Estrategia ecológica IOT (I): ¿cómo convertir los datos en valor empresarial sostenible?

       Lectura guiada

       Los datos generados por Internet de las cosas se están convirtiendo gradualmente en la fuerza principal del big data. Este artículo tiene como objetivo explorar un tema que preocupa mucho a la mayoría de los ejecutivos de empresas innovadoras: ¿cómo convertir los datos en valor empresarial sostenible paso a paso a lo largo de la cadena de datos del Internet de las cosas?

“Aunque los datos no están incluidos en el balance de la empresa, es sólo cuestión de tiempo”.

       ——La era del big data Victor & middot; Mel Schoenberg

       Algunos dicen que el papel de los datos en la sociedad es como el del petróleo. Otros dicen que el impacto de los datos en la sociedad superará al del petróleo. Creo que está bien. Los datos y el petróleo son fuentes de energía para promover el cambio social, y sus procesos de generación y aplicación son los mismos; sin embargo, los datos tienen muchas características que el petróleo no puede igualar: se pueden reutilizar, copiar y transmitir a alta velocidad, por lo que la influencia de los datos en la sociedad superará con creces la del petróleo.

       En cualquier caso, comparar los datos con el petróleo ayuda a comprender mejor el contexto de la cadena de datos de la Internet de las cosas. Resulta que trabajé en una empresa petrolera y tengo algunos conocimientos sobre el proceso comercial del petróleo. Comparemos los datos con el petróleo.

       Antes de que se explotara el petróleo, era sólo una mezcla de hidrocarburos con componentes complejos depositados en la corteza terrestre. Sin embargo, una vez que fue expulsado del subsuelo, podría usarse para una variedad de propósitos y convertirse en diversas necesidades de la sociedad moderna, como combustible (gasolina, diesel, etc.), aceite lubricante, materias primas químicas, productos plásticos, etc. Su valor comercial también se ha mostrado gradualmente de manera incisiva y vívida.

       El proceso de extraer el valor comercial de los datos es como refinar petróleo digital virtual.

Figura 1: proceso de producción y comercialización de petróleo del enlace de datos de Internet de las cosas

       Como se muestra en la Figura 1, para la Internet de las cosas, la extracción de valor de los datos también debe comenzar con la búsqueda de minas de datos y luego, al mejorar continuamente la capacidad de recopilar, comunicar, almacenar y analizar datos, convertir aún más esos datos filtrados y analizados en valor comercial que pueda reflejar las ventajas de las empresas. Este proceso forma un enlace de datos similar al proceso de producción y comercialización de petróleo: la adquisición de datos (explotación de petróleo), la comunicación de datos (transporte de petróleo), el almacenamiento y análisis de datos (almacenamiento y refinación de petróleo), la aplicación y la conversión a valor comercial se muestran en la Figura 2.

Figura 2:Diagrama esquemático del enlace de datos de Internet de las cosas.

       En realidad, todavía se generan nuevos datos en el proceso de aplicación y conversión de datos. Estos nuevos datos se retroalimentan en tiempo real y vuelven a la etapa inicial. Junto con otros datos, pasan por todo el proceso de la cadena nuevamente, formando un proceso de ciclo de "adquisición, aplicación, retroalimentación, adquisición" diferente del proceso lineal tradicional de "residuos de producción y consumo" del petróleo. Esto es bastante similar al proceso sostenible de "producción y consumo". "reciclaje" que experimenta el petróleo bajo la economía circular, por lo que la estrategia empresarial sostenible es muy importante para la construcción del ecosistema de Internet de las cosas.

       A continuación se analiza paso a paso cómo convertir datos en valor empresarial sostenible a lo largo de la cadena de datos del Internet de las cosas, según los pasos que se muestran en la Figura 2.

Recopilación de datos: encuentre el área minera objetivo de big data

Figura 3:Diagrama esquemático de la adquisición de datos de Internet de las cosas.

       La composición y apariencia del petróleo crudo varían según el lugar de origen, y los datos originales son todos inclusivos en forma. ¡Palabras, imágenes, sonidos, símbolos, señales y otra información que se puede digitalizar por computadora pueden convertirse en datos originales! Además, el petróleo tiene requisitos de umbral específicos para la geología, la forma del relieve y la tecnología minera de su origen, y la tecnología minera siempre se mantiene al día con los tiempos. De manera similar, la discusión sobre la recopilación de datos de Internet de las cosas también debe corresponder a escenarios específicos y utilizar soluciones técnicas en evolución para la recopilación.

       Antes del auge de la Internet de las cosas, nuestros datos tradicionales generalmente se referían a datos relativamente estáticos, estructuralmente fijos y precisos que provenían de dentro de la empresa, interactuaban con los clientes de forma manual o se leían con regularidad. Ahora, la Internet de las cosas amplía ampliamente el alcance de la recopilación de datos. Incluye datos dinámicos masivos en tiempo real de equipos de producción, usuarios y productos a lo largo del tiempo. Es más completo y oportuno que nunca, y llena muchos vacíos de datos en los procesos comerciales tradicionales.

       Las características de los datos de Internet de las cosas, que tienden a ser "completos", "exhaustivos" y "masivos", nos obligan a considerar estos datos de una manera diferente. Ya no tenemos que centrarnos en la rigurosa relación causal entre datos limitados, sino tener una mayor comprensión de las posibles relaciones entre las diversas cosas representadas por los datos, a fin de descubrir el valor potencial y captar la tendencia futura. Permítanme decirlo de otra manera: la función principal de los datos de Internet de las cosas es crear un futuro más colorido a través de la "predicción". Esta nueva forma de pensar se acerca más al pensamiento ecológico de comprender la evolución de la vida, en lugar del pensamiento preciso de comprender el movimiento mecánico.

       ¿Cuáles son entonces los datos de IoT que se pueden convertir en valor comercial? Desde la perspectiva de su efecto sobre los procesos de negocio, creo que se pueden dividir en las siguientes cuatro categorías:

 
       Datos para mejorar la eficiencia y el rendimiento energético de los equipos:La tecnología de Internet de las cosas puede gestionar y optimizar de forma inteligente el consumo de energía de los equipos, reducir la participación manual y ahorrar la pérdida de energía de todo el proceso empresarial. Es por eso que la gente generalmente clasifica la tecnología de Internet de las cosas como "tecnología de ahorro de energía".Según el escenario de aplicación real, los datos de consumo de energía que necesitamos recopilar incluyen potencia en tiempo real, calor, volumen de agua, presión o equivalente de carbón calculado, así como el voltaje, corriente, volumen, etc. asociados.

       Datos para diagnóstico de equipos y alerta temprana.:Por ejemplo, especifique la temperatura de la ubicación del equipo, la frecuencia de vibración del equipo, el flujo de fluido, el ruido ambiental e incluso la presión de la distancia de contacto del equipo.Los parámetros específicos a recopilar varían según el escenario de aplicación, para prevenir o reducir posibles fallas o desastres en el proceso de producción.

       Datos utilizados para mejorar el servicio al cliente:Datos de transacciones de clientes insensibilizados, como cantidad de transacciones, volumen de transacciones, frecuencia de transacciones, ubicación de transacciones, tipo de producto, puntuación del cliente, así como datos de uso del cliente, como diversos datos de experiencia espacial para hogares inteligentes.Estos datos no solo pueden proporcionar a los clientes opiniones de referencia personalizadas y servicios en tiempo real para ayudarlos a tomar decisiones sobre transacciones, sino también ayudar a las empresas a brindar servicios más personalizados para nuevos clientes y futuros socios transfronterizos.

       Datos utilizados para implementar la autorización "como servicio (xaas)":Los "equipos de comunicación" en la era de Internet de las cosas incluyen varios objetos. Su tiempo normal de operación, distancia de desplazamiento, tiempo de falla, etc., determinan qué servicios los usuarios tienen derecho a utilizar, en qué condiciones y cuándo.Estos datos desempeñan un papel especialmente destacado en la transformación de diversos modelos de negocio "como servicio".Sobre la base de la autorización, a los usuarios también se les puede cotizar, liquidar y deducir directamente en línea.

Los escenarios de aplicación de la Internet de las cosas tienden a diversificarse y los tipos de datos disponibles para la recopilación y el análisis se ampliarán continuamente. Los tipos de datos mencionados anteriormente pueden ser solo una parte de los datos futuros de la Internet de las cosas, pero los nuevos datos son básicamente inseparables de la función central de "descubrir la relevancia, predecir los resultados y obtener valor". En torno a este núcleo, se puede predecir que los datos de la Internet de las cosas llevarán a las empresas a una nueva era con una tecnología más inteligente y un pensamiento más ecológico.

Comunicación, almacenamiento y análisis de datos: la búsqueda del tesoro en los datos.

Figura 4:Internet de las cosas, comunicación, almacenamiento y análisis de datos.

       A medida que los datos de IoT se virtualizan, cambian con el tiempo y se reutilizan, el proceso de comunicación, almacenamiento y análisis de datos de IoT tiene una mayor complejidad y un espacio de desarrollo más flexible que el de la transmisión, almacenamiento y refinación de petróleo. Este proceso involucra una gran cantidad de tecnologías de vanguardia emergentes o colecciones de tecnologías, como se muestra en la Figura 4, incluidas varias nuevas tecnologías y protocolos de comunicación en el campo de la comunicación de datos, tecnologías de redes de Internet de las cosas de área local y amplia, así como almacenamiento en la nube pública o privada, computación en la nube, computación de borde, aprendizaje automático, inteligencia artificial, visualización de datos, blockchain, etc. en el campo del almacenamiento y análisis. Debido a que estas tecnologías con visión de futuro continúan penetrando en los negocios, este vínculo también es extremadamente fácil de dar origen a nuevas tecnologías subversivas y nuevos modelos comerciales. Al mismo tiempo, es difícil evitar el humo de las disputas comerciales y las guerras comerciales a corto plazo y al rojo vivo.

       Entre estas nuevas soluciones tecnológicas y modelos de negocio, sólo aquellas nuevas tecnologías, nuevas plataformas o nuevos modelos de negocio que puedan integrar tecnologías y recursos empresariales más diversos son los ganadores finales en el mercado tecnológico del futuro, como los chips inteligentes, las comunicaciones 5g y los sistemas operativos de Internet de las cosas que ocupan el área central de la tecnología de Internet de las cosas, o conectar a los socios ecológicos ascendentes y descendentes de Internet de las cosas, proporcionar una plataforma de datos de Internet de las cosas con API enriquecidas, etc. Los formatos comerciales en la era de Internet de las cosas, desde la organización del personal hasta la arquitectura técnica, tienden a ser planos y de código abierto, se están rompiendo varias barreras técnicas tradicionales y se está delegando la autoridad comercial. Por lo tanto, la lucha agonizante de algunos líderes en las industrias tradicionales también ha quedado expuesta una tras otra.

       Para comprender la tecnología y las tendencias comerciales de este enlace clave, tome como ejemplo la siguiente arquitectura típica de Internet de las cosas que se extiende desde la nube hasta la niebla.

Figura 5:Diagrama de arquitectura de la plataforma de análisis de borde de Internet de las cosas

       Como se muestra en la figura, con la creciente diversificación de los equipos terminales inteligentes y los escenarios comerciales de Internet de las cosas, se requiere que la velocidad de transmisión y retroalimentación de datos sea más rápida, especialmente para la red inteligente, la exploración petrolera y la mayoría de los campos de fabricación industrial con operación remota. La idea de implementación más cercana a Internet móvil en la etapa inicial de Internet de las cosas (omitiendo el fondo gris en el medio de la figura y centralizando directamente los datos recopilados por los dispositivos terminales en la nube) se está volviendo cada vez más ineficaz. Por supuesto, para muchos escenarios de aplicación industriales reales de Internet de las cosas, esta arquitectura debe personalizarse aún más, lo que puede implicar la intelectualización de varios equipos antiguos, la gestión de la interfaz hombre-máquina (HMI), etc.

       En cualquier caso, la posición de implementación de la solución técnica de Internet de las cosas, especialmente la Internet de las cosas industrial, se está moviendo de la nube a la capa de niebla más cercana al equipo terminal. Esto es como si el gerente general de la nube delegara la autoridad de procesamiento de datos a los gerentes del área de niebla en varios lugares para que los procesen de manera independiente. De esta manera, la plataforma de análisis de la capa de niebla puede analizar los datos en tiempo más real y tomar decisiones comerciales más oportunas y apropiadas. La distribución de poder entre la nube y la niebla es un arte de equilibrio entre centralización y partición. La nube debe delegar poder, pero no demasiado. La clave es mantener los canales de flujo de información en tiempo real entre los dos fluidos, oportunos y efectivos.

       Desde este punto de vista, los datos dinámicos masivos generados por la arquitectura de Internet de las cosas son como el agua que fluye. Se evapora desde las "terminales" de todo el mundo en forma de vapor, niebla, nubes, lluvia y regresa a la tierra. Si decimos que el ciclo del agua en la naturaleza genera cosas naturales en evolución con la ayuda de la energía de la luz solar bajo la acción de la gravedad de la Tierra, el flujo de datos de Internet de las cosas se desarrolla y evoluciona en la dirección propicia para el nacimiento de cada industria vertical y la construcción de su propio ecosistema empresarial con la ayuda de la sabiduría de las personas y las máquinas.

       En general, la expansión del marco tecnológico de Internet de las cosas desde la nube a la niebla está en línea con la tendencia ecológica del desarrollo empresarial. Hace que la división técnica del trabajo en la sociedad comercial sea más detallada y la gestión más plana. Entre todas las tecnologías de subdivisión, es innegable que la tecnología de análisis de datos es muy clave. Se puede decir que desempeña un papel de conexión en toda la cadena de datos de Internet de las cosas y tiene un efecto inmediato. El campo más llamativo en el análisis de datos es probablemente la inteligencia artificial (IA). Mucha gente piensa que la IA es una tecnología única. De hecho, no lo es. Es una colección de varias tecnologías relacionadas con el análisis inteligente de datos, desde "sensor visual" y "chip de IA" a nivel de hardware hasta "reconocimiento facial", "conducción no tripulada" y "reconocimiento de voz" a nivel de aplicación. "Ama de casa inteligente de edificios", "análisis de ahorro de energía" y la tecnología de software, patentes, estándares, protocolos, etc. que contienen son todos parte del conjunto de tecnología de inteligencia artificial.

       En el conjunto de tecnologías de inteligencia artificial, el subconjunto más destacado es, sin duda, el "aprendizaje automático", que utiliza la potencia informática para extraer información valiosa o leyes de los datos. En términos relativos, la programación tradicional calcula los resultados de acuerdo con las reglas del algoritmo dadas por el programador, y la máquina en el aprendizaje automático puede actuar como programador y reutilizar cada resultado de cálculo como datos para la autocorrección y la verificación continua. Entre ellos, con la ayuda de redes neuronales artificiales (ANN) multinivel, la aplicación del cálculo y análisis de datos masivos a la solución óptima lleva al "aprendizaje automático" a su subconjunto más importante, el "aprendizaje profundo". La diferencia entre ellos se muestra en la Figura 6:

Figura 6:Comparación entre programación tradicional y aprendizaje automático

       No hay duda de que el "aprendizaje profundo" será la competencia principal en el campo del análisis de datos de Internet de las cosas durante mucho tiempo en el futuro. El proceso de aprendizaje profundo es equivalente a utilizar una red neuronal multinivel para encontrar un mapa de búsqueda del tesoro en un laberinto de big data, y es un mapa de búsqueda del tesoro con una ruta óptima. Con este mapa de búsqueda del tesoro (algoritmo), es más probable que eventualmente encontremos nuevos bebés (valor comercial) en muchos datos complejos.

       Hablando de esto, no puedo evitar sentir: Incluso las máquinas están tratando de aprender y hacer juicios independientes inteligentes. ¿Por qué no redoblamos nuestros esfuerzos para aprender y formar nuestras propias ideas independientes? Esto resonó en la primera organización representativa francesa en China que acogió el proyecto de doctorado en Administración de Empresas (im-dba) en fabricación inteligente y propuso un aprendizaje inclusivo. Expresé aproximadamente esta opinión en el seminario interno: En el futuro, los tomadores de decisiones comerciales deben seguir aprendiendo y pensando como la máquina de inteligencia artificial de "aprendizaje profundo", refinando la práctica personal (datos) y el desempeño (resultados) en valores ideológicos rectores (leyes comerciales) para su industria, a fin de mantener su ventaja competitiva. Dado que el aprendizaje automático es una dirección comercial que vale la pena invertir cada vez más en el futuro, el aprendizaje personal permanente también es una dirección de vida que vale la pena invertir continuamente.

Convertir datos en valor empresarial

Figura 7:Diagrama esquemático de conversión de datos a valor empresarial.

       Por ejemplo, el petróleo refinado se utiliza en todos los ámbitos de la vida para convertirse en combustible o materia prima de producción. Los resultados del análisis de datos de la Internet de las cosas deben integrarse en los procesos de servicios comerciales y convertirse en productos o servicios para reflejar su valor comercial. En términos generales, cuantos más servicios de datos puedan mejorar la capacidad de integración de los recursos ecológicos comerciales, mayor será el valor de la sostenibilidad comercial.

       Además del valor como materia prima como el petróleo, el valor real de los datos es igual a la suma de todos los usos posibles. Puede utilizarse repetidamente para cambiar los procesos comerciales, mejorar la eficiencia operativa y generar valor agregado.

       Entonces, ¿en cuánto valor comercial se pueden convertir los datos? En otras palabras, ¿cómo valorar los datos, un nuevo tipo de activo intangible en el futuro? En la actualidad, no existe un estándar de evaluación de la industria al respecto. Sin embargo, al igual que las empresas que evaluaron varios activos en el pasado, seguramente aparecerán en el mercado en el futuro algunas empresas renovadoras de evaluación del valor de los datos.

       En cualquier caso, para convertir los datos en valor comercial, no sólo debemos disponer de las capacidades técnicas correspondientes, sino también de la conciencia estratégica de que los datos se pueden convertir en valor comercial. Ambas son indispensables. Los tres casos siguientes pueden ilustrar bien esta verdad.

       Caso 1: Después de recopilar datos de funcionamiento del vehículo y cooperar con una empresa de análisis de datos externa, un fabricante de automóviles europeo descubrió que el sensor de detección del tanque de combustible proporcionado por su proveedor alemán tenía el defecto de generar falsas alarmas con frecuencia. Después de una cuidadosa consideración, el fabricante de automóviles optó por no comunicarle directamente la información al proveedor y ordenarle que hiciera la rectificación. En su lugar, solicitó una patente para la mejora mediante la mejora del software y las piezas correspondientes en el tanque de combustible, y luego vendió la patente al proveedor para establecer una nueva asociación con el proveedor, a fin de encontrar un retorno comercial sostenible para su inversión inicial. Estamos felices de mejorar la capacidad de cooperación ecológica empresarial de las empresas y mejorar el nivel de desarrollo técnico de toda la industria de fabricación de automóviles, incluidos los competidores.

       Si el caso 1 fue encontrado accidentalmente por una empresa de alta tecnología en el proceso de análisis de datos, y aprovechó la oportunidad comercial a tiempo solo porque era consciente de su valor, entonces el caso 2 es exactamente lo opuesto. Es un nuevo plan de marketing planeado activamente por una empresa manufacturera tradicional sudamericana con la que entré en contacto en la reciente actividad de revisión de smarties x 2019. Su idea única es reveladora. Para ser exactos, los datos de este caso provienen de Internet móvil en lugar de Internet de las cosas, pero sus ideas de asociar datos irrelevantes al valor comercial son consistentes, lo que también tiene importancia de referencia para los tomadores de decisiones comerciales.

       Caso 2: Una tienda centenaria de Brasil que produce y vende cacerolas se llama tramontina. Al ver que cada vez hay menos jóvenes que cocinan solos, las perspectivas de venta de productos son preocupantes. Para cambiar esta situación, la empresa ha creado un equipo de proyecto internacional compuesto por chefs, expertos en redes neuronales, directores de bandas y otros profesionales para llevar a cabo una cooperación de beneficio mutuo con Spotify, una red musical mundialmente famosa y amada por los jóvenes. Pasaron medio año estudiando cómo utilizar el algoritmo de "sinestesia" para asociar la audición musical con el gusto por la comida. En primer lugar, se filtran en Spotify los parámetros característicos de la música que pueden corresponder a los parámetros de cocción, como el tono negativo correspondiente al sabor amargo, el concierto interpretado por varios instrumentos correspondiente al sabor fuerte, la duración de la música correspondiente al número de ingredientes, el salto de nota correspondiente a la temperatura de cocción, etc., y se establece una gran base de datos correspondiente. Luego, se utiliza inteligencia artificial para convertir los datos en una receta de decenas de millones de órdenes de magnitud y publicarla en el nuevo sitio web de "sabores de canciones". Finalmente, cuando los usuarios potenciales navegan, se les da oportunamente una guía sobre cómo elegir una sartén para convertir las recetas en comida, con el fin de atraer a cada vez más usuarios jóvenes de la red musical a la experiencia. De esta manera, la sartén antigua combinada con la cocina personalizada se ha vuelto tan popular como la música, cambiando los hábitos alimenticios de los jóvenes y guiándolos hacia la cocina.

Figura 8: captura de pantalla de tramontina|sabor de canciones

       De estos dos casos se desprende que los datos recopilados, intencional o involuntariamente, tienen un valor comercial potencial. En el futuro, las empresas deben dedicar más energía a la extracción, clasificación, filtrado, análisis o reorganización de los datos recopilados y elegir una ruta de conversión adecuada a la situación real de su propia empresa, al igual que el fabricante de automóviles en el caso 1, convertir los datos en un nuevo negocio con atributos de propiedad intelectual; también puede utilizar los datos para establecer un nuevo canal de marketing, como el fabricante de utensilios de cocina en el caso 2.

       Por supuesto, algunas empresas, especialmente aquellas que pueden elevar el valor de la minería de datos a la altura de la estrategia empresarial, pueden ir más allá. A menudo, toman los datos como una oportunidad para cambiar todo el proceso comercial y remodelar el modelo comercial. En mis artículos anteriores sobre "Ecosistema de Internet de las cosas" y "Modelo comercial PAAS (producto como servicio)", presenté muchos casos y realicé análisis relevantes. Acabo de ver otro caso mencionado en el artículo del Dr. LV Jianzhong "Camino de desarrollo sostenible de la transformación de la industria manufacturera hacia la inteligencia digital", que es muy claro y fácil de entender, y también muy representativo. Los extractos son los siguientes:

       Caso 3: "En el libro "Transformación inteligente" (Transformación digital, David Rogers) hay una historia tan verdadera e interesante: TWC, una empresa dedicada principalmente a servicios de pronóstico del tiempo, toma la recopilación, procesamiento y envío de pronósticos del tiempo, y luego la publicación de anuncios en la plataforma de publicación como su modelo de negocio principal. Sin embargo, TWC pronto se dio cuenta de que el valor potencial de los datos excedía con creces los ingresos por publicidad. Por lo que crearon un grupo de científicos de datos dirigido por Sofía. La tarea de este grupo es convertir la herramienta de datos en un activo estratégico para crear un mayor valor agregado. El equipo de investigación descubrió que el cambio de clima tuvo un impacto en la fluctuación de un tercio de las actividades económicas en los Estados Unidos. Por lo tanto, formaron un grupo de trabajo conjunto con Wal Mart para establecer un modelo de análisis económico que vincule los datos meteorológicos y las categorías de ventas y el volumen de ventas, y utilizar este modelo para especular sobre qué productos los consumidores tendrán una mayor demanda y disposición de compra bajo qué condiciones climáticas, a fin de formular estrategias publicitarias para categorías de productos populares afectadas por el clima, a fin de obtener el máximo de ingresos por ventas y mejorar la tasa de retorno de la inversión publicitaria. El equipo de investigación también trabajó con compañías de seguros para desarrollar una pequeña aplicación llamada hailzone para recordar a los propietarios de automóviles que deben llevar sus automóviles al garaje antes de que caiga granizo o nieve. Esta pequeña aplicación ha reducido en gran medida la tasa de daños a los automóviles, aliviado los inconvenientes y molestias de los propietarios de automóviles y también ha reducido las reclamaciones y los costos de las compañías de seguros, lo que ha sido elogiado por los consumidores, las compañías de seguros, las comunidades y otras partes interesadas. De repente, muchas personas se registraron en hailzone. Algunos entusiastas de la meteorología también trajeron sus propias herramientas de observación meteorológica para enviar y compartir los datos de cambio meteorológico monitoreados en su propio lugar a la plataforma hailzone en cualquier momento. De esta manera, la plataforma hailzone puede integrar una gran cantidad de datos de todas las direcciones cada 1.5 segundos, brindar predicciones más precisas y en tiempo real a través de algoritmos especiales e ingresar a un ciclo positivo de mejora de la calidad y creación de valor.

       En el caso 3, la empresa vinculó conscientemente los datos con el entorno externo, desarrolló activamente socios ecológicos externos, estableció una red interactiva en tiempo real con minoristas, compañías de seguros, consumidores, comunidades y otras instituciones e individuos, y transformó el clima relativamente estático original. base de datos de pronóstico en una plataforma interactiva y de actualización de datos en tiempo real con la participación de personas y equipos, brindar servicios de alto valor agregado más oportunos para las partes interesadas y obtener efectos ecológicos comerciales sostenibles que puedan crecer por sí mismos.

       Un breve resumen de las formas en que los datos relevantes se convierten en valor empresarial sostenible incluye las siguientes tres categorías o una combinación de estas tres categorías:

       Arrendar los derechos de uso de sus propios productos o servicios para formar una plataforma de datos que pueda interactuar, pagar y liquidar con los usuarios (como los casos 1 y 3), como algunos arrendamientos de productos industriales de alto umbral, propiedad intelectual, consultoría, servicios de información, etc. ;

       Establezca portales de servicios de datos convenientes para socios y usuarios de productos, y luego venda estos permisos de portal o establezca nuevos canales de marketing (como los casos 2 y 3), como proporcionar servicios de logística inteligente, uso de productos y permisos de portal de servicios de pago, etc.

       Ayudar a los clientes a agregar datos externos al conjunto de datos especificado y brindar servicios de valor agregado (como el caso 3), como brindar servicios de monitoreo remoto de la frecuencia cardíaca e interpretación y diagnóstico de informes de detección, y la relación de valor agregado entre los datos ambientales y económicos. actividades.

       En una palabra, la clave para transformar los datos en valor empresarial sostenible es construir su propio ecosistema alrededor de la cadena de datos, y su éxito depende en gran medida de cómo formularE implementar estrategias comerciales sostenibles.

       Este artículo fue transferido de la cuenta oficial del grupo de expertos de Internet de las cosas. Si hay una infracción, elimine el mensaje de fondo.