Identifying the underlying nature of digital technologies in value creation : Big data analytics
Ovaska, Janne (2019)
Pro gradu -tutkielma
Ovaska, Janne
2019
School of Business and Management, Kauppatieteet
Kaikki oikeudet pidätetään.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2019043013803
https://urn.fi/URN:NBN:fi-fe2019043013803
Tiivistelmä
Industry 4.0 has created an abatis for the emerge of new digital technologies that especially consider manufacturing organizations. At the same time, it has created renewal requirements for organization’s value and supply chains. The new requirements have also brought uncertainty about the new opportunities which require modifications and upgrades for the current resource base in order to cope with the digital transformation. The aim of this master’s thesis is to identify what kind of role does the big data analytics has in terms of value creation in a chosen case environment which covers one maintenance organization of Finnish organization’s plant in a process industry. Respectively, the study aims to identify factors that are hindering the utilization of digital technologies, as well as big data analytics’ applicably in predictive maintenance model and in risk management.
The empirical study is conducted as a qualitative singe-case study. The empirical data was collected by interviewing eight persons belonging to case environment. Empirical findings indicate that big data analytics is valuable resource for an organization, if it could provide fact-based data that supports decision-making. Additionally, big data analytics has potential e.g. to create new innovations and business models, configure service concepts around products, improve value chain processes and the quality of end-product. The biggest hindering factor in the utilization of digital technologies at their maximum potential is the conservative organization culture which is not digitally oriented. This kind of organization culture has direct impact on the know-how development which is in line with functional capability within new technological environment. Empirical findings suggest also that big data analytics is applicable to predictive maintenance and risk management models because it facilitates to identify risks at their early stage which leads to implement repairing actions already before the risk occurs within the manufacturing equipment. In addition, big data analytics facilitates to optimize supply chain activities that would lead to efficient lead-times and economic inventories of spare parts. It is noteworthy that big data analytics requires support of internet of things (IoT) in order to act properly in a best possible way. Neljäs teollinen vallankumous on luonut murroksen digitaalisten teknologioiden esiinmarssille erityisesti teollisuusorganisaatioissa. Samalla se on luonut uudistumispaineita organisaation arvoketjulle ja tilaus-toimitusketjulle. Uudet sopeuttamistarpeet ovat tuoneet mukanaan paljon epävarmuutta uusista mahdollisuuksista, jotka vaativat organisaation resurssien muokkaamista ja päivittämistä digitaalisten tarpeiden mukaisiksi. Tämän pro gradu -tutkielman tarkoituksena on tutkia, millainen rooli big data -analytiikalla on arvonluonnin kannalta rakennetussa tapausympäristössä, joka koskee yhden suomalaisen prosessiteollisuusyrityksen tehtaan kunnossapito-organisaatiota. Samalla tutkimuksessa selvitetään, mitkä mahdolliset tekijät hidastavat digitaalisten teknologioiden hyödyntämistä, sekä kuinka hyvin big data -analytiikkaa voidaan hyödyntää ennakoivassa kunnossapidossa ja riskienhallinnassa.
Empiirinen tutkimus on toteutettu laadullisena yksittäisenä tapaustutkimuksena. Empiirinen data kerättiin haastattelemalla kahdeksaa tapausympäristön henkilöä ja kerätty empiirinen data analysoitiin teemoittelulla. Empiirisen tutkimuksen tulokset osoittavat, että big data -analytiikka on arvokas teknologinen resurssi organisaatiolle, jos sen avulla voidaan tuottaa faktapohjaista tietoa päätöksenteon tueksi. Lisäksi big data -analytiikka tukee muun muassa uusien innovaatioiden ja liiketoimintamallien syntymistä, auttaa tuotteiden palvelukonseptien muokkaamisessa, parantaa arvoketjun prosesseja ja lopputuotteen laatua. Suurimpana hidastavana tekijänä digitaalisten teknologioiden hyödyntämiselle on konservatiivisen organisaatiokulttuurin luoma muutoskynnys uusille ratkaisuille. Tällaisella organisaatiokulttuurilla on suora vaikutus osaamisen kehittämiselle, ja näin ollen toiminnalliselle kyvykkyydelle uudessa toimintaympäristössä. Big data -analytiikka sopii hyvin ennakoivaan kunnossapitoon ja riskienhallintaan. Näin ollen se auttaa odottamattomien riskien tunnistamisessa ennalta, mikä johtaa korjaavien toimenpiteiden toteuttamiseen ennen kuin riski on tapahtumassa. Lisäksi big data -analytiikka auttaa tilaus-toimitusketjun toimenpiteiden optimoinnissa, mikä puolestaan auttaa pitämään läpimenoajat tehokkaina ja varaosavaraston taloudellisena. Merkillepantavaa on se, että big data -analytiikka vaatii esineiden internetin (IoT) tuen toimiakseen parhaimmalla mahdollisella tavalla.
The empirical study is conducted as a qualitative singe-case study. The empirical data was collected by interviewing eight persons belonging to case environment. Empirical findings indicate that big data analytics is valuable resource for an organization, if it could provide fact-based data that supports decision-making. Additionally, big data analytics has potential e.g. to create new innovations and business models, configure service concepts around products, improve value chain processes and the quality of end-product. The biggest hindering factor in the utilization of digital technologies at their maximum potential is the conservative organization culture which is not digitally oriented. This kind of organization culture has direct impact on the know-how development which is in line with functional capability within new technological environment. Empirical findings suggest also that big data analytics is applicable to predictive maintenance and risk management models because it facilitates to identify risks at their early stage which leads to implement repairing actions already before the risk occurs within the manufacturing equipment. In addition, big data analytics facilitates to optimize supply chain activities that would lead to efficient lead-times and economic inventories of spare parts. It is noteworthy that big data analytics requires support of internet of things (IoT) in order to act properly in a best possible way.
Empiirinen tutkimus on toteutettu laadullisena yksittäisenä tapaustutkimuksena. Empiirinen data kerättiin haastattelemalla kahdeksaa tapausympäristön henkilöä ja kerätty empiirinen data analysoitiin teemoittelulla. Empiirisen tutkimuksen tulokset osoittavat, että big data -analytiikka on arvokas teknologinen resurssi organisaatiolle, jos sen avulla voidaan tuottaa faktapohjaista tietoa päätöksenteon tueksi. Lisäksi big data -analytiikka tukee muun muassa uusien innovaatioiden ja liiketoimintamallien syntymistä, auttaa tuotteiden palvelukonseptien muokkaamisessa, parantaa arvoketjun prosesseja ja lopputuotteen laatua. Suurimpana hidastavana tekijänä digitaalisten teknologioiden hyödyntämiselle on konservatiivisen organisaatiokulttuurin luoma muutoskynnys uusille ratkaisuille. Tällaisella organisaatiokulttuurilla on suora vaikutus osaamisen kehittämiselle, ja näin ollen toiminnalliselle kyvykkyydelle uudessa toimintaympäristössä. Big data -analytiikka sopii hyvin ennakoivaan kunnossapitoon ja riskienhallintaan. Näin ollen se auttaa odottamattomien riskien tunnistamisessa ennalta, mikä johtaa korjaavien toimenpiteiden toteuttamiseen ennen kuin riski on tapahtumassa. Lisäksi big data -analytiikka auttaa tilaus-toimitusketjun toimenpiteiden optimoinnissa, mikä puolestaan auttaa pitämään läpimenoajat tehokkaina ja varaosavaraston taloudellisena. Merkillepantavaa on se, että big data -analytiikka vaatii esineiden internetin (IoT) tuen toimiakseen parhaimmalla mahdollisella tavalla.