Ökologische IOT-Strategie (I): Wie können Daten in nachhaltigen Geschäftswert umgewandelt werden?

       Geführtes Lesen

       Die durch das Internet der Dinge generierten Daten werden nach und nach zur Hauptkraft von Big Data. Ziel dieses Dokuments ist es, ein Thema zu untersuchen, das den meisten Führungskräften innovativer Unternehmen große Sorgen bereitet: Wie können die Daten entlang der Datenkette des Internets der Dinge Schritt für Schritt in nachhaltigen Geschäftswert umgewandelt werden?

„Auch wenn die Daten noch nicht in die Bilanz des Unternehmens eingeflossen sind, ist es nur eine Frage der Zeit.“

       ——Big-Data-Zeitalter Victor & middot; Mel Schönberg

       Manche Leute sagen, dass die Rolle von Daten für die Gesellschaft der von Öl gleicht. Andere sagen, dass die Wirkung von Daten auf die Gesellschaft die von Öl übertreffen wird. Ich denke, das ist in Ordnung. Daten und Öl sind beides Energiequellen, die sozialen Wandel fördern, und ihre Erzeugungs- und Anwendungsprozesse sind gleich; Daten haben jedoch viele Eigenschaften, die Öl nicht bietet: Sie können wiederverwendet, kopiert und mit hoher Geschwindigkeit übertragen werden, sodass die Wirkung von Daten auf die Gesellschaft die von Öl bei weitem übertreffen wird!

       In jedem Fall hilft der Vergleich von Daten mit Öl dabei, den Kontext der Datenkette des Internets der Dinge besser zu verstehen. Ich habe zufällig in einer Ölfirma gearbeitet und kenne mich mit den Geschäftsprozessen im Ölsektor ein wenig aus. Vergleichen wir die Daten mit Öl.

       Vor der Erdölförderung handelte es sich lediglich um eine Mischung aus Kohlenwasserstoffen mit komplexen Bestandteilen, die sich in der Erdkruste ablagerten. Sobald es jedoch aus dem Untergrund versprüht wurde, könnte es für vielfältige Zwecke verwendet werden und zu verschiedenen Notwendigkeiten der modernen Gesellschaft werden, wie z. B. Kraftstoff (Benzin, Diesel usw.), Schmieröl, chemische Rohstoffe, Kunststoffprodukte, usw. Auch sein kommerzieller Wert wurde nach und nach prägnant und anschaulich dargestellt.

       Der Prozess der Gewinnung des kommerziellen Werts von Daten ähnelt der Raffinierung von virtuellem digitalem Öl.

Abbildung 1: Ölproduktions- und Vermarktungsprozess der Datenverbindung zum Internet der Dinge

       Wie in Abbildung 1 gezeigt, sollte auch beim Internet der Dinge das Mining von Datenwerten mit der Suche nach Datenminen beginnen und dann durch kontinuierliche Verbesserung der Fähigkeit zum Sammeln, Übermitteln, Speichern und Analysieren von Daten diese gefilterten und analysierten Daten weiter in kommerzielle Werte umwandeln, die die Vorteile von Unternehmen widerspiegeln können. Dieser Prozess bildet eine Datenverbindung, die dem Prozess der Ölproduktion und -vermarktung ähnelt: Datenerfassung (Ölförderung), Datenkommunikation (Öltransport), Datenspeicherung und -analyse (Öllagerung und -raffination), Anwendung und Umwandlung in kommerzielle Werte sind in Abbildung 2 dargestellt.

Abbildung 2:Schematische Darstellung der Datenverbindung zum Internet der Dinge

       Tatsächlich entstehen bei der Datenanwendung und -konvertierung immer noch neue Daten. Diese neuen Daten werden in Echtzeit zurückgemeldet und kehren in den Ausgangszustand zurück. Zusammen mit anderen Daten durchlaufen sie erneut den gesamten Kettenprozess und bilden einen Zyklusprozess „Erwerb, Anwendung, Feedback, Erwerb“, der sich vom traditionellen linearen Prozess „Produktion, Verbrauch und Verschwendung“ von Öl unterscheidet. Dies ist dem nachhaltigen Prozess des „Produktion, Verbrauchs“ ziemlich ähnlich „Recycling“ erlebt Öl im Rahmen der Kreislaufwirtschaft, weshalb eine nachhaltige Geschäftsstrategie für den Aufbau des Ökosystems „Internet der Dinge“ sehr wichtig ist.

       Im Folgenden wird Schritt für Schritt erläutert, wie Daten entlang der Datenkette des Internets der Dinge gemäß den in Abbildung 2 dargestellten Schritten in nachhaltigen Geschäftswert umgewandelt werden können.

Datenerfassung: Big-Data-Zielabbaugebiet finden

Abbildung 3:Schematische Darstellung der Datenerfassung im Internet der Dinge

       Die Zusammensetzung und das Aussehen von Rohöl variieren je nach Herkunftsort und die Originaldaten umfassen allumfassende Form. Wörter, Bilder, Töne, Symbole, Signale und andere Informationen, die vom Computer digitalisiert werden können, können zu Originaldaten werden! Darüber hinaus stellt Öl spezifische Mindestanforderungen an die Geologie, Landschaftsform und Bergbautechnologie seines Ursprungs und die Bergbautechnologie hält immer mit der Zeit Schritt. Ebenso muss die Diskussion über die Erfassung von Daten des Internets der Dinge auch bestimmten Szenarien entsprechen und sich weiterentwickelnde technische Lösungen für die Erfassung nutzen.

       Vor dem Aufkommen des Internets der Dinge bezogen sich unsere traditionellen Daten im Allgemeinen auf relativ statische, strukturell festgelegte und genaue Daten, die aus dem Unternehmen selbst stammten, manuell mit Kunden interagierten oder regelmäßig gelesen wurden. Jetzt erweitert das Internet der Dinge den Umfang der Datenerfassung erheblich. Es umfasst im Laufe der Zeit massive dynamische Daten in Echtzeit von Produktionsanlagen, Benutzern und Produkten. Es ist umfassender und aktueller als je zuvor und füllt viele Datenlücken in traditionellen Geschäftsprozessen.

       Es sind die Eigenschaften der Daten des Internets der Dinge, die tendenziell „vollständig“, „umfassend“ und „massiv“ sind, die uns zwingen, diese Daten mit einer anderen Denkweise zu betrachten. Wir müssen uns nicht mehr auf die strengen kausalen Beziehungen zwischen begrenzten Daten konzentrieren, sondern haben mehr Einblick in die möglichen Beziehungen zwischen verschiedenen Dingen, die durch Daten dargestellt werden, um den potenziellen Wert herauszufinden und den zukünftigen Trend zu erfassen. Lassen Sie es mich anders ausdrücken: Die Kernfunktion von IOT-Daten besteht darin, durch „Vorhersagen“ eine farbenfrohere Zukunft zu schaffen. Diese neue Denkweise ist eher dem ökologischen Denken zur Erforschung der Evolution des Lebens als dem präzisen Denken zur Erforschung mechanischer Bewegung ähnlich.

       Welche IOT-Daten können also in kommerziellen Wert umgewandelt werden? Aus Sicht ihrer Auswirkungen auf Geschäftsprozesse können sie meiner Meinung nach grob in die folgenden vier Kategorien unterteilt werden:

 
       Daten zur Verbesserung der Energieeffizienz und Leistung von Geräten:Die Technologie des Internets der Dinge kann den Energieverbrauch von Geräten intelligent verwalten und optimieren, manuelle Eingriffe reduzieren und den Energieverlust des gesamten Geschäftsprozesses einsparen. Aus diesem Grund wird die Internet-of-Things-Technologie im Allgemeinen als „energiesparende Technologie“ eingestuft.Je nach tatsächlichem Anwendungsszenario umfassen die von uns zu erfassenden Energieverbrauchsdaten Strom, Wärme, Wassermenge, Druck oder berechnetes Kohleäquivalent in Echtzeit sowie die damit verbundene Spannung, Stromstärke, Menge usw.

       Daten zur Gerätediagnose und Frühwarnung:Geben Sie beispielsweise die Temperatur des Gerätestandorts, die Vibrationsfrequenz des Geräts, den Flüssigkeitsfluss, Umgebungsgeräusche und sogar den Druck des Kontaktspalts des Geräts an.Die konkret zu erfassenden Parameter variieren je nach Anwendungsszenario, um mögliche Störungen oder Katastrophen im Produktionsprozess zu verhindern oder zu reduzieren.

       Daten, die zur Verbesserung des Kundenservices verwendet werden:Desensibilisierte Kundentransaktionsdaten wie Transaktionsmenge, Transaktionsvolumen, Transaktionshäufigkeit, Transaktionsort, Produkttyp, Kundenbewertung sowie Kundennutzungsdaten wie verschiedene räumliche Erlebnisdaten für Smart Home.Diese Daten können Kunden nicht nur mit personalisierten Referenzmeinungen und Echtzeitdiensten versorgen, um Kunden bei der Entscheidungsfindung bei Transaktionen zu unterstützen, sondern auch Unternehmen dabei helfen, personalisiertere Dienste für neue Kunden und zukünftige grenzüberschreitende Partner bereitzustellen.

       Daten, die zur Implementierung der „as a Service (xaas)“-Autorisierung verwendet werden:„Kommunikationsgeräte“ im Zeitalter des Internets der Dinge umfassen verschiedene Objekte. Ihre normale Betriebszeit, Verschiebungsdistanz, Ausfallzeit usw. bestimmen, welche Dienste Benutzer unter welchen Bedingungen und wann nutzen dürfen.Diese Daten spielen insbesondere bei der Transformation verschiedener „as a Service“-Geschäftsmodelle eine herausragende Rolle.Auf Basis einer Autorisierung können Nutzer auch direkt online Preise ermitteln, abrechnen und abrechnen.

Die Anwendungsszenarien des Internets der Dinge werden tendenziell vielfältiger, und die Arten von Daten, die zur Erfassung und Analyse zur Verfügung stehen, werden kontinuierlich erweitert. Die oben genannten Datentypen sind möglicherweise nur ein Teil der zukünftigen Daten des Internets der Dinge, aber die neuen Daten sind im Grunde untrennbar mit der Kernfunktion verbunden, „Relevanz herauszufinden, Ergebnisse vorherzusagen und Wert zu realisieren“. Um diesen Kern herum kann vorhergesagt werden, dass Daten des Internets der Dinge das Geschäft in eine neue Ära mit intelligenterer Technologie und ökologischerem Denken führen werden!

Datenkommunikation, -speicherung und -analyse: Schatzsuche in Daten

Abbildung 4:Datenkommunikation, -speicherung und -analyse im Internet der Dinge

       Da IOT-Daten virtualisiert werden, sich im Laufe der Zeit ändern und wiederverwendbar sind, weist der Kommunikations-, Speicher- und Analyseprozess von IOT-Daten eine größere Komplexität und einen flexibleren Entwicklungsspielraum auf als der von Öltransport, -speicherung und -raffination. Dieser Prozess umfasst eine große Anzahl aufkommender Spitzentechnologien oder Technologiesammlungen, wie in Abbildung 4 dargestellt, darunter verschiedene neue Kommunikationstechnologien und -protokolle im Bereich der Datenkommunikation, lokale und weiträumige Netzwerktechnologien des Internets der Dinge sowie öffentliche oder private Cloud-Speicher, Cloud-Computing, Edge-Computing, maschinelles Lernen, künstliche Intelligenz, Datenvisualisierung, Blockchain usw. im Bereich der Speicherung und Analyse. Da diese zukunftsweisenden Technologien weiterhin in die Geschäftswelt eindringen, ist es auch äußerst einfach, durch diese Verbindung subversive neue Technologien und neue Geschäftsmodelle hervorzubringen. Gleichzeitig ist es schwierig, den Rauch kurzfristiger und glühender Handelsstreitigkeiten und Handelskriege zu vermeiden.

       Unter diesen neuen Technologielösungen und Geschäftsmodellen sind nur jene neuen Technologien, neuen Plattformen oder neuen Geschäftsmodelle die endgültigen Gewinner auf dem zukünftigen Technologiemarkt, die vielfältigere Technologien und Geschäftsressourcen integrieren können, wie etwa Smart Chips, 5G-Kommunikation und Betriebssysteme für das Internet der Dinge, die den Kernbereich der Technologie des Internet der Dinge besetzen oder die vor- und nachgelagerten ökologischen Partner des Internet der Dinge verbinden, eine Datenplattform für das Internet der Dinge mit umfangreichen APIs bereitstellen und so weiter. Die kommerziellen Formate im Zeitalter des Internet der Dinge, von der Personalorganisation bis zur technischen Architektur, tendieren dazu, flach und Open Source zu sein, verschiedene traditionelle technische Barrieren werden durchbrochen und kommerzielle Autorität wird delegiert. Daher wurde auch der Todeskampf einiger Marktführer in traditionellen Branchen nach und nach offengelegt.

       Um den Technologie- und Geschäftstrend dieser Schlüsselverbindung zu verstehen, nehmen Sie als Beispiel die folgende typische Internet-of-Things-Architektur, die sich von der Cloud bis zum Nebel erstreckt.

Abbildung 5:Architekturdiagramm der Edge-Analyseplattform für das Internet der Dinge

       Wie in der Abbildung gezeigt, ist mit der zunehmenden Diversifizierung intelligenter Endgeräte und Geschäftsszenarien im Bereich des Internets der Dinge eine schnellere Datenübertragungs- und Feedbackgeschwindigkeit erforderlich, insbesondere für Smart Grids, die Ölförderung und die meisten industriellen Fertigungsfelder mit Fernbedienung. Die Bereitstellungsidee, die sich in der Anfangsphase des Internets der Dinge näher am mobilen Internet orientiert – das Weglassen des grauen Hintergrunds in der Mitte der Abbildung und die direkte Zentralisierung der von den Endgeräten gesammelten Daten in der Cloud – wird immer ineffektiver. Natürlich muss diese Architektur für viele tatsächliche industrielle Anwendungsszenarien des Internets der Dinge weiter personalisiert werden, was die Intellektualisierung verschiedener alter Geräte, die Verwaltung der Mensch-Maschine-Schnittstelle (HMI) usw. beinhalten kann.

       In jedem Fall verlagert sich die Position der technischen Lösungsbereitstellung des Internets der Dinge, insbesondere des industriellen Internets der Dinge, von der Cloud zur Fog-Schicht, die näher am Endgerät liegt. Dies ist so, als würde der Cloud-Generalmanager die Datenverarbeitungsbefugnis an die Fog-Bereichsmanager an verschiedenen Orten delegieren, damit diese die Daten unabhängig verarbeiten können. Auf diese Weise kann die Fog-Schicht-Analyseplattform die Daten in Echtzeit analysieren und zeitnahere und angemessenere Geschäftsentscheidungen treffen. Die Machtverteilung zwischen Cloud und Fog ist eine Balance zwischen Zentralisierung und Partitionierung. Die Cloud sollte Macht delegieren, aber nicht zu viel. Der Schlüssel besteht darin, die Echtzeit-Informationsflusskanäle zwischen den beiden reibungslos, zeitnah und effektiv zu halten.

       Aus dieser Sicht sind die enormen dynamischen Daten, die durch die Architektur des Internets der Dinge generiert werden, wie fließendes Wasser. Es verdunstet von „Terminals“ auf der ganzen Welt zu Dampf, Nebel, Wolken, Regen und kehrt zur Erde zurück. Wenn wir sagen, dass der Wasserkreislauf in der Natur mit Hilfe der Energie des Sonnenlichts unter der Einwirkung der Schwerkraft der Erde sich entwickelnde natürliche Dinge hervorbringt, entwickelt sich der Datenfluss des Internets der Dinge in eine Richtung, die der Geburt jeder vertikalen Branche und dem Aufbau ihres eigenen Geschäftsökosystems mit Hilfe der Weisheit von Menschen und Maschinen förderlich ist.

       Im Allgemeinen entspricht die Ausweitung des Technologierahmens des Internets der Dinge von Cloud zu Fog dem ökologischen Trend der Geschäftsentwicklung. Dadurch wird die technische Arbeitsteilung in der Handelsgesellschaft detaillierter und das Management flacher. Unter allen Unterteilungstechnologien ist die Datenanalysetechnologie unbestreitbar von entscheidender Bedeutung. Man kann sagen, dass sie eine verbindende Rolle in der gesamten Datenkette des Internets der Dinge spielt und unmittelbare Auswirkungen hat. Das auffälligste Feld der Datenanalyse ist wahrscheinlich die künstliche Intelligenz (KI). Viele Leute denken, dass KI eine einzelne Technologie ist. Tatsächlich ist sie das nicht. Es handelt sich um eine Sammlung verschiedener Technologien im Zusammenhang mit intelligenter Datenanalyse, von „visuellen Sensoren“ und „KI-Chips“ auf Hardwareebene bis hin zu „Gesichtserkennung“, „autonomem Fahren“ und „Spracherkennung“ auf Anwendungsebene. „Gebäude intelligenter Haushälter“, „Energiesparanalyse“ und die darin enthaltene Softwaretechnologie, Patente, Standards, Protokolle usw. sind alle Teil des Technologiesets der künstlichen Intelligenz.

       In der Sammlung künstlicher Intelligenztechnologien ist „maschinelles Lernen“ zweifellos die bekannteste Untergruppe. Dabei wird die Rechenleistung von Computern genutzt, um aus Daten wertvolle Informationen oder Gesetze zu extrahieren.Relativ gesehen berechnet die traditionelle Programmierung die Ergebnisse gemäß den vom Programmierer vorgegebenen Algorithmusregeln, und die Maschine beim maschinellen Lernen kann als Programmierer fungieren und jedes Berechnungsergebnis als Daten zur Selbstkorrektur und kontinuierlichen Überprüfung wiederverwenden.Unter ihnen bringt die Anwendung der Berechnung und Analyse massiver Datenmengen zur optimalen Lösung mithilfe mehrstufiger künstlicher neuronaler Netze (KNN) das „maschinelle Lernen“ in seine wichtigste Untergruppe „Deep Learning“.Der Unterschied zwischen ihnen ist in Abbildung 6 dargestellt:

Abbildung 6:Vergleich zwischen traditioneller Programmierung und maschinellem Lernen

       Es besteht kein Zweifel, dass „Deep Learning“ noch lange Zeit der Kernwettbewerb im Bereich der Datenanalyse im Internet der Dinge sein wird. Der Deep-Learning-Prozess entspricht der Verwendung eines mehrstufigen neuronalen Netzwerks zum Auffinden einer Schatzsuche-Karte im Big-Data-Labyrinth und ist eine Schatzsuche-Karte mit optimalem Pfad. Mit dieser Schatzsuchkarte (Algorithmus) ist es wahrscheinlicher, dass wir in vielen komplexen Daten irgendwann neue Babys (kommerziellen Wert) finden.

       Wenn ich davon spreche, kann ich mich des Gefühls nicht erwehren: Sogar Maschinen versuchen zu lernen und intelligente, unabhängige Urteile zu fällen. Warum verdoppeln wir nicht unsere Anstrengungen, zu lernen und unsere eigenen, unabhängigen Ideen zu entwickeln? Dies fand Anklang bei der ersten französischen Vertretungsorganisation in China, die das Projekt „Doctor of Business Administration (im-dba) in intelligenter Fertigung“ veranstaltete und inklusives Lernen vorschlug. Ich habe diese Ansicht in groben Zügen auf dem internen Seminar zum Ausdruck gebracht: In Zukunft sollten Entscheidungsträger in Unternehmen weiterhin wie die „Deep Learning“-Maschine für künstliche Intelligenz lernen und denken, ihre persönliche Praxis (Daten) und Leistung (Ergebnisse) zu richtungsweisenden ideologischen Werten (Geschäftsgesetzen) für ihre Branche verfeinern, um ihren Wettbewerbsvorteil aufrechtzuerhalten. Da maschinelles Lernen eine Geschäftsrichtung ist, in die es sich in Zukunft lohnt, verstärkt zu investieren, ist persönliches lebenslanges Lernen auch eine Lebensrichtung, in die es sich lohnt, kontinuierlich zu investieren?

Daten in Geschäftswert umwandeln

Abbildung 7:Schematische Darstellung der Datenkonvertierung in Geschäftswert

       Beispielsweise findet raffiniertes Öl in allen Lebensbereichen Verwendung und wird zu Kraftstoff oder Produktionsrohstoffen. Die Ergebnisse der Datenanalyse des Internets der Dinge müssen in kommerzielle Serviceprozesse integriert werden und zu Produkten oder Services werden, um ihren kommerziellen Wert widerzuspiegeln. Generell gilt: Je mehr Datenservices die Integrationsfähigkeit kommerzieller ökologischer Ressourcen verbessern können, desto höher ist der Wert der kommerziellen Nachhaltigkeit.

       Neben dem Wert als Rohstoff wie Öl entspricht der tatsächliche Wert der Daten der Summe aller möglichen Nutzungen. Es kann wiederholt eingesetzt werden, um Geschäftsprozesse zu verändern, die betriebliche Effizienz zu verbessern und Mehrwerte zu generieren.

       In welchen Geschäftswert können also Daten umgewandelt werden? Mit anderen Worten: Wie werden Daten, eine neue Art immaterieller Vermögenswerte, in Zukunft bewertet? Derzeit gibt es diesbezüglich keinen Branchenbewertungsstandard. Doch genau wie die Unternehmen, die in der Vergangenheit verschiedene Vermögenswerte bewertet haben, werden in Zukunft sicherlich einige erfrischende Unternehmen zur Bewertung des Datenwerts auf dem Markt erscheinen.

       Um Daten in kommerziellen Wert umzuwandeln, müssen wir in jedem Fall nicht nur über die entsprechenden technischen Möglichkeiten verfügen, sondern auch das strategische Bewusstsein dafür haben, dass Daten in kommerziellen Wert umgewandelt werden können. Beides ist unverzichtbar. Die folgenden drei Fälle können diese Wahrheit gut veranschaulichen.

       Fall 1: Nach der Erfassung von Fahrzeugbetriebsdaten und der Zusammenarbeit mit einem externen Datenanalyseunternehmen stellte ein europäischer Automobilhersteller fest, dass der von seinem deutschen Zulieferer gelieferte Kraftstofftank-Erkennungssensor häufig Fehlalarme auslöste. Nach sorgfältiger Überlegung entschied sich der Automobilhersteller, den Zulieferer nicht direkt zu informieren und ihn mit der Behebung des Problems zu beauftragen. Stattdessen meldete er ein Patent zur Verbesserung durch Verbesserung der Software und der entsprechenden Teile des Kraftstofftanks an und verkaufte das Patent dann an den Zulieferer, um eine neue Partnerschaft mit dem Zulieferer aufzubauen und so eine nachhaltige kommerzielle Rendite für seine frühen Investitionen zu erzielen. Wir freuen uns, die Fähigkeit der Unternehmen zur betriebswirtschaftlichen Zusammenarbeit zu verbessern und das technische Entwicklungsniveau der gesamten Automobilindustrie, einschließlich der Wettbewerber, zu verbessern.

       Wenn Fall 1 zufällig von einem High-Tech-Unternehmen bei der Datenanalyse entdeckt wurde und es die Geschäftsmöglichkeit nur deshalb rechtzeitig ergriff, weil es sich ihres Werts bewusst war, dann ist Fall 2 genau das Gegenteil. Es handelt sich um ein neues Marketingschema, das von einem südamerikanischen traditionellen Fertigungsunternehmen aktiv geplant wird, mit dem ich kürzlich bei der Überprüfung von Smarties X 2019 in Kontakt kam. Seine einzigartige Idee ist ein Augenöffner. Genauer gesagt stammen die Daten in diesem Fall eher aus dem mobilen Internet als aus dem Internet der Dinge, aber ihre Ideen, irrelevante Daten mit Geschäftswert zu verknüpfen, sind konsistent, was auch für Entscheidungsträger in Unternehmen von Referenzbedeutung ist.

       Fall 2: Ein jahrhundertealtes Geschäft in Brasilien, das Kochtöpfe herstellt und verkauft, heißt Tramontina. Da immer weniger junge Leute selbst kochen, sind die Verkaufsaussichten des Produkts besorgniserregend. Um diese Situation zu ändern, hat das Unternehmen ein internationales Projektteam aus Köchen, Experten für neuronale Netzwerke, Dirigenten und anderen Fachleuten zusammengestellt, um eine Win-Win-Kooperation mit Spotify, einem weltberühmten Musiknetzwerk, das bei jungen Leuten beliebt ist, durchzuführen. Sie verbrachten ein halbes Jahr damit, zu studieren, wie man den „Synästhesie“-Algorithmus verwenden kann, um das Hören von Musik mit dem Geschmack von Lebensmitteln zu verknüpfen. Zunächst werden die charakteristischen Musikparameter, die den Kochparametern entsprechen können, auf Spotify angezeigt, z. B. ein negativer Ton, der einem bitteren Geschmack entspricht, ein von mehreren Instrumenten gespieltes Konzert, das einem schweren Geschmack entspricht, die Musikdauer, die der Anzahl der Zutaten entspricht, ein Tonsprung, der der Kochtemperatur entspricht usw., und eine entsprechende große Datenbank wird erstellt. Dann wird künstliche Intelligenz verwendet, um die Daten in ein Rezept mit Zehnmillionen Größenordnungen umzuwandeln und es auf der neuen Website von „Flavour of Songs“ zu veröffentlichen. Und schließlich erhalten potenzielle Benutzer beim Stöbern rechtzeitig eine Anleitung zur Auswahl einer Pfanne, mit der Rezepte in Gerichte umgewandelt werden können, um immer mehr junge Benutzer von Musiknetzwerken zum Experimentieren zu bewegen. Auf diese Weise ist die Kombination aus altmodischer Pfanne und personalisiertem Kochen so beliebt geworden wie Musik, hat die Essgewohnheiten junger Menschen verändert und sie in die Küche geführt.

Abbildung 8: Screenshot von tramontina|flavor of songs

       Aus diesen beiden Fällen ist ersichtlich, dass die absichtlich oder unabsichtlich gesammelten Daten einen potenziellen kommerziellen Wert haben. In Zukunft müssen Unternehmen mehr Energie in das Mining, Sortieren, Screening, Analysieren oder Neuorganisieren der gesammelten Daten investieren und einen Konvertierungspfad wählen, der der tatsächlichen Situation ihres eigenen Unternehmens entspricht. So wie der Automobilhersteller in Fall 1, können Sie die Daten in ein neues Geschäft mit geistigen Eigentumsattributen umwandeln. Sie können die Daten auch verwenden, um einen neuen Marketingkanal aufzubauen, wie der Küchengeschirrhersteller in Fall 2.

       Natürlich können einige Unternehmen, insbesondere solche, die den Wert von Mining-Daten auf die Höhe der Unternehmensstrategie heben können, noch weiter gehen. Sie nutzen die Daten häufig als Gelegenheit, den gesamten Geschäftsprozess zu ändern und das Geschäftsmodell neu zu gestalten.In meinen vorherigen Artikeln zum „Internet der Dinge-Ökosystem“ und zum „PAAS-Geschäftsmodell (Produkt als Service)“ habe ich viele Fälle vorgestellt und relevante Analysen gegeben. Ich habe gerade einen weiteren Fall in Dr. LV Jianzhongs Artikel „Nachhaltiger Entwicklungspfad der Transformation der Fertigungsindustrie zur digitalen Intelligenz“ gesehen, der sehr klar und leicht zu verstehen ist. Er ist auch sehr repräsentativ.Auszüge sind wie folgt:

       Fall 3: In dem Buch „Intelligente Transformation“ (Digitale Transformation, David Rogers) gibt es eine wahre und interessante Geschichte: TWC, ein Unternehmen, das hauptsächlich Wettervorhersagedienste anbietet, sammelt, verarbeitet und sendet Wettervorhersagen und veröffentlicht dann Anzeigen auf der Veröffentlichungsplattform als Hauptgeschäftsmodell. TWC erkannte jedoch bald, dass der potenzielle Wert der Daten die Einnahmen aus der Werbung bei weitem übertraf. Daher gründeten sie eine Gruppe von Datenwissenschaftlern unter der Leitung von Sofia. Die Aufgabe dieser Gruppe besteht darin, das Datentool in ein strategisches Asset umzuwandeln, um einen höheren Mehrwert zu erzielen. Das Forschungsteam stellte fest, dass der Wetterwechsel die Schwankungen von einem Drittel der Wirtschaftsaktivitäten in den Vereinigten Staaten beeinflusste. Daher gründeten sie eine gemeinsame Arbeitsgruppe mit Wal Mart, um ein Wirtschaftsanalysemodell zu erstellen, das meteorologische Daten mit Verkaufskategorien und Verkaufsvolumen verknüpft, und nutzten dieses Modell, um zu spekulieren, welche Produkte die Verbraucher unter welchen Wetterbedingungen stärker nachfragen und kaufen werden, um Werbestrategien für beliebte Produktkategorien zu formulieren, die vom Wetter beeinflusst werden, um den maximalen Verkaufserlös zu erzielen und die Rendite des Werbe-Input-Outputs zu verbessern. Das Forschungsteam arbeitete auch mit Versicherungsunternehmen zusammen, um eine kleine App namens Hailzone zu entwickeln, die Autobesitzer daran erinnert, ihre Autos vor Hagel oder Schneestürmen in die Garage zu stellen. Diese kleine App hat die Schadensrate an Autos erheblich gesenkt, die Unannehmlichkeiten und den Ärger der Autobesitzer gemildert und auch die Schadensforderungen und -kosten der Versicherungsunternehmen reduziert, was von Verbrauchern, Versicherungsunternehmen, Gemeinden und anderen Interessengruppen gelobt wurde. Plötzlich registrierten sich viele Menschen bei Hailzone. Einige Wetterbegeisterte brachten auch ihre eigenen Wetterbeobachtungsgeräte mit, um die an ihrem eigenen Ort überwachten Wetteränderungsdaten jederzeit an die Hailzone-Plattform zu senden und zu teilen. Auf diese Weise kann die Hailzone-Plattform alle 1.5 Sekunden eine große Menge an Daten aus allen Richtungen integrieren, durch spezielle Algorithmen Echtzeit- und genaue Vorhersagen liefern und in einen positiven Zyklus der Qualitätsverbesserung und Wertschöpfung eintreten.

       In Fall 3 verknüpfte das Unternehmen die Daten bewusst mit der externen Umgebung, entwickelte aktiv externe ökologische Partner, baute ein interaktives Echtzeitnetzwerk mit Einzelhändlern, Versicherungsgesellschaften, Verbrauchern, Gemeinden und anderen Institutionen und Einzelpersonen auf und transformierte das ursprünglich relativ statische Wetter Prognosedatenbank in eine Echtzeit-Datenaktualisierung und eine interaktive Plattform unter Beteiligung von Personen und Geräten umwandeln, zeitnahere Dienste mit hohem Mehrwert für Stakeholder bereitstellen und nachhaltige geschäftliche ökologische Effekte erzielen, die von selbst wachsen können.

       Eine kurze Zusammenfassung der Art und Weise, wie relevante Daten in nachhaltigen Geschäftswert umgewandelt werden, umfasst die folgenden drei Kategorien oder eine Kombination dieser drei Kategorien:

       Mieten Sie die Nutzungsrechte Ihrer eigenen Produkte oder Dienstleistungen, um eine Datenplattform zu bilden, die mit Benutzern interagieren, bezahlen und abrechnen kann (z. B. Fälle 1 und 3), z. B. einige Industrieproduktleasing-, IP-, Beratungs-, Informationsdienste usw. mit hohem Schwellenwert ;

       Richten Sie praktische Datendienstportale für Produktpartner und Benutzer ein und verkaufen Sie dann diese Portalberechtigungen oder richten Sie neue Marketingkanäle ein (z. B. Fälle 2 und 3), z. B. die Bereitstellung intelligenter Logistikdienste, Produktnutzungs- und Zahlungsdienstportalberechtigungen usw.

       Helfen Sie Kunden, externe Daten zum angegebenen Datensatz hinzuzufügen und Mehrwertdienste bereitzustellen (z. B. Fall 3), z. B. die Bereitstellung von Fernüberwachungsdiensten für die Herzfrequenz und die Interpretation und Diagnose von Erkennungsberichten sowie die Wertschöpfungsbeziehung zwischen Umweltdaten und Wirtschaftlichkeit Aktivitäten.

       Kurz gesagt: Der Schlüssel zur Umwandlung von Daten in nachhaltigen Geschäftswert liegt im Aufbau eines eigenen Ökosystems rund um die Datenkette, und sein Erfolg hängt weitgehend von der Formulierung abUnd nachhaltige Geschäftsstrategien umsetzen.

       Dieser Artikel stammt aus dem offiziellen Bericht des Think Tanks Internet der Dinge. Bei einem Verstoß löschen Sie bitte die Hintergrundmeldung.