De presentatie van Philippe Leonhart en Fabien Cochet begint, zoals het hoort, met de bedrijfsdoelstellingen van bandenfabrikant Michelin: ‘morgen is alles duurzaam bij Michelin’. De it-inrichting is daar een afgeleide van. Gebruik van kunstmatige intelligentie door alle medewerkers een voorwaarde. 'Data democratization’ staat hoog in het vaandel.
Philippe Leonhart is bij de fabrikant ‘smart automation & digital transformer’. Naast hem op het podium van de Data & AI Summit van Databricks in San Francisco staat zijn collega Fabien Cochet, it-expert data& analytics. Hun verhaal gaat over ‘data democratization’. Deze term gebruiken Amerikanen voor het proces waarbij gegevens beter beschikbaar worden gemaakt voor iedereen in een organisatie, zowel voor technische als niet-technische gebruikers. De Fransen spreken van een ‘citizen data analytics culture’. Laten wij het houden op ‘data voor iedereen’.
Zij stellen Michelin eerst voor aan de overvolle zaal. Het Franse familiebedrijf uit 1898 is een van de grootste bandenfabrikanten ter wereld. Er werken 125.000 mensen, het heeft 123 productievestigingen, een kleine twee miljard euro winst, is actief in 177 landen. De bedrijfsactiviteiten omvatten behalve de bandenproductie (voor auto’s, tractoren, speciale voertuigen), gerelateerde diensten (autoservicebedrijf Euromaster is een dochterbedrijf), (toeristische) gidsen (denk aan de vermaarde Michelin-sterren voor restaurants) en de ontwikkeling van technisch hoogwaardige materialen.
Terwijl Leonhart en Cochet een inkijkje geven in het bedrijf, verschijnt op de twee schermen naast hen de uitspraak van Florent Menegaux, sinds vier jaar algemeen directeur van de Michelin Groupe: ‘Onze visie op de toekomst is gebaseerd op één overtuiging: morgen is alles duurzaam bij Michelin. Al onze beslissingen zijn gebaseerd op het bereiken van een beter evenwicht tussen menselijke, economische en milieukwesties.’
Nieuwe diensten
Het duo vertelt dat zakelijke beslissingen in grote organisaties te vaak zijn gebaseerd op tijdrovende en arbeidsintensieve gegevensextracten, fragiele Excel-bestanden die aanzienlijke handmatige tussenkomst vereisen. ‘De teams die deze handmatige rapporten opstellen, weten precies waar ze de benodigde gegevens kunnen vinden. Deze kennis is van onschatbare waarde en zou eigenlijk niet in de hoofden moeten zitten van een beperkte groep medewerkers. Want de combinatie van zinvolle gegevens en tools maakt het mogelijk om slimme zakelijke beslissingen te kunnen nemen. Wij werken aan een wereld waarin bedrijfsteams beschikken over tools waarmee ze ondanks hun beperkte technische expertise zinvolle rapporten kunnen opstellen.’
Daarbij gaat het, zo benadrukken zij, ook over technische gegevens van banden om te kunnen blijven innoveren. En om nieuwe diensten te ontwikkelen. Banden moeten herbruikbaar zijn en intelligent. ‘Omdat we ook weten hoe we waarde kunnen creëren rond onze banden. Vanaf het begin begeleiden wij iedereen die op pad gaat. Tegenwoordig zijn onze banden een schat aan informatie waarmee we nieuwe diensten kunnen creëren om het leven van onze klanten gemakkelijker te maken.’
Het tweetal geeft als voorbeeld een vrachtwagen waarbij de Michelin-band een van de verbonden objecten is. ‘Het is onze taak om intelligentie te creëren uit deze gegevens, om onze klanten in realtime oplossingen te bieden. Maar buiten deze truck verbinden we het hele wagenpark om hun werking te optimaliseren. Met onze diensten worden wagenparken gezonder, veiliger, schoner en zuiniger. Dit vertegenwoordigt al miljoenen verbonden objecten, over de hele wereld. En het is nog maar het begin.’
Pionier
Michelin levert dus banden en diensten rond banden. Maar het bedrijf gaat verder. ‘Wij hebben enorm veel materiaalkennis. Waarom zouden we dat alleen voor banden gebruiken’, stellen Leonhart en Cochet. ‘We werken al aan hightech materialen die zorgen voor veranderingen in productie en handel. Bijvoorbeeld onze transportbanden die grote hoeveelheden grondstoffen overal en in alle veiligheid over lange afstanden kunnen transporteren. Materialen om de duurzame stad van morgen te bouwen. Of neem onze harsen van biologische oorsprong en al onze andere componenten, die oneindig recyclebaar zijn, in dienst van een architectuur die meer respect heeft voor de planeet.’
Ook noemen ze materialen om de energieën van de toekomst te produceren en op te slaan. Bijvoorbeeld waterstof, dat in hun ogen een revolutie teweeg zal brengen in de manier van reizen en steden zal zuiveren. ‘Materialen en technisch textiel om nieuwe grenzen te veroveren in de ruimte. Pionieren zat altijd al in ons dna.’
In 2030 zal twintig tot dertig procent van de omzet bij Michelin komen uit de diensten rond banden en de nieuwe materialen (voor bijvoorbeeld medische toepassingen en 3d-metaal-printen). Goed beheer van de enorme hoeveelheden data, kunstmatige intelligentie en het kunnen toepassen van gereedschap om van data informatie te maken, zijn daarbij geboden.
Datagedreven onderneming
Michelin moet zich vormen tot een datagedreven onderneming. Hiertoe is een corporate datalake ingericht. Met aandacht voor datakwaliteit en databeheer. Dit datalake wordt gevoed met gegevens uit het erp-systeem en legacy-systemen. Process mining, datavisualisatie en kunstmatige intelligentie worden toegepast om de juiste gegevens uit het datalake te krijgen.
Er is een selfservice laag gebouwd om veilig toegang te krijgen tot de data. Er zijn zes groepen van ondersteunend personeel gevormd die elk een eigen platform krijgen; in totaal 3400 fte’s. Dat betreft personeelszaken, financiën, inkoop, order2cash & logistiek, business process management en data office. De medewerkers van die laatste groep houden in de gaten of de data goed worden gebruikt.
Het is de bedoeling dat rapportages automatisch zijn te genereren. Op dit moment worden de rapportages nog voor negentig procent handmatig samengesteld; dat moet groeien naar slechts vijf procent.
Puur
Dit wil Michelin bereiken door één referentie databron (de corporate datalake) toe te passen waarbij de data zo ‘puur’ mogelijk zijn. De it-afdeling is verantwoordelijk voor het beschikbaar stellen van de data. It en business samen zorgen voor de datavisualisaties. De corporate datalake zit in een Azure-cloud. Voor de voorbereiding van de datasets zorgt een groep van vijftig procent it’ers en vijftig procent business die hiervoor Databricks-software gebruikt. De voorbereiding van de visualisaties en analysemogelijkheden zorgt een groep van tien procent it en negentig procent business.
De lessen van deze inrichting? ‘Het is mogelijk om de angst voor werken met data en softwaregereedschap weg te nemen. Maar hier moet je als bedrijf wel veel aandacht aan besteden. De business is goed in staat om scripts te schrijven en doet dat snel. De business heeft wel de it-afdeling nodig om de scripts te vervolmaken. Samenwerking is een voorwaarde om data voor iedereen goed te laten werken.’
Het tweetal spreekt van een win-winsituatie. ‘De it-afdeling wordt gewaardeerd voor haar ondersteuning en begeleiding. De it-afdeling krijgt een beter begrip van de bedrijfsprocessen en waarom die zo in elkaar steken; zij leert ook buiten de kaders te denken. De business krijgt een beter begrip voor informatietechnologie, wordt zelf ‘technischer’, en kan kennis delen met collega’s.’
