Digitalization as a Paradigm Changer in Machine-Building Industry

Abstract

Digitalization is a contemporary societal topic among businessmen, scholars, politicians, and citizens. The way Uber has changed the taxi business and subsequently is providing new models for the entire transportation industry or even changing urban planning principles is a practical example of the impact of digitalization. This example illustrates that digitalization offers major returns for some and ultimate losses for others, which is similar to Schumpeter’s “Creative Destruction” that he coined in 1942. Digitalization does not refer to a product or service; it is multiple technology-based products, services, and concepts as a systemic whole. Many of the impacts of digitalization are difficult to observe beforehand, as the impact rendered is systemic rather than a straightforward causal relation. Traditional strategic management theories and frameworks are used to analyze company performance and to explain which strategies individual firms or group of firms should implement to succeed. Many of the tools for top management aid in understanding changes in business environments and offer guidance for making the correct strategic choices, but in many cases, they fail to aid in the detection of systemic phenomena. At the same time, making these strategic choices is difficult, as explained by behavioral economics and management cognition, as the choices involve changing the status quo.<br/><br/>This dissertation examines the digitalization impact on the machine-building industry that serves global container handling customers - ports and terminals. It is a traditional capital intensive business-to-business industry that has a relatively small number of global players. The investigation adopted a value chain view in which machine builders are actors, actors apply digital technologies provided by enablers. The end customers, ports and terminals are referred as users. The objective of the research was to increase understanding of digitalization’s potential for disruption or paradigm change as well as to identify the most important concepts that drive and inhibit this change. As the change brought about by digitalization is underway, it is necessary to understand whether the views regarding its impact differ between enablers, actors, and users. Mixed methods were applied that partly overlapped for triangulation purposes. The primary methodology included two rounds of Delphi interviews that were complemented by a survey and three case descriptions.<br/><br/>Big Data/Artificial Intelligence emerged as the most prominent digital technology that can enable disruption in machine-building. Empirical results have shown that Big Data/Artificial Intelligence challenges the ways knowledge is created; it is more effective when machines and their components are connected to data networks, and the technology is both rapidly advancing and becoming more affordable. The cost, speed, availability, and features of Big Data/Artificial Intelligence development are driven by multiple industries where machine builders can have a relatively small impact.<br/><br/>Empirical results have also shown that discipline and industry-based platforms are the most powerful economic drivers. The current management of the incumbents has little experience with these new elements, which have a major influence on industry dynamics. The platforms are especially powerful for change, as they enable a global network economy in which entrepreneurial knowledge workers can contribute to value creation in collaboration with startups and multinational corporations. Platform development cannot be stopped or delayed by incumbents in machine-building. They can ignore the development, adapt to it, or pursue a platform strategy of their own if the opportunities match the companies’ capabilities.<br/><br/>Examples of the sub-drivers pushing the digital concepts forward are classical and rational productivity, lead times, features, quality, and cost. In addition, some of the inhibitive sub-drivers are relatively easy to identify, such as 3D printing speed or users providing access to their data. Concerns regarding data security delay investment, and changing legacy processes and systems requires time; however, empirical results have indicated that the strongest inertia is related directly to people and decision making. Three of the strongest people-related inhibitive sub-drivers are lack of systemic understanding, management beliefs, and lack of capabilities. The practical contribution for management is twofold. First, it must be believed that digitalization will somehow disrupt the current business, and second that the transformation is too complex to be only planned, but instead requires also experimental learning. A successful combination that has been suggested by books and articles as well as the results and comments from the Delphi interviews is developing an entrepreneurial mindset, conducting multiple small experiments, and applying the knowledge of external networks. This enables strategy formation through learning, which simultaneously develops the capabilities that are needed in data and user-centric business environments.

Digitalisaatio on ajankohtainen aihe liikemiesten, tutkijoiden, poliitikkojen ja yksittäisten ihmisten keskuudessa. Yksi käytännön esimerkki digitalisaation vaikutuksista on Uber, jonka toimintatapa muuttaa taksiliiketoimintaa luoden samalla malleja koko kuljetustoimialalle ja vaikuttaen jopa kaupunkisuunnitteluun. Esimerkki valaisee myös sitä, miten digitalisaatio tarjoaa merkittäviä voittoja yksille ja kohtalokkaita tappioita toisille, kuten Schumpeter kuvasi ”luovan tuhon” ajatuksessaan jo vuonna 1942. Digitalisaatio ei ole yksittäinen tuote tai palvelu, vaan se on tuotteita, palveluita ja konsepteja, joita useat digitaaliset teknologiat systeemisesti mahdollistavat. Systeemisyys yksinkertaisten syy–seuraus-suhteiden sijaan tekee vaikutusten ymmärtämisen ja ennustamisen vaikeaksi. Perinteisiä strategisen johtamisen teorioita ja viitekehyksiä käytetään yritysten suorituskyvyn analysointiin ja sen ymmärtämiseksi, millä toimenpiteillä yritykset menestyisivät. Lisäksi monet ylimmät johdon työkalut helpottavat näkemään liiketoimintaympäristön muutoksia ja tarjoavat tukea oikeiden strategisten valintojen tekemiseen, mutta niissä on heikkouksia systeemisten ilmiöiden havaitsemiseksi. Behavioristinen taloustiede ja johtamisen kognitiotieteet auttavat ymmärtämään, miksi oikeat strategiset valinnat, jotka muuttavat vallitsevia uskomuksia, ovat vaikeita yksilötasolla.<br/><br/>Tämä väitöstutkimus tutki digitalisaation vaikutusta koneenrakennustoimialaan, joka palvelee maailmanlaajuista kontinkäsittelyä – satamia ja terminaaleja. Toimiala on perinteinen, siinä on suhteellisen vähän globaaleja toimijoita ja se sitoo paljon pääomaa. Tutkimus lähestyi ongelmaa arvoketjun näkökulmasta siten, että koneenrakentajat ovat toimijoita, jotka soveltavat digitaalisia teknologioita, joita puolestaan mahdollistajat toimittavat. Arvo syntyy lopullisesti käyttäjille, joita ovat satamat ja terminaalit. Tutkimuksen tavoitteena oli lisätä ymmärrystä digitalisaation mahdollisesti aiheuttamasta murroksesta tai muutoksesta nykyiseen arvonluontimalliin sekä siitä, mitkä tekijät hidastavat tätä kehitystä. Koska mahdollinen muutos on meneillään, käsitysten erovaisuuksien ymmärtäminen arvoketjussa mahdollistajien, toimijoiden ja käyttäjien kesken on tärkeää. Tutkimuksen päämenetelmä oli kahden haastattelukierroksen Delfoi-tekniikka sekä tulosten validiteetin parantamiseksi käytetyt kyselytutkimus sekä kolme case-kuvausta.<br/><br/>Tietomassojen suurtehokäsittely (Big Data) yhdessä tekoälyn (Artificial Intelligence) kanssa nousi tärkeimmäksi mahdollisen murroksen aikaansaavaksi digitaaliseksi teknologiaksi. Empiiriset tulokset osoittivat, että kyseiset teknologiat vaikuttavat uuden tietämyksen syntyyn ja että ilmiö kiihtyy, koska koneet ja niiden komponentit liittyvät kiihtyvässä tahdissa tietoverkkoihin. Kyseiset teknologiat kehittyvät edelleen samalla kun niiden käytön kustannukset laskevat. Nämä teknologiat palvelevat useita toimialoja, mutta koneenrakentajilla itsellään on vähäinen vaikutus teknologian kustannuksiin, nopeuteen, saatavuuteen, ominaisuuksiin tai niiden kehittymiseen.<br/><br/>Empiiriset tulokset osoittivat myös, että tieteenhaara tai toimialapohjaiset alustat ovat voimakkaimmat potentiaalista murrosta aiheuttavat taloudelliset konseptit tämän tutkimuksen rajauksella. Alustat ovat uusia elementtejä, joilla on merkittävä vaikutus toimialan dynamiikkaan, mutta perinteisten yritysten johdolla on harvoin omaan opiskeluun tai kokemukseen perustuvaa osaamista niistä. Alustat saavat voimansa verkostovaikutuksista, joissa tietotyöläiset, startupit ja monikansalliset yritykset luovat yhdessä arvoa. Koneenrakentajat eivät pysty estämään alustojen syntymistä tai merkittävästi hidastamaan niiden kehitystä. Ne voivat ohittaa ilmiön, sopeutua siihen tai mahdollisuuksiensa ja kyvykkyyksiensä puitteissa luoda oman alustastrategiansa.<br/><br/>Merkittävä osa ajureista, jotka kiihdyttävät digitaalisia konsepteja, ovat perinteisiä ja rationaalisia, kuten tuottavuus, läpimenoajat, ominaisuudet, laatu tai kustannukset. Osa kehitystä hidastavista ajureista on helposti tunnistettavissa, kuten 3D-tulostimen nopeus tai kuinka moni käyttäjä antaa pääsyn dataansa. Huoli tietoturvasta hidastaa investointeja, ja olemassa olevien prosessien ja järjestelmien vaihtaminen on aikaa vievää. Empiiriset tulokset osoittivat kuitenkin, että voimakkaimmat hidasteet liittyivät suoraan ihmisiin ja päätöksentekoon. Kolme merkittävintä ihmisiin liittyvää hidastetta olivat systeemisten ilmiöiden huono ymmärtäminen, johdon uskomukset ja kyvykkyyksien puute. Tulosten merkitys käytännön strategiselle johtamiselle kiteytyy kahteen asiaan. Ensinnäkin johdon pitää ymmärtää ja uskoa, että digitaalisuus murtaa joiltakin osin nykyisen liiketoiminnan, ja toiseksi kehitys on niin monisyistä, ettei menestystä voi kovinkaan tarkasti suunnitella etukäteen. Osa tutkimuksessa käytetystä kirjallisuudesta ja Delfoihaastatteluista saadut tulokset painottavat tällaisessa tilanteessa yrittäjyysmäistä ajattelutapaa ja paljon pieniä kokeiluja, joissa hyödynnetään ulkoisten verkostojen tietämystä. Toimintatapa mahdollistaa sen, että strategia voidaan luoda oppimalla, mikä samanaikaisesti kehittää kyvykkyyksiä, joita tarvitaan tieto- ja käyttäjäkeskeisissä liiketoimintaympäristöissä.