Haastava autoteollisuus. Kova opettaja.

Elimme aikaa ennen digitalisaation hypetystä. Se oli aikaa ennen kuin tekoäly, IoT ja data olivat kaikkien huulilla. Se oli aikaa ennen Nordic Business Labia.

Kymmenen vuoden matka autoteollisuuden ytimessä neljällä mantereella oli poikkeuksellinen oppikoulu nuorille insinöörinaluille.

Autonvalmistus on maailman äärimmilleen tehostettu tuotantoprosessi. Yhdessä autossa on keskimäärin 30 000 osaa. Osat tulevat kymmeniltä tai jopa sadoilta eri alihankkijoilta. Tuotannon sykliaika voi olla jopa alle minuutin per auto. Jokainen auto on yksilö, made-to-order.

Autossa on 30-100 tietokonetta ja suunnittelu kestää viidestä kymmeneen vuotta. Silti henkilöauton kilohinta on alle 20 €/kg. Tämä pieni ihme on saatu aikaiseksi viemällä kaikki äärimmilleen.

Äärimmäinen työympäristö pakotti nuoret insinöörit oppimaan, miten teknologiaa myydään. Näiden oppien varaan rakensimme myöhemmin Nordic Business Labin.

 
Car parts 2.jpg
 

 

Lisää dataa - lisää ongelmia

Uudet teknologiat mahdollistivat jo silloin reaaliaikaisen datan keräämisen suoraan tuotantoprosessista. Kerätty datamäärä oli jopa tuhatkertainen verrattuna aikaisempaan.

Vanhat työkalut ja tilastomatematiikan kaavat ei toimi näin suurten datamäärien kanssa. Asiakkaan työntekijät eivät osanneet reagoida informaatioähkyyn.

Kasvava datamäärä alkoi olla suoranainen haitta. Opimme kantapään kautta kuinka uusi teknologia kääntyy itseään vastaan.

 
Confusing data.png
 

 

Ratkaisu löytyi tehtaan lattialta

Lukuisten hämmentävien ongelmatilanteiden jälkeen ymmärsimme perehtyä asiakkaan prosessiin ja toimintaan ihan ruohonjuuritasolla. Seurasimme yksittäisten työntekijöiden työtä tuotantolinjalla, juttelimme laatuinsinöörien kanssa ja yritimme selittää tilannetta tehtaanjohdolle. 

Näistä kokemuksista meille alkoi syntyä ymmärrystä asiakkaan liiketoiminnasta ja asiakkaan päivittäisistä ongelmista. Kun olimme viettäneet aikaa satoja päiviä kymmenillä tehtailla, meille oli syntynyt jo varsin selvä käsitys siitä, miten asiakkaan toimintaa pitäisi oikeasti parantaa.

Nyt kun ymmärsimme mitä haluamme asiakkaan päivittäisessä toiminnassa saada aikaiseksi, käännyimme katsomaan meidän valtavaa datamäärää. Millä tavalla olemassa olevaa dataa pitäisi visualisoida, jotta 13-dollarin tuntityöläinen pystyisi säätämään kompleksista tuotantoprosessia?

 
Analytics.jpg
 
 

Asiakashyödyt peruste investoinnille

Uudella datan visualisoinnilla asiakas oppi aluksi välttämään viallisten tuotteiden toimituksen. Pian he oppivat säätämään tuotantoaan niin, ettei hukkaa syntynyt juuri lainkaan. Lopulta he oppivat ennakoimaan työkalujen kulumista ja huoltotarvetta. 

Vähentyneet reklamaatiokustannukset, säästyneet työ- ja raaka-ainekustannukset sekä laatutasosta seurannut tuotteen hinnannousu olivat hyötyjä, jotka pystyimme laskemaan euroissa. Asiakas pystyi laskemaan alle vuoden takaisinmaksun investoinnille, joka alussa oli ollut suuri päänsärky.

Kun asiakas näki konkreettiset hyödyt, pystyi nuori ja kokematon insinöörikin klousaamaan kauppoja. Menestyksen salaisuus ei ollut tuotteen tai teknologian kehittäminen. Sen sijaan muutimme myyntiviestiä ja rakensimme uuden visuaalisen käyttöliittymän data-analytiikan työkaluin.

 
ROI calculation.png
 

 

Nyt haluamme auttaa sinua!

Oi niitä aikoja. Me nuoret insinöörinalut saimme ensimmäisessä työpaikassamme nähdä teknologiavientiä eri rooleissa, asentajasta toimitusjohtajaan. Tästä matkasta syntyi myös Suomen ainoa väitöskirja teknologian myynnistä.

Yhdistelmä käytännön oppeja ja akateemista ymmärrystä antoi meille kyvyn nähdä, miksi jotkin ilmeisiltä tuntuvat asiat ovatkin niin mahdottomia. Ja miten mahdottomilta tuntuviin kysymyksiin löytyykin yksinkertainen vastaus.

Tämän osaamisen otimme pohjaksi, kun perustimme Nordic Business Labin.

Tiedämme miten raskas matka teknologian maailmanmenestykseen vieminen voi olla. Siksi haluamme auttaa sinua välttämään samat sakkokierrokset ja tekemään matkasta ketterän.

 
Tommi ja Valtteri - vain tehdas ja tohtori.jpg