung Trainingsangebot DB Training, Learning & Consulting Schritt 1 Datengetriebene Geschäftsmodelle und Lean Startup Schritt 2 Werden Sie Ihr eigener Datenanalyst Schritt 3 Ihr Prototyp für ein datengetriebenes Geschäftsmodell 11

12 Vielen Dank für Ihre Aufmerksamkeit