الإستراتيجية البيئية لإنترنت الأشياء (I): كيفية تحويل البيانات إلى قيمة أعمال مستدامة؟

       القراءة الموجهة

       أصبحت البيانات الناتجة عن إنترنت الأشياء تدريجياً القوة الرئيسية للبيانات الضخمة. تهدف هذه الورقة إلى استكشاف المشكلة التي يهتم بها معظم المديرين التنفيذيين للمؤسسات المبتكرة: كيفية تحويل البيانات إلى قيمة أعمال مستدامة خطوة بخطوة على طول سلسلة بيانات إنترنت الأشياء؟

"على الرغم من أن البيانات لم يتم تضمينها في الميزانية العمومية للشركة، إلا أن الأمر مجرد مسألة وقت."

       —— عصر البيانات الضخمة فيكتور وميدوت؛ ميل شوينبرج

       يقول البعض إن دور البيانات على المجتمع يشبه النفط. ويقول آخرون إن تأثير البيانات على المجتمع سيفوق النفط. أعتقد أن هذا صحيح. البيانات والنفط كلاهما مصدران للطاقة لتعزيز التغيير الاجتماعي، وعمليات توليدهما وتطبيقهما متماثلة؛ ومع ذلك، فإن البيانات لها العديد من الخصائص التي لا يضاهيها النفط: يمكن إعادة استخدامها ونسخها ونقلها بسرعة عالية، وبالتالي فإن تأثير البيانات على المجتمع سيتجاوز تأثير النفط بكثير!

       على أية حال، تساعد مقارنة البيانات بالنفط على فهم سياق سلسلة بيانات إنترنت الأشياء بشكل أفضل. لقد عملت في شركة نفط ولدي بعض المعرفة بعملية الأعمال المتعلقة بالنفط. دعنا نقارن البيانات بالنفط.

       قبل استغلال النفط، كان مجرد خليط من الهيدروكربونات ذات المكونات المعقدة المترسبة في القشرة الأرضية. ومع ذلك، بمجرد رشه من تحت الأرض، يمكن استخدامه لمجموعة متنوعة من الأغراض ويصبح من الضروريات المختلفة للمجتمع الحديث، مثل الوقود (البنزين والديزل وما إلى ذلك)، وزيوت التشحيم، والمواد الخام الكيميائية، والمنتجات البلاستيكية، وما إلى ذلك، كما تم عرض قيمتها التجارية تدريجيًا بشكل واضح وحيوي.

       إن عملية استخراج القيمة التجارية للبيانات تشبه عملية تكرير النفط الرقمي الافتراضي.

الشكل 1: عملية إنتاج النفط وتسويقه لربط بيانات إنترنت الأشياء

       كما هو موضح في الشكل 1، بالنسبة لإنترنت الأشياء، يجب أن تبدأ قيمة بيانات التعدين أيضًا من البحث عن مناجم البيانات، ثم من خلال التحسين المستمر للقدرة على جمع البيانات ونقلها وتخزينها وتحليلها، وتحويل تلك البيانات المفلترة والمحللة إلى قيمة تجارية يمكن أن تعكس مزايا المؤسسات. تشكل هذه العملية رابط بيانات مشابه لعملية إنتاج النفط وتسويقه: يظهر في الشكل 2 اكتساب البيانات (استغلال النفط)، واتصالات البيانات (نقل النفط)، وتخزين البيانات وتحليلها (تخزين النفط وتكريره)، وتطبيقها وتحويلها إلى قيمة تجارية.

الرقم 2:رسم تخطيطي لرابط بيانات إنترنت الأشياء

       في الواقع، لا يزال يتم إنشاء بيانات جديدة في عملية تطبيق البيانات وتحويلها. يتم تغذية هذه البيانات الجديدة في الوقت الفعلي والعودة إلى المرحلة الأولية. جنبًا إلى جنب مع البيانات الأخرى، فإنها تمر عبر عملية السلسلة بأكملها مرة أخرى، وتشكل عملية دورة "اكتساب ردود الفعل على تطبيق الاستحواذ" تختلف عن العملية الخطية التقليدية "نفايات استهلاك الإنتاج" للنفط، وهذا مشابه تمامًا للعملية المستدامة "استهلاك الإنتاج "إعادة التدوير" التي يمر بها النفط في ظل الاقتصاد الدائري، وهذا هو السبب في أن استراتيجية الأعمال المستدامة مهمة جدًا لبناء النظام البيئي لإنترنت الأشياء.

       فيما يلي مناقشة خطوة بخطوة حول كيفية تحويل البيانات إلى قيمة أعمال مستدامة عبر سلسلة بيانات إنترنت الأشياء وفقًا للخطوات الموضحة في الشكل 2.

جمع البيانات: العثور على منطقة التعدين المستهدفة للبيانات الضخمة

الرقم 3:رسم تخطيطي للحصول على بيانات إنترنت الأشياء

       يختلف تكوين ومظهر النفط الخام باختلاف مكان المنشأ، وتكون البيانات الأصلية شاملة في الشكل. يمكن للكلمات والصور والأصوات والرموز والإشارات وغيرها من المعلومات التي يمكن رقمنتها بواسطة الكمبيوتر أن تصبح بيانات أصلية! بالإضافة إلى ذلك، فإن النفط لديه متطلبات عتبة محددة للجيولوجيا والتضاريس وتكنولوجيا التعدين في أصله، وتكنولوجيا التعدين تواكب العصر دائمًا. وبالمثل، يجب أن تتوافق المناقشة حول جمع بيانات إنترنت الأشياء أيضًا مع سيناريوهات محددة واستخدام الحلول التقنية المتطورة للتجميع.

       قبل ظهور إنترنت الأشياء، كانت بياناتنا التقليدية تشير عمومًا إلى بيانات ثابتة نسبيًا وثابتة هيكليًا ودقيقة جاءت من داخل المؤسسة، أو تفاعلت مع العملاء يدويًا أو قرأتها بانتظام. الآن، توسع إنترنت الأشياء نطاق جمع البيانات على نطاق واسع. ويشمل بيانات ديناميكية ضخمة في الوقت الفعلي من معدات الإنتاج والمستخدمين والمنتجات بمرور الوقت. إنه أكثر شمولاً وتوقيتًا من أي وقت مضى، ويملأ العديد من فجوات البيانات في العمليات التجارية التقليدية.

       إن خصائص بيانات إنترنت الأشياء تميل إلى أن تكون "كاملة" و"شاملة" و"ضخمة"، مما يجعلنا مضطرين إلى النظر إلى هذه البيانات بطريقة تفكير مختلفة. لم يعد علينا التركيز على العلاقة السببية الصارمة بين البيانات المحدودة، بل أصبح لدينا المزيد من البصيرة في العلاقات المحتملة بين الأشياء المختلفة التي تمثلها البيانات، وذلك لمعرفة القيمة المحتملة وفهم الاتجاه المستقبلي. دعني أضعها بطريقة أخرى، الوظيفة الأساسية لبيانات إنترنت الأشياء هي خلق مستقبل أكثر تنوعًا من خلال "التنبؤ". هذه الطريقة الجديدة في التفكير أقرب إلى التفكير البيئي لفهم تطور الحياة، بدلاً من التفكير الدقيق لفهم الحركة الميكانيكية.

       فما هي بيانات إنترنت الأشياء التي يمكن تحويلها إلى قيمة تجارية؟ ومن منظور تأثيرها على العمليات التجارية، أعتقد أنه يمكن تقسيمها تقريبًا إلى الفئات الأربع التالية:

 
       بيانات لتحسين كفاءة الطاقة والأداء للمعدات:يمكن لتقنية إنترنت الأشياء إدارة استهلاك الطاقة للمعدات وتحسينه بذكاء، وتقليل المشاركة اليدوية، وتوفير فقدان الطاقة في عملية الأعمال بأكملها. ولهذا السبب يصنف الناس عمومًا تكنولوجيا إنترنت الأشياء على أنها "تكنولوجيا موفرة للطاقة".وفقًا لسيناريو التطبيق الفعلي، فإن بيانات استهلاك الطاقة التي نحتاج إلى جمعها تشمل الطاقة في الوقت الفعلي، والحرارة، وحجم المياه، والضغط أو ما يعادله من الفحم المحسوب، بالإضافة إلى الجهد الكهربي والتيار والحجم وما إلى ذلك.

       بيانات تشخيص المعدات والإنذار المبكر:على سبيل المثال، حدد درجة حرارة موقع المعدات، وتكرار اهتزاز المعدات، وتدفق السوائل، والضوضاء البيئية، وحتى ضغط فجوة تلامس المعدات.تختلف المعلمات المحددة التي سيتم جمعها وفقًا لسيناريو التطبيق، وذلك لمنع أو تقليل الأخطاء أو الكوارث المحتملة في عملية الإنتاج.

       البيانات المستخدمة لتحسين خدمة العملاء:بيانات معاملات العملاء غير الحساسة، مثل كمية المعاملة، وحجم المعاملة، وتكرار المعاملة، وموقع المعاملة، ونوع المنتج، ونقاط العميل، بالإضافة إلى بيانات استخدام العميل، مثل بيانات الخبرة المكانية المتنوعة للمنزل الذكي.لا يمكن لهذه البيانات أن تزود العملاء بآراء مرجعية مخصصة وخدمات في الوقت الفعلي لمساعدة العملاء على اتخاذ قرارات المعاملات فحسب، بل تساعد أيضًا المؤسسات على تقديم خدمات أكثر تخصيصًا للعملاء الجدد والشركاء عبر الحدود في المستقبل.

       البيانات المستخدمة لتنفيذ ترخيص "كخدمة (xaas)".:تشتمل "معدات الاتصالات" في عصر إنترنت الأشياء على أشياء مختلفة. يحدد وقت التشغيل العادي ومسافة الإزاحة ووقت الفشل وما إلى ذلك الخدمات التي يحق للمستخدمين استخدامها وتحت أي ظروف ومتى.تلعب هذه البيانات دورًا بارزًا بشكل خاص في تحويل نماذج الأعمال المختلفة "كخدمة".على أساس الترخيص، يمكن أيضًا تسعير المستخدمين وتسويتهم وخصمهم مباشرة عبر الإنترنت.

تميل سيناريوهات تطبيق إنترنت الأشياء إلى التنوع، وسيتم توسيع أنواع البيانات المتاحة للتجميع والتحليل بشكل مستمر. قد تكون أنواع البيانات المذكورة أعلاه جزءًا فقط من بيانات إنترنت الأشياء المستقبلية، ولكن البيانات الجديدة لا يمكن فصلها بشكل أساسي عن الوظيفة الأساسية المتمثلة في "اكتشاف الأهمية والتنبؤ بالنتائج وتحقيق القيمة". حول هذا الأساس، يمكن التنبؤ بأن بيانات إنترنت الأشياء ستقود الأعمال إلى عصر جديد مع تكنولوجيا أكثر ذكاءً وفكرًا أكثر إيكولوجية!

نقل البيانات وتخزينها وتحليلها: البحث عن الكنز في البيانات

الرقم 4:إنترنت الأشياء: نقل البيانات وتخزينها وتحليلها

       نظرًا لأن بيانات إنترنت الأشياء افتراضية، وتتغير بمرور الوقت وقابلة لإعادة الاستخدام، فإن عملية الاتصال والتخزين والتحليل لبيانات إنترنت الأشياء تتمتع بمساحة تطوير أكثر تعقيدًا ومرونة من تلك الخاصة بنقل النفط وتخزينه وتكريره. تتضمن هذه العملية عددًا كبيرًا من التقنيات أو مجموعات التكنولوجيا الناشئة المتطورة، كما هو موضح في الشكل 4، بما في ذلك تقنيات وبروتوكولات الاتصال الجديدة المختلفة في مجال اتصالات البيانات، وتقنيات شبكات إنترنت الأشياء المحلية والواسعة النطاق، بالإضافة إلى التخزين السحابي العام أو الخاص، والحوسبة السحابية، والحوسبة الحافة، والتعلم الآلي، والذكاء الاصطناعي، وتصور البيانات، والبلوك تشين، وما إلى ذلك في مجال التخزين والتحليل. نظرًا لأن هذه التقنيات التطلعية تستمر في اختراق الأعمال التجارية، فإن هذا الرابط من السهل للغاية أيضًا أن يولد تقنيات جديدة تخريبية ونماذج أعمال جديدة. في الوقت نفسه، من الصعب تجنب دخان النزاعات التجارية القصيرة الأجل والساخنة والحروب التجارية.

       من بين حلول التكنولوجيا الجديدة ونماذج الأعمال هذه، فقط تلك التقنيات الجديدة أو المنصات الجديدة أو نماذج الأعمال الجديدة التي يمكنها دمج تقنيات وموارد أعمال أكثر تنوعًا هي الفائزون النهائيون في سوق التكنولوجيا المستقبلية، مثل الرقائق الذكية واتصالات الجيل الخامس وأنظمة تشغيل إنترنت الأشياء التي تشغل المجال الأساسي لتكنولوجيا إنترنت الأشياء، أو ربط الشركاء البيئيين المنبع والمصب لإنترنت الأشياء، وتوفير منصة بيانات إنترنت الأشياء مع واجهات برمجة تطبيقات غنية، وما إلى ذلك. تميل التنسيقات التجارية في عصر إنترنت الأشياء، من تنظيم الموظفين إلى الهندسة المعمارية الفنية، إلى أن تكون مسطحة ومفتوحة المصدر، ويتم كسر الحواجز التقنية التقليدية المختلفة، وتفويض السلطة التجارية. لذلك، تم الكشف عن الصراع المحتضر لبعض القادة في الصناعات التقليدية واحدًا تلو الآخر.

       كيفية فهم اتجاه التكنولوجيا والأعمال لهذا الرابط الرئيسي، خذ بنية إنترنت الأشياء النموذجية التالية الممتدة من السحابة إلى الضباب كمثال.

الرقم 5:رسم تخطيطي لمنصة تحليل حافة إنترنت الأشياء

       كما هو موضح في الشكل، مع التنوع المتزايد لمعدات الطرفية الذكية وسيناريوهات أعمال إنترنت الأشياء، من المطلوب أن تكون سرعة نقل البيانات وردود الفعل أسرع، خاصة بالنسبة للشبكة الذكية واستكشاف النفط ومعظم مجالات التصنيع الصناعي مع التشغيل عن بعد، أصبحت فكرة النشر الأقرب إلى الإنترنت المحمول في المرحلة الأولية من إنترنت الأشياء - حذف الخلفية الرمادية في منتصف الشكل ومركزية البيانات التي تم جمعها بواسطة الأجهزة الطرفية إلى السحابة مباشرة - غير فعالة بشكل متزايد. بالطبع، بالنسبة للعديد من سيناريوهات تطبيق إنترنت الأشياء الصناعية الفعلية، يجب تخصيص هذه الهندسة المعمارية بشكل أكبر، الأمر الذي قد ينطوي على إضفاء الطابع الفكري على العديد من المعدات القديمة، وإدارة واجهة الإنسان والآلة (HMI)، وما إلى ذلك.

       على أية حال، فإن موقف نشر الحلول التقنية لإنترنت الأشياء، وخاصة إنترنت الأشياء الصناعي، ينتقل من السحابة إلى طبقة الضباب الأقرب إلى المعدات الطرفية. وهذا يشبه تفويض مدير عام السحابة سلطة معالجة البيانات إلى مديري منطقة الضباب في أماكن مختلفة للمعالجة المستقلة. وبهذه الطريقة، يمكن لمنصة تحليل طبقة الضباب تحليل البيانات في وقت أكثر واقعية واتخاذ قرارات عمل أكثر ملاءمة وفي الوقت المناسب. إن توزيع الطاقة بين السحابة والضباب هو فن التوازن بين المركزية والتقسيم. يجب أن تفوض السحابة السلطة، ولكن ليس كثيرًا. والمفتاح هو الحفاظ على قنوات تدفق المعلومات في الوقت الفعلي بين الاثنين سلسة وفي الوقت المناسب وفعالة.

       من وجهة النظر هذه، فإن البيانات الديناميكية الضخمة التي تولدها بنية إنترنت الأشياء تشبه المياه المتدفقة. تتبخر من "المحطات الطرفية" حول العالم إلى بخار وضباب وسحب ومطر وتعود إلى الأرض. إذا قلنا إن دورة المياه في الطبيعة تولد الأشياء الطبيعية المتطورة بمساعدة طاقة ضوء الشمس تحت تأثير جاذبية الأرض، فإن تدفق البيانات لإنترنت الأشياء يتطور ويتطور في الاتجاه الملائم لولادة كل صناعة رأسية وبناء نظام بيئي تجاري خاص بها بمساعدة حكمة الناس والآلات.

       بشكل عام، يتماشى توسع إطار تكنولوجيا إنترنت الأشياء من السحابة إلى الضباب مع الاتجاه البيئي لتنمية الأعمال. إنه يجعل التقسيم الفني للعمل في المجتمع التجاري أكثر تفصيلاً والإدارة أكثر تسطحًا. من بين جميع تقنيات التقسيم، لا يمكن إنكار أن تكنولوجيا تحليل البيانات هي مفتاح مهم للغاية. يمكن القول إنها تلعب دورًا رابطًا في سلسلة بيانات إنترنت الأشياء بأكملها ولها تأثير فوري. ربما يكون المجال الأكثر لفتًا للانتباه في تحليل البيانات هو الذكاء الاصطناعي (AI). يعتقد الكثير من الناس أن الذكاء الاصطناعي هو تقنية واحدة. في الواقع، ليس كذلك. إنه مجموعة من التقنيات المختلفة المتعلقة بتحليل البيانات الذكية، من "المستشعر البصري" و"شريحة الذكاء الاصطناعي" على مستوى الأجهزة إلى "التعرف على الوجه" و"القيادة بدون طيار" و"التعرف على الكلام" على مستوى التطبيق "بناء مدبرة منزل ذكية" و"تحليل توفير الطاقة" وتكنولوجيا البرمجيات وبراءات الاختراع والمعايير والبروتوكولات وما إلى ذلك الواردة فيها كلها جزء من مجموعة تكنولوجيا الذكاء الاصطناعي.

       في مجموعة تكنولوجيا الذكاء الاصطناعي، فإن المجموعة الفرعية الأكثر بروزًا هي بلا شك "التعلم الآلي"، والذي يستخدم قوة الحوسبة الحاسوبية لاستخراج معلومات أو قوانين قيمة من البيانات. نسبيًا، تحسب البرمجة التقليدية النتائج وفقًا لقواعد الخوارزمية التي يقدمها المبرمج، ويمكن للآلة في التعلم الآلي أن تعمل كمبرمج وإعادة استخدام كل نتيجة حسابية كبيانات للتصحيح الذاتي والتحقق المستمر. ومن بينها، بمساعدة الشبكات العصبية الاصطناعية متعددة المستويات (ANN)، فإن تطبيق حساب وتحليل البيانات الضخمة للحل الأمثل يجلب "التعلم الآلي" إلى مجموعته الفرعية الأكثر أهمية "التعلم العميق". يظهر الفرق بينهما في الشكل 6:

الرقم 6:مقارنة بين البرمجة التقليدية والتعلم الآلي

       لا شك أن "التعلم العميق" سيكون المنافسة الأساسية في مجال تحليل بيانات إنترنت الأشياء لفترة طويلة في المستقبل. تعادل عملية التعلم العميق استخدام شبكة عصبية متعددة المستويات للعثور على خريطة البحث عن الكنز في متاهة البيانات الضخمة، وهي عبارة عن خريطة للبحث عن الكنز ذات المسار الأمثل. باستخدام خريطة البحث عن الكنز (الخوارزمية)، من المرجح أن نجد في النهاية أطفالًا جددًا (قيمة تجارية) في العديد من البيانات المعقدة.

       عند الحديث عن هذا، لا يسعني إلا أن أشعر: حتى الآلات تحاول التعلم وإصدار أحكام مستقلة ذكية. لماذا لا نضاعف جهودنا للتعلم وتشكيل أفكارنا المستقلة؟ وقد تردد صدى هذا مع أول منظمة تمثيلية فرنسية في الصين التي استضافت مشروع دكتوراه إدارة الأعمال (im-dba) في التصنيع الذكي واقترحت التعلم الشامل. لقد عبرت تقريبًا عن هذا الرأي في الندوة الداخلية: في المستقبل، يجب على صناع القرار التجاري الاستمرار في التعلم والتفكير مثل آلة الذكاء الاصطناعي "التعلم العميق"، وصقل الممارسة الشخصية (البيانات) والأداء (النتائج) لتوجيه القيم الإيديولوجية (قوانين الأعمال) لصناعتهم، من أجل الحفاظ على ميزتهم التنافسية. نظرًا لأن التعلم الآلي هو اتجاه تجاري يستحق زيادة الاستثمار في المستقبل، فهل التعلم الشخصي مدى الحياة هو أيضًا اتجاه حياة يستحق الاستثمار المستمر؟

تحويل البيانات إلى قيمة تجارية

الرقم 7:رسم تخطيطي لتحويل البيانات إلى قيمة الأعمال

       على سبيل المثال، يدخل النفط المكرر في جميع مناحي الحياة ليصبح وقودًا أو مواد خام للإنتاج. يجب دمج نتائج تحليل بيانات إنترنت الأشياء في عمليات الخدمة التجارية وتحويلها إلى منتجات أو خدمات من أجل عكس قيمتها التجارية. بشكل عام، كلما زادت خدمات البيانات التي يمكنها تحسين قدرة تكامل الموارد البيئية التجارية، زادت قيمة الاستدامة التجارية.

       بالإضافة إلى القيمة كمادة خام مثل النفط، فإن القيمة الفعلية للبيانات تساوي مجموع جميع الاستخدامات الممكنة. ويمكن استخدامه بشكل متكرر لتغيير العمليات التجارية وتحسين الكفاءة التشغيلية وتوليد القيمة المضافة.

       إذن، ما مقدار القيمة التجارية التي يمكن تحويل البيانات إليها؟ بعبارة أخرى، كيف نقيم البيانات، وهي نوع جديد من الأصول غير الملموسة في المستقبل؟ في الوقت الحاضر، لا يوجد معيار تقييم صناعي في هذا الصدد. ومع ذلك، تمامًا مثل الشركات التي قامت بتقييم الأصول المختلفة في الماضي، ستظهر بالتأكيد بعض شركات تقييم قيمة البيانات المنعشة في السوق في المستقبل.

       في كل الأحوال، من أجل تحويل البيانات إلى قيمة تجارية، لا ينبغي لنا أن نكتفي بامتلاك القدرات التقنية المناسبة، بل يتعين علينا أيضاً أن نمتلك الوعي الاستراتيجي بأن البيانات يمكن تحويلها إلى قيمة تجارية. وكلا الأمرين لا غنى عنهما. ويمكننا أن نوضح هذه الحقيقة بوضوح في الحالات الثلاث التالية.

       الحالة 1: بعد جمع بيانات تشغيل السيارة والتعاون مع شركة تحليل بيانات خارجية، وجدت شركة تصنيع سيارات أوروبية أن مستشعر اكتشاف خزان الوقود الذي قدمه المورد الألماني يعاني من عيب الإنذار الكاذب المتكرر. بعد دراسة متأنية، لم تختر شركة تصنيع السيارات إخبار المورد بالمعلومات مباشرة وأمرته بإجراء التصحيح. بدلاً من ذلك، تقدمت بطلب للحصول على براءة اختراع للتحسين من خلال تحسين البرنامج والأجزاء المقابلة على خزان الوقود، ثم باعت براءة الاختراع للمورد لإنشاء شراكة جديدة مع المورد، وذلك لإيجاد عائد تجاري مستدام لاستثمارها المبكر، يسعدنا تعزيز قدرة التعاون البيئي التجاري للمؤسسات وتحسين مستوى التطوير الفني لصناعة تصنيع السيارات بأكملها، بما في ذلك المنافسين.

       إذا صادفت مؤسسة تكنولوجية عالية الحالة 1 عن طريق الصدفة أثناء عملية تحليل البيانات، واغتنمت الفرصة التجارية في الوقت المناسب فقط لأنها كانت على دراية بقيمتها، فإن الحالة 2 هي العكس تمامًا. إنها خطة تسويقية جديدة تم التخطيط لها بنشاط من قبل مؤسسة تصنيع تقليدية في أمريكا الجنوبية التقيت بها في نشاط مراجعة smarties x 2019 الأخير. فكرتها الفريدة هي عين مفتوحة. لكي نكون دقيقين، تأتي بيانات هذه الحالة من الإنترنت عبر الهاتف المحمول وليس إنترنت الأشياء، لكن أفكارهم حول ربط البيانات غير ذات الصلة بقيمة الأعمال متسقة، وهو ما له أيضًا أهمية مرجعية لصناع القرار التجاري.

       الحالة 2: متجر عمره قرن من الزمان في البرازيل ينتج ويبيع أواني الطهي يسمى ترامونتينا. مع رؤية عدد أقل وأقل من الشباب يطبخون بأنفسهم، فإن احتمالات مبيعات المنتج مثيرة للقلق. من أجل تغيير هذا الوضع، أنشأت الشركة فريق مشروع دولي يتألف من الطهاة وخبراء الشبكات العصبية وقائدي الفرق الموسيقية وغيرهم من المهنيين لتنفيذ تعاون مربح للجانبين مع سبوتيفاي، وهي شبكة موسيقية مشهورة عالميًا يحبها الشباب. لقد أمضوا نصف عام في دراسة كيفية استخدام خوارزمية "التآزر الحسي" لربط سماع الموسيقى بمذاق الطعام. أولاً، يتم فحص معلمات سمة الموسيقى التي يمكن أن تتوافق مع معلمات الطهي على سبوتيفاي، مثل النغمة السلبية المقابلة للطعم المر، والكونشيرتو الذي تعزفه آلات متعددة المقابلة للطعم الثقيل، ومدة الموسيقى المقابلة لعدد المكونات، والقفزة النغمية المقابلة لدرجة حرارة الطهي، وما إلى ذلك، ويتم إنشاء قاعدة بيانات كبيرة مقابلة. بعد ذلك، استخدم الذكاء الاصطناعي لتحويل البيانات إلى وصفة بعشرات الملايين من أوامر الحجم ونشرها على الموقع الجديد "نكهة الأغاني". أخيرًا، عندما يتصفح المستخدمون المحتملون، فإنهم يقدمون في الوقت المناسب دليلًا حول كيفية اختيار المقلاة لتحويل الوصفات إلى طعام، وذلك لجذب المزيد والمزيد من المستخدمين الشباب لشبكة الموسيقى للتجربة. وبهذه الطريقة، أصبح المقلاة القديمة جنبًا إلى جنب مع الطهي الشخصي شائعًا مثل الموسيقى، مما يغير عادات الأكل لدى الشباب ويرشدهم إلى المطبخ.

الشكل 8: لقطة شاشة لترامونتينا|نكهة الأغاني

       من هاتين الحالتين، يمكن ملاحظة أن البيانات التي تم جمعها عن قصد أو عن غير قصد لها قيمة تجارية محتملة. في المستقبل، تحتاج الشركات إلى إنفاق المزيد من الطاقة على استخراج البيانات المجمعة وفرزها وفحصها وتحليلها أو إعادة تنظيمها، واختيار مسار التحويل المناسب للوضع الفعلي لمؤسستها، تمامًا مثل شركة تصنيع السيارات في الحالة 1، تحويل البيانات إلى عمل جديد بسمات الملكية الفكرية؛ يمكنك أيضًا استخدام البيانات لإنشاء قناة تسويقية جديدة مثل شركة تصنيع أدوات المطبخ في الحالة 2.

       بالطبع، يمكن لبعض الشركات، وخاصة تلك التي يمكنها رفع قيمة استخراج البيانات إلى ذروة استراتيجية المؤسسة، أن تذهب إلى أبعد من ذلك. غالبًا ما يأخذون البيانات كفرصة لتغيير عملية العمل بأكملها وإعادة تشكيل نموذج العمل. في مقالاتي السابقة حول "نظام إنترنت الأشياء" و "نموذج عمل PAAS (المنتج كخدمة)"، قدمت العديد من الحالات وقدمت تحليلًا ذا صلة. لقد رأيت للتو حالة أخرى مذكورة في مقال الدكتور LV Jianzhong "مسار التنمية المستدامة لتحول صناعة التصنيع إلى الذكاء الرقمي"، وهو واضح جدًا وسهل الفهم، كما أنه يمثل بشكل كبير. المقتطفات هي كما يلي:

       الحالة 3: "في كتاب" التحول الذكي "(التحول الرقمي، ديفيد روجرز) هناك قصة حقيقية ومثيرة للاهتمام: TWC، وهي شركة تعمل بشكل أساسي في خدمات التنبؤ بالطقس، تتخذ جمع ومعالجة وإرسال توقعات الطقس، ثم نشر الإعلانات على منصة النشر كنموذج أعمال رئيسي لها. ومع ذلك، سرعان ما أدركت TWC أن القيمة المحتملة للبيانات تتجاوز بكثير الإيرادات من الإعلانات. لذلك قاموا بتشكيل مجموعة من علماء البيانات بقيادة صوفيا. تتمثل مهمة هذه المجموعة في تحويل أداة البيانات إلى أصل استراتيجي لخلق قيمة مضافة أعلى. وجد فريق البحث أن تغير الطقس كان له تأثير على تقلب ثلث الأنشطة الاقتصادية في الولايات المتحدة. لذلك شكلوا مجموعة عمل مشتركة مع وول مارت لإنشاء نموذج تحليل اقتصادي يربط بين البيانات الجوية وفئات المبيعات وحجم المبيعات، واستخدام هذا النموذج للتكهن بالمنتجات التي سيكون لدى المستهلكين طلب أعلى على الشراء والاستعداد في ظل أي ظروف جوية، وذلك لصياغة استراتيجيات إعلانية لفئات المنتجات الشعبية المتأثرة بالطقس، وذلك للحصول على أقصى إيرادات مبيعات وتحسين معدل عائد الإعلان كما عمل فريق البحث مع شركات التأمين لتطوير تطبيق صغير يسمى hailzone لتذكير أصحاب السيارات بنقل سياراتهم إلى المرآب قبل هطول البرد أو العاصفة الثلجية. وقد قلل هذا التطبيق الصغير بشكل كبير من معدل تلف السيارة، وخفف من إزعاج وإزعاج أصحاب السيارات، كما قلل من مطالبات التعويض وتكاليف شركات التأمين، وهو ما أشاد به المستهلكون وشركات التأمين والمجتمعات وأصحاب المصلحة الآخرين. وفجأة، سجل العديد من الأشخاص في hailzone. كما أحضر بعض المتحمسين للأرصاد الجوية أدوات المراقبة الجوية الخاصة بهم لإرسال ومشاركة بيانات التغيير الجوي التي يتم مراقبتها في مكانهم الخاص إلى منصة hailzone في أي وقت. وبهذه الطريقة، يمكن لمنصة hailzone دمج كمية كبيرة من البيانات من جميع الاتجاهات كل 1.5 ثانية، وإعطاء تنبؤات أكثر دقة في الوقت الفعلي من خلال خوارزميات خاصة، والدخول في دورة إيجابية لتحسين الجودة وخلق القيمة.

       في الحالة 3، ربطت المؤسسة البيانات بالبيئة الخارجية بشكل واعي، وعملت بنشاط على تطوير شركاء بيئيين خارجيين، وأنشأت شبكة تفاعلية في الوقت الفعلي مع تجار التجزئة وشركات التأمين والمستهلكين والمجتمعات والمؤسسات والأفراد الآخرين، وحوّلت الطقس الأصلي الثابت نسبيًا قاعدة بيانات التنبؤ في تحديث البيانات في الوقت الحقيقي ومنصة تفاعلية بمشاركة الأشخاص والمعدات، وتوفير خدمات ذات قيمة مضافة عالية في الوقت المناسب لأصحاب المصلحة، والحصول على تأثيرات بيئية تجارية مستدامة يمكن أن تنمو من تلقاء نفسها.

       يتضمن ملخص موجز للطرق التي يتم بها تحويل البيانات ذات الصلة إلى قيمة أعمال مستدامة الفئات الثلاث التالية أو مجموعة من هذه الفئات الثلاث:

       استئجار حقوق استخدام منتجاتهم أو خدماتهم الخاصة لتشكيل منصة بيانات يمكنها التفاعل والدفع والتسوية مع المستخدمين (مثل الحالتين 1 و3)، مثل بعض تأجير المنتجات الصناعية ذات العتبة العالية، والملكية الفكرية، والاستشارات، وخدمات المعلومات، وما إلى ذلك ;

       قم بإنشاء بوابات خدمة بيانات ملائمة لشركاء المنتج والمستخدمين، ثم قم ببيع أذونات البوابة هذه أو إنشاء قنوات تسويق جديدة (مثل الحالتين 2 و3)، مثل توفير خدمات لوجستية ذكية واستخدام المنتج وأذونات بوابة خدمة الدفع، وما إلى ذلك.

       مساعدة العملاء على إضافة بيانات خارجية إلى مجموعة البيانات المحددة وتقديم خدمات ذات قيمة مضافة (مثل الحالة 3)، مثل توفير خدمات مراقبة معدل ضربات القلب عن بعد وتفسير وتشخيص تقارير الكشف، وعلاقة القيمة المضافة بين البيانات البيئية والاقتصادية أنشطة.

       باختصار، إن مفتاح تحويل البيانات إلى قيمة تجارية مستدامة هو بناء النظام البيئي الخاص بك حول سلسلة البيانات، ويعتمد نجاحه إلى حد كبير على كيفية صياغتهوتنفيذ استراتيجيات الأعمال المستدامة.

       هذه المقالة منقولة من الحساب الرسمي لمركز أبحاث إنترنت الأشياء. إذا كان هناك انتهاك، يرجى حذف رسالة الخلفية.