25 februari 2013 -
Wat zou het mooi zijn als u bijvoorbeeld op tijd over voorraadgegevens, omloopsnelheden en klantgegevens kunt beschikken. Dan zou een slachterij bijvoorbeeld kunnen voorkomen dat zij vlees moet terugnemen uit een supermarkt en moet doorverkopen tegen een lagere prijs. In-memory computing draagt die belofte in zich. Een combinatie van hardware, software en bedrijfskennis maakt dit mogelijk. Dit stelt freelance auteur Teus Molenaar.
De kern van in-memory computing is SAP HANA, een appliance: een doos waarin een database zit die zo’n formidabel werkgeheugen heeft, dat het mogelijk is analyses uit te voeren op actuele data zonder dat de bedrijfsvoering hier last van heeft. Orderinvoer en –verwerking kan dan gewoon op de gebruikelijke snelheid doorgaan, terwijl medewerkers direct al die gegevens kunnen gebruiken om inzicht te krijgen in bijvoorbeeld omloopsnelheden.
Snelle rapportages
Anastasia Pavlovskaya vertelt tijdens een gebruikersbijeenkomst wat het voor Gloria Jeans betekent om op deze snelheid rapportages te kunnen draaien. Pavlovskaya is managing director bij de Nederlands-Witrussische (Belarus) adviseur Ozone Consulting, gespecialiseerd in SAP-projecten. Zij zegt dat de CEO van Gloria Jeans, Vladimir Melnikov, een ongeduldig mens is. "Hij wil meteen weten hoe het ervoor staat. Hij wil inzicht hebben in voorraden, omloopsnelheden van bepaalde producten en dergelijke om de juiste prijs te kunnen vaststellen of aanpassen. Dat valt niet mee met veertien fabrieken in Rusland en Oekraïne, en ongeveer zeshonderd winkels in de twee landen. Gewoonlijk duurde het 65 minuten om een rapport uit te draaien voor de vaststelling van de prijs; wij hebben dat met HANA weten terug te brengen tot een minuut en 31 seconden. Weet u wat het is? Als het zo lang duurt, dan draait u zo’n analyse niet eens of in elk geval veel minder vaak. Nu is het een fluitje van een cent."
Kaas naar beste klant
In een workshop laten deelnemers hun gedachten de vrije loop als zij nadenken over wat die snelheid zou kunnen betekenen voor hun bedrijfsprocessen. Dat is immers de eerste vraag die steeds op tafel ligt: wat kunt u doen met dergelijke verwerkingssnelheden wat momenteel nog niet mogelijk is? Want de investering in de in-memory database moet natuurlijk wel wat opleveren.
Een medewerker van een grote zuivelverwerkende onderneming in Nederland weet het wel: hij wil tijdig weten wanneer een melktekort optreedt om bepaalde kaas te kunnen maken. De productie van kaas is profijtelijk, omdat dit product langer is te bewaren en er een hogere prijs voor is te vragen dan de dagverse producten als melk en yoghurt. "Nu merken we een verminderde aanvoer pas als we geen tijd meer hebben om na te gaan met welke afnemers van bepaalde kazen we de beste relaties hebben. Die zou je willen belonen door in tijden van schaarste toch aanvoer te verzorgen. Nu is de toedeling geheel willekeurig. Als we alle benodigde gegevens sneller kunnen analyseren, kunnen we dit probleem oplossen en daarmee de klanttevredenheid verhogen."
Minder terugroepen
Of neem de medewerker van een grote slachterij. Hij voorziet met deze snelle technologie de mogelijkheid om minder vlees te hoeven terughalen uit de supermarkt. Het vlees – bewerkt, verpakt en al – blijft eigendom van de slachterij; ook als het in het magazijn van de retailer ligt, zelfs als het in de schappen ligt van de winkel. Pas als de cassière het product aanslaat, gaat het eigendom over van slachterij naar winkelier. "Vlees is bederfelijke waar, u moet dat op tijd zien te verkopen. U wilt weten of de uiterste verkoopdatum in het verschiet ligt, zodat u eventueel de prijs kunt verlagen om het alsnog te verkopen. Als u het moet terughalen, dan kost dat namelijk altijd geld. Zelfs als u het kunt verkopen aan een ander bedrijf, want daar krijgt u een lagere prijs en moet u toch de logistieke kosten maken. Als we snel inzicht krijgen in al die bewegingen, dan zou ons dat veel geld kunnen besparen," mijmert hij.
Minder grond verplaatsen
Of neem Suiker Unie. Dit bedrijf zet HANA al in om inzicht te krijgen in het onderhoud aan materieel. Het is nodig om dat scherp te krijgen, omdat de fabrieken alleen kunnen draaien gedurende de suikerbietencampagne en dan ook honderd procent beschikbaar moeten zijn. Niet gepland onderhoud in die periode levert productieverlies op.
Maar er is meer mogelijk dankzij die razendsnelle analyse van gegevens. De suikerbieten komen van het land naar de fabriek. In de vrachtwagens zit veel aarde die aan de bieten zit vastgekleefd; ongeveer de helft van de totale inhoud. Dit nutteloos verrijden van aarde brengt milieuvervuiling met zich mee. Als, op grond van monsterneming bij de boer, de gegevens van de suikerbieten tijdig zijn te verwerken, dan kan de Suiker Unie tijdig besluiten bijvoorbeeld een boete op te leggen omdat er te veel tarra de vrachtwagen in gaat. De boer kan besluiten de bieten schoon te maken om aan de boete te ontsnappen. Een kwestie van financiële afweging, waarbij het milieu is gebaat. Snelle analyse van gegevens maakt een dergelijk proces mogelijk. Hetgeen nog niet wil zeggen dat de Suiker Unie dat ook gaat doen – er spelen meer factoren een rol bij zo’n beslissing – maar het is in de praktijk wel mogelijk.
Techniek wel belangrijk
De ervaring leert, zo vertelt Jerry Boezel (managing director T-Systems Nederland), dat de business vanzelf met ideeën komt, zodra eenmaal bekend is dat een snelle analyse op actuele gegevens mogelijk is. De nadruk moet liggen op de bedrijfsvoordelen die zo’n snelle database kan opleveren. Toch is het niet onbelangrijk de technologie goed op orde te hebben. Zo spelen er vragen als hoeveel intern geheugen de databasemachine moet hebben en hoe de gegevens er binnen komen.
Een onderneming die overweegt met een in-memory database aan de slag te gaan, doet er goed aan zich te laten informeren door een team van softwareleverancier (bijvoorbeeld SAP), hardwarefabrikant (bijvoorbeeld HP) en een systeem integrator als T-Systems dat al vaker met het SAP-bijltje heeft gehakt.
