Stratégie écologique IOT (I) : comment convertir les données en valeur business durable ?

       Lecture guidée

       Les données générées par l’Internet des objets deviennent progressivement la principale force du big data. Cet article vise à explorer une question qui préoccupe beaucoup la plupart des dirigeants d'entreprises innovantes : comment convertir les données en valeur commerciale durable, étape par étape, tout au long de la chaîne de données de l'Internet des objets ?

"Bien que les données ne soient pas incluses dans le bilan de l'entreprise, ce n'est qu'une question de temps."

       ——L'ère du Big Data Victor & middot; Mel Schönberg

       Certains disent que le rôle des données sur la société est comparable à celui du pétrole. D’autres affirment que l’impact des données sur la société dépassera celui du pétrole. Je pense que tout va bien.Les données et le pétrole sont tous deux des sources d'énergie pour promouvoir le changement social, et leurs processus de génération et d'application sont les mêmes ;Cependant,Les données ont de nombreuses caractéristiques inégalées par le pétrole :Elles peuvent être réutilisées, copiées et transmises à grande vitesse , l’influence des données sur la société dépassera donc largement celle du pétrole !

       Dans tous les cas, comparer les données avec le pétrole permet de mieux comprendre le contexte de la chaîne de données de l'Internet des objets. J'ai travaillé dans une compagnie pétrolière et j'ai une certaine connaissance du processus commercial du pétrole. Comparons les données au pétrole.

       Avant l'exploitation du pétrole, celui-ci n'était qu'un mélange d'hydrocarbures aux composants complexes déposés dans la croûte terrestre. Cependant, une fois pulvérisé depuis le sous-sol, il pourrait être utilisé à diverses fins et devenir diverses nécessités de la société moderne, telles que du carburant (essence, diesel, etc.), de l'huile lubrifiante, des matières premières chimiques, des produits en plastique, etc. Sa valeur commerciale s'est également progressivement manifestée de manière incisive et vivante.

       Le processus d’extraction de la valeur commerciale des données s’apparente au raffinage du pétrole numérique virtuel.

Figure 1 : processus de production et de commercialisation du pétrole de la liaison de données de l'Internet des objets

       Comme le montre la figure 1, pour l'Internet des objets, la valeur des données minières devrait également commencer par la recherche de mines de données, puis, en améliorant continuellement la capacité de collecter, de communiquer, de stocker et d'analyser les données, de convertir davantage les données filtrées et analysées en valeur commerciale qui peut refléter les avantages des entreprises. Ce processus forme une liaison de données similaire au processus de production et de commercialisation du pétrole : acquisition de données (exploitation pétrolière), communication de données (transport pétrolier), stockage et analyse de données (stockage et raffinage du pétrole), l’application et la conversion en valeur commerciale sont illustrées à la figure 2.

Figure 2:Diagramme schématique de la liaison de données de l'Internet des objets

       En réalité, de nouvelles données sont toujours générées lors du processus d’application et de conversion des données. Ces nouvelles données sont remontées en temps réel et reviennent au stade initial. Avec d'autres données, ils parcourent à nouveau l'ensemble du processus de la chaîne, formant un processus de cycle « d'acquisition de rétroaction d'application » différent du processus linéaire traditionnel de « déchets de production et de consommation » du pétrole. Ceci est assez similaire au processus durable de « consommation de production ». recyclage" connu par le pétrole dans le cadre de l'économie circulaire, c'est pourquoi une stratégie commerciale durable est très importante pour la construction de l'écosystème de l'Internet des objets.

       Ce qui suit est une discussion étape par étape sur la façon de convertir les données en valeur commerciale durable tout au long de la chaîne de données de l'Internet des objets, selon les étapes illustrées dans la figure 2.

Collecte de données : trouver la zone minière cible du Big Data

Figure 3:Diagramme schématique de l'acquisition de données sur l'Internet des objets

       La composition et l'apparence du pétrole brut varient selon le lieu d'origine, et les données originales sont de forme globale. Les mots, images, sons, symboles, signaux et autres informations pouvant être numérisés par l'ordinateur peuvent devenir des données originales ! le pétrole a des exigences de seuil spécifiques pour la géologie, le relief et la technologie minière de son origine, et la technologie minière suit toujours le rythme de son temps. De même, la discussion sur la collecte de données sur l'Internet des objets doit également correspondre à des scénarios spécifiques et à l'évolution de l'utilisation. solutions techniques pour la collecte.

       Avant l'essor de l'Internet des objets, nos données traditionnelles faisaient généralement référence à des données relativement statiques, structurellement fixes et précises qui provenaient de l'entreprise, interagissaient manuellement avec les clients ou lisaient régulièrement. Aujourd'hui, l'Internet des objets étend considérablement la portée de la collecte de données. Il comprend des données dynamiques massives en temps réel provenant des équipements de production, des utilisateurs et des produits au fil du temps. Il est plus complet et plus actuel que jamais et comble de nombreuses lacunes en matière de données dans les processus métiers traditionnels.

       Ce sont les caractéristiques des données de l’Internet des objets qui ont tendance à être « complètes », « complètes » et « massives », ce qui nous oblige à considérer ces données sous un angle différent. Nous n'avons plus besoin de nous concentrer sur la relation causale rigoureuse entre des données limitées, mais d'avoir plus d'informations sur les relations possibles entre les différentes choses représentées par les données, afin de découvrir la valeur potentielle et de saisir la tendance future. Permettez-moi de le dire autrement. ,La fonction principale des données IOT est de créer un avenir plus coloré grâce à la « prédiction ».Cette nouvelle façon de penser est plus proche de la pensée écologique consistant à comprendre l'évolution de la vie, plutôt que de la pensée précise consistant à comprendre le mouvement mécanique.

       Alors, quelles sont les données IOT qui peuvent être converties en valeur commerciale ?Du point de vue de leur effet sur les processus métier, je pense qu'elles peuvent être grossièrement divisées en quatre catégories suivantes :

 
       Données pour améliorer l’efficacité énergétique et les performances des équipements:La technologie de l'Internet des objets peut gérer et optimiser intelligemment la consommation d'énergie des équipements, réduire la participation manuelle et économiser la perte d'énergie de l'ensemble du processus commercial. C'est pourquoi les gens classent généralement la technologie de l'Internet des objets comme « technologie d'économie d'énergie ».Selon le scénario d'application réel, les données de consommation d'énergie que nous devons collecter incluent l'électricité, la chaleur, le volume d'eau, la pression ou l'équivalent charbon calculé en temps réel, ainsi que la tension, le courant, le volume, etc.

       Données pour le diagnostic des équipements et l'alerte précoce:Par exemple, spécifiez la température de l'emplacement de l'équipement, la fréquence de vibration de l'équipement, le débit du fluide, le bruit ambiant et même la pression de l'espace de contact de l'équipement.Les paramètres spécifiques à collecter varient en fonction du scénario d'application, afin de prévenir ou de réduire d'éventuels défauts ou catastrophes dans le processus de production.

       Données utilisées pour améliorer le service client:Données de transaction client désensibilisées, telles que la quantité de transaction, le volume de transaction, la fréquence de transaction, l'emplacement de transaction, le type de produit, le score client, ainsi que les données d'utilisation du client, telles que diverses données d'expérience spatiale pour la maison intelligente.Ces données peuvent non seulement fournir aux clients des avis de référence personnalisés et des services en temps réel pour les aider à prendre des décisions en matière de transactions, mais également aider les entreprises à fournir des services plus personnalisés aux nouveaux clients et aux futurs partenaires transfrontaliers.

       Données utilisées pour mettre en œuvre l'autorisation "as a service (xaas)":Les « équipements de communication » à l'ère de l'Internet des objets comprennent divers objets. Leur durée normale de fonctionnement, leur distance de déplacement, leur temps de défaillance, etc. déterminent quels services les utilisateurs ont le droit d'utiliser, dans quelles conditions et quand.Ces données jouent un rôle particulièrement important dans la transformation des différents modèles économiques « as a service ».Sur la base de l'autorisation, les utilisateurs peuvent également bénéficier d'une tarification, d'un règlement et d'une déduction directement en ligne.

De plus, les scénarios d'application de l'Internet des objets ont tendance à se diversifier et les types de données disponibles pour la collecte et l'analyse seront continuellement élargis. Les types de données mentionnés ci-dessus ne constituent peut-être qu'une partie des futures données de l'Internet des objets, mais les nouvelles données sont fondamentalement indissociables de la fonction principale consistant à « découvrir la pertinence, prédire les résultats et réaliser de la valeur ».Autour de ce noyau, on peut prédire que les données de l'Internet des objets conduiront les entreprises dans une nouvelle ère avec une technologie plus intelligente et une pensée plus écologique !

Communication, stockage et analyse des données : chasse au trésor dans les données

Figure 4:Communication, stockage et analyse de données sur l'Internet des objets

       À mesure que les données IOT sont virtualisées, évolutives et réutilisables, le processus de communication, de stockage et d'analyse des données IOT présente un espace de développement plus complexe et plus flexible que celui du transport, du stockage et du raffinage du pétrole. Ce processus implique un grand nombre de technologies de pointe émergentes. technologies ou collections de technologies, comme le montre la figure 4, y compris diverses nouvelles technologies et protocoles de communication dans le domaine de la communication de données, des technologies de mise en réseau de l'Internet des objets local et étendu, ainsi que du stockage en nuage public ou privé, du cloud computing, de l'informatique de pointe, apprentissage automatique, intelligence artificielle, visualisation de données, blockchain, etc. dans le domaine du stockage et de l'analyse. Parce que ces technologies d'avenir continuent de pénétrer dans les entreprises, ce lien est également extrêmement facile pour donner naissance à de nouvelles technologies subversives et de nouveaux modèles économiques . Dans le même temps, il est difficile d’éviter la fumée des conflits commerciaux et des guerres commerciales brûlantes et à court terme.

       Parmi ces nouvelles solutions technologiques et modèles commerciaux, seules les nouvelles technologies, nouvelles plates-formes ou nouveaux modèles commerciaux capables d'intégrer des technologies et des ressources commerciales plus diverses sont les gagnants finaux sur le futur marché technologique, comme les puces intelligentes, les communications 5G et l'Internet des objets. les systèmes d'exploitation qui occupent le domaine central de la technologie de l'Internet des objets, ou connectent les partenaires écologiques en amont et en aval de l'Internet des objets, fournissent une plate-forme de données de l'Internet des objets avec des API riches, etc.Les formats commerciaux dans l'Internet des objets ère, de l'organisation du personnel à l'architecture technique, ont tendance à être plates et open source, diverses barrières techniques traditionnelles sont brisées et l'autorité commerciale est déléguée. C 'est pourquoi les luttes mourantes de certains dirigeants de l' industrie traditionnelle ont également été exposées les unes après les autres.

       Pour comprendre les tendances technologiques et commerciales de ce lien clé, prenons comme exemple l'architecture typique de l'Internet des objets suivante, qui s'étend du cloud au brouillard.

Figure 5:Schéma d'architecture de la plateforme d'analyse de pointe de l'Internet des objets

       Comme le montre la figure, avec la diversification croissante des équipements terminaux intelligents et des scénarios commerciaux de l'Internet des objets, il est nécessaire que la transmission des données et la vitesse de retour d'information soient plus rapides, en particulier pour les réseaux intelligents, l'exploration pétrolière et la plupart des domaines de fabrication industrielle avec opération à distance. L'idée d'un déploiement plus proche de l'Internet mobile dans la phase initiale de l'Internet des objets -- en omettant le fond gris au milieu de la figure et en centralisant directement les données collectées par les terminaux dans le cloud -- devient de plus en plus inefficace. Bien entendu, pour de nombreux scénarios d’application industriels actuels de l’Internet des objets, cette architecture doit être davantage personnalisée, ce qui peut impliquer l’intellectualisation de divers équipements anciens, la gestion d’interfaces homme-machine (IHM), etc.

       Dans tous les cas, la position de déploiement des solutions techniques de l'Internet des objets, en particulier de l'Internet des objets industriel, passe du cloud à la couche de brouillard plus proche des équipements terminaux.C'est comme si le directeur général du cloud déléguait l'autorité de traitement des données à les gestionnaires de zones de brouillard à divers endroits pour un traitement indépendant. De cette façon, la plate-forme d'analyse de la couche de brouillard peut analyser les données plus en temps réel et prendre des décisions commerciales plus opportunes et plus appropriées. La répartition de l'énergie entre le cloud et le brouillard est un art d'équilibre entre centralisation et partition. Le cloud devrait déléguer le pouvoir, mais pas trop. La clé est de maintenir les canaux de flux d’informations en temps réel entre les deux de manière fluide, opportune et efficace.

       De ce point de vue, les données dynamiques massives générées par l’architecture de l’Internet des objets sont comme de l’eau qui coule. Il s'évapore des "terminaux" du monde entier en vapeur, brouillard, nuages, pluie et retourne sur terre. Si nous disons que le cycle de l'eau dans la nature engendre des choses naturelles évolutives avec l'aide de l'énergie du soleil sous l'action de la terre. Par gravité, le flux de données de l'Internet des objets se développe et évolue dans le sens propice à la naissance de chaque industrie verticale et à la construction de son propre écosystème d'affaires avec l'aide de la sagesse des personnes et des machines.

       En général, l'expansion du cadre technologique de l'Internet des objets du nuage au brouillard est conforme à la tendance écologique du développement des entreprises. Cela rend la division technique du travail dans la société commerciale plus détaillée et la gestion plus plate. Parmi toutes les technologies de subdivision, il est indéniable que la technologie d'analyse des données est très essentielle. On peut dire qu'elle joue un rôle de connexion dans toute la chaîne de données de l'Internet des objets et a un effet immédiat. Le domaine le plus accrocheur de l'analyse des données est probablement l'intelligence artificielle (IA). Beaucoup de gens pensent que l’IA est une technologie unique. En fait, ce n’est pas le cas. Il s'agit d'un ensemble de diverses technologies liées à l'analyse intelligente des données, du « capteur visuel » et de la « puce Ai » au niveau matériel à la « reconnaissance faciale », la « conduite sans pilote » et la « reconnaissance vocale » au niveau applicatif « Building intelligent housekeeper ». ", "l'analyse des économies d'énergie" et la technologie logicielle, les brevets, les normes, les protocoles, etc. qu'ils contiennent font tous partie de l'ensemble technologique de l'intelligence artificielle.

       Dans la collection de technologies d'intelligence artificielle, le sous-ensemble le plus important est sans aucun doute « l'apprentissage automatique », qui utilise la puissance de calcul de l'ordinateur pour extraire des informations précieuses ou des lois à partir de données. Relativement parlant, la programmation traditionnelle calcule les résultats selon les règles d'algorithme données par le programmeur. , et la machine dans l'apprentissage automatique peut agir en tant que programmeur et réutiliser chaque résultat de calcul comme données pour l'auto-correction et la vérification continue. Parmi eux, avec l'aide de réseaux neuronaux artificiels à plusieurs niveaux (ANN), l'application du calcul et L'analyse de données massives jusqu'à la solution optimale amène le « apprentissage automatique » dans son sous-ensemble le plus important « l'apprentissage profond ». La différence entre eux est illustrée dans la figure 6 :

Figure 6:Comparaison entre la programmation traditionnelle et l'apprentissage automatique

       Il ne fait aucun doute que « l’apprentissage profond » sera pendant longtemps encore le principal concurrent dans le domaine de l’analyse des données de l’Internet des objets. Le processus d'apprentissage en profondeur équivaut à l'utilisation d'un réseau neuronal à plusieurs niveaux pour trouver une carte de chasse au trésor dans le labyrinthe du Big Data, et il s'agit d'une carte de chasse au trésor avec un chemin optimal. Avec cette carte de chasse au trésor (algorithme), nous avons plus de chances de trouver éventuellement de nouveaux bébés (valeur commerciale) dans de nombreuses données complexes.

       En parlant de cela, je ne peux m'empêcher de penser : même les machines essaient d'apprendre et de porter des jugements intelligents et indépendants. Pourquoi ne redoublons-nous pas nos efforts pour apprendre et forger nos propres idées indépendantes ? Cela a trouvé un écho auprès de la première organisation représentative française en Chine qui a accueilli le projet de doctorat en administration des affaires (im-dba) en fabrication intelligente et a proposé un apprentissage inclusif. J'ai exprimé grossièrement ce point de vue lors du séminaire interne : à l'avenir, les décideurs d'entreprise devraient continuer à apprendre et à penser comme la machine d'intelligence artificielle "deep learning", à affiner leur pratique personnelle (données) et leurs performances (résultats) pour guider les valeurs idéologiques (entreprises). lois) pour leur secteur, afin de maintenir leur avantage concurrentiel. Puisque l'apprentissage automatique est une direction commerciale qui mérite d'augmenter les investissements dans l'avenir, l'apprentissage personnel tout au long de la vie est également une direction de vie qui mérite un investissement continu ?

Conversion des données en valeur commerciale

Figure 7:Diagramme schématique de la conversion des données en valeur commerciale

       Par exemple, le pétrole raffiné entre dans tous les domaines de la vie pour devenir carburant ou matière première de production. Les résultats de l'analyse des données de l'Internet des objets doivent être intégrés dans les processus de services commerciaux et devenir des produits ou des services afin de refléter leur valeur commerciale. D'une manière générale, plus il y a de services de données pouvant améliorer la capacité d'intégration des ressources écologiques commerciales, plus la valeur est élevée. de durabilité commerciale.

       Outre la valeur d’une matière première comme le pétrole, la valeur réelle des données est égale à la somme de toutes les utilisations possibles. Il peut être utilisé à plusieurs reprises pour modifier les processus métier, améliorer l’efficacité opérationnelle et générer de la valeur ajoutée.

       Alors, en quelle valeur commerciale les données peuvent-elles être converties ?En d'autres termes, comment valoriser les données, un nouveau type d'actif incorporel à l'avenir ?À l'heure actuelle, il n'existe pas de norme d'évaluation de l'industrie à cet égard.Cependant, tout comme les entreprises qui évaluaient divers actifs dans le passé, des sociétés d'évaluation de la valeur des données rafraîchissantes apparaîtront certainement sur le marché à l'avenir.

       Dans tous les cas, pour convertir les données en valeur commerciale, nous devons non seulement disposer des capacités techniques disponibles correspondantes, mais également avoir la conscience stratégique que les données peuvent être converties en valeur commerciale. Les deux sont indispensables. Les trois cas suivants peuvent bien illustrer cette vérité.

       Cas 1 : Après avoir collecté des données de fonctionnement du véhicule et coopéré avec une société externe d'analyse de données, un constructeur automobile européen a découvert que le capteur de détection du réservoir de carburant fourni par son fournisseur allemand présentait le défaut de fausses alarmes fréquentes. Après mûre réflexion, le constructeur automobile a choisi de ne pas communiquer directement les informations au fournisseur et de lui ordonner d'effectuer des rectifications. Au lieu de cela, elle a déposé une demande de brevet pour l'amélioration du logiciel et des pièces correspondantes sur le réservoir de carburant, puis a vendu le brevet au fournisseur pour établir un nouveau partenariat avec le fournisseur, afin de trouver un retour commercial durable pour son investissement précoce, nous sommes heureux d'améliorer la capacité de coopération écologique des entreprises et d'améliorer le niveau de développement technique de l'ensemble de l'industrie automobile, y compris les concurrents.

       Si le cas 1 a été rencontré accidentellement par une entreprise de haute technologie au cours du processus d'analyse de données et qu'elle a saisi l'opportunité commerciale à temps uniquement parce qu'elle était consciente de sa valeur, alors le cas 2 est tout le contraire. Il s'agit d'un nouveau schéma de marketing. activement planifié par une entreprise de fabrication traditionnelle sud-américaine avec laquelle je suis entré en contact lors de la récente activité d'examen des smarties x 2019. Son idée unique est révélatrice. Pour être exact, les données de cette affaire proviennent de l'Internet mobile plutôt que de l'Internet des objets, mais leurs idées consistant à associer des données non pertinentes à la valeur commerciale sont cohérentes, ce qui a également une importance de référence pour la décision commerciale. -les créateurs.

       Cas 2 : Au Brésil, un magasin centenaire qui produit et vend des casseroles s'appelle tramontina. En voyant de moins en moins de jeunes cuisiner seuls, les perspectives de vente des produits sont inquiétantes. Afin de changer cette situation, l'entreprise a créé une équipe de projet internationale composée de chefs, d'experts en réseaux neuronaux, de chefs d'orchestre et d'autres professionnels pour mener une coopération gagnant-gagnant avec Spotify, un réseau musical de renommée mondiale et apprécié des jeunes. Ils ont passé six mois à étudier comment utiliser l'algorithme de « synesthésie » pour associer l'audition musicale au goût des aliments. Tout d'abord, les paramètres caractéristiques de la musique pouvant correspondre aux paramètres de cuisson sont filtrés sur Spotify, tels que le ton négatif correspondant à un goût amer, le concerto joué par plusieurs instruments correspondant à un goût prononcé, la durée de la musique correspondant au nombre d'ingrédients, le saut de note correspondant à la cuisson. température, etc., et une grande base de données correspondante est établie. Ensuite, utilisez l'intelligence artificielle pour convertir les données en une recette de dizaines de millions d'ordres de grandeur et publiez-la sur le nouveau site Internet de « saveur des chansons ». Enfin, lorsque les utilisateurs potentiels naviguent, ils donnent en temps opportun un guide sur la façon de choisir une poêle pour transformer les recettes en aliments, afin d'attirer de plus en plus de jeunes utilisateurs du réseau musical à expérimenter. Ainsi, la poêle à l'ancienne combinée à la cuisine personnalisée est devenue aussi populaire que la musique, changeant les habitudes alimentaires des jeunes et les guidant vers la cuisine.

Figure 8 : capture d'écran de tramontina|saveur de chansons

       De ces deux cas, il ressort que les données collectées intentionnellement ou non ont une valeur commerciale potentielle. À l'avenir, les entreprises devront consacrer plus d'énergie à l'extraction, au tri, au criblage, à l'analyse ou à la réorganisation des données collectées, et choisir un chemin de conversion adapté à la situation réelle de leur propre entreprise, tout comme le constructeur automobile dans le cas 1, Convertir les données en un nouvelle entreprise avec des attributs de propriété intellectuelle ; Vous pouvez également utiliser les données pour établir un nouveau canal de commercialisation comme le fabricant d'ustensiles de cuisine dans le cas 2.

       Bien entendu, certaines entreprises, en particulier celles qui peuvent élever la valeur des données minières au niveau de la stratégie d’entreprise, peuvent aller plus loin. Ils profitent souvent des données comme d'une opportunité pour changer l'ensemble du processus métier et remodeler le modèle économique. Dans mes articles précédents sur « l'écosystème de l'Internet des objets » et « le modèle commercial PAAS (produit en tant que service) », j'ai présenté de nombreux cas et donné des analyse. Je viens de voir un autre cas mentionné dans l'article du Dr LV Jianzhong « Chemin de développement durable de la transformation de l'industrie manufacturière vers l'intelligence numérique », qui est très clair et facile à comprendre, et est également très représentatif.Les extraits sont les suivants :

       Cas 3 : « Dans le livre « transformation intelligente » (transformation numérique, David Rogers) Il y a une histoire tellement vraie et intéressante : TWC, une entreprise principalement engagée dans les services de prévisions météorologiques, prend en charge la collecte, le traitement et l'envoi de prévisions météorologiques, puis leur publication. Les publicités sur la plateforme de publication constituent son principal modèle économique. Cependant, TWC s'est vite rendu compte que la valeur potentielle des données dépassait de loin les revenus de la publicité. Ils ont donc créé un groupe de data scientists dirigé par Sofia. l'outil de données en un atout stratégique pour créer une valeur ajoutée plus élevée L'équipe de recherche a constaté que le changement climatique avait un impact sur la fluctuation d'un tiers des activités économiques aux États-Unis. Ils ont donc formé un groupe de travail commun avec Wal Mart. établir un modèle d'analyse économique reliant les données météorologiques et les catégories de ventes et le volume des ventes, et utiliser ce modèle pour spéculer sur quels produits les consommateurs auront une demande et une volonté d'achat plus élevées dans quelles conditions météorologiques, afin de formuler des stratégies publicitaires pour les catégories de produits populaires affectées par la météo, afin d'obtenir le maximum de chiffre d'affaires et d'améliorer le taux de retour des entrées-sorties publicitaires. L'équipe de recherche a également travaillé avec des compagnies d'assurance pour développer une petite application appelée hailzone pour rappeler aux propriétaires de voitures de placer leur voiture au garage avant la grêle ou une tempête de neige. Cette petite application a considérablement réduit le taux de dommages aux voitures, atténué les désagréments et les désagréments des propriétaires de voitures, et a également réduit les réclamations et les coûts des compagnies d'assurance, ce qui a été salué par les consommateurs, les compagnies d'assurance, les communautés et d'autres parties prenantes. Tout d’un coup, de nombreuses personnes se sont inscrites sur Hailzone. Certains passionnés de météorologie ont également apporté leurs propres outils d'observation météorologique pour envoyer et partager à tout moment les données de changements météorologiques surveillées chez eux vers la plateforme de zone de grêle. De cette manière, la plate-forme hailzone peut intégrer une grande quantité de données provenant de toutes les directions toutes les 1.5 secondes, fournir des prévisions plus précises et en temps réel grâce à des algorithmes spéciaux et entrer dans un cycle positif d'amélioration de la qualité et de création de valeur. "

       Dans le cas 3, l'entreprise a consciemment lié les données à l'environnement externe, a développé activement des partenaires écologiques externes, a établi un réseau interactif en temps réel avec des détaillants, des compagnies d'assurance, des consommateurs, des communautés et d'autres institutions et individus, et a transformé la météo initiale relativement statique. base de données de prévisions en une mise à jour des données en temps réel et une plate-forme interactive avec la participation de personnes et d'équipements, fournir des services à haute valeur ajoutée plus rapides aux parties prenantes et obtenir des effets écologiques commerciaux durables qui peuvent se développer par eux-mêmes.

       Un bref résumé des façons dont les données pertinentes sont converties en valeur commerciale durable comprend les trois catégories suivantes ou une combinaison de ces trois catégories :

       Louer les droits d'utilisation de leurs propres produits ou services pour former une plate-forme de données qui peut interagir, payer et régler avec les utilisateurs (comme les cas 1 et 3), comme la location de produits industriels à seuil élevé, la propriété intellectuelle, le conseil, les services d'information, etc. ;

       Établissez des portails de services de données pratiques pour les partenaires de produits et les utilisateurs, puis vendez ces autorisations de portail ou établissez de nouveaux canaux de marketing (comme les cas 2 et 3), tels que la fourniture de services logistiques intelligents, l'utilisation de produits et les autorisations de portail de services de paiement, etc.

       Aider les clients à ajouter des données externes à l'ensemble de données spécifié et à fournir des services à valeur ajoutée (comme le cas 3), tels que la fourniture de services de surveillance de la fréquence cardiaque à distance et l'interprétation et le diagnostic des rapports de détection, ainsi que la relation à valeur ajoutée entre les données environnementales et économiques. activités.

       En un mot, la clé pour transformer les données en valeur commerciale durable est de construire votre propre écosystème autour de la chaîne de données, et son succès dépend en grande partie de la manière de formulerEt mettez en œuvre des stratégies commerciales durables.

       Cet article est transféré du compte officiel du groupe de réflexion sur l'Internet des objets. En cas d'infraction, veuillez supprimer le message d'arrière-plan.