Strategi ekologi IOT (I): bagaimana mengubah data menjadi nilai bisnis yang berkelanjutan?

       Membaca terpandu

       Data yang dihasilkan oleh Internet of Things secara bertahap menjadi kekuatan utama data besar. Makalah ini bertujuan untuk mengeksplorasi isu yang menjadi perhatian sebagian besar eksekutif perusahaan inovatif: bagaimana mengubah data menjadi nilai bisnis berkelanjutan selangkah demi selangkah di sepanjang rantai data Internet of Things?

“Meskipun datanya belum masuk ke neraca perusahaan, itu hanya masalah waktu saja.”

       ——Zaman data besar Victor & middot; Mel Schoenberg

       Ada yang mengatakan bahwa peran data terhadap masyarakat ibarat minyak. Ada pula yang mengatakan bahwa dampak data terhadap masyarakat akan melebihi dampak minyak. Saya pikir tidak apa-apa.Data dan minyak sama-sama merupakan sumber energi untuk mendorong perubahan sosial, dan proses pembuatan serta penerapannya sama;Namun,Data memiliki banyak karakteristik yang tidak tertandingi oleh minyak:Dapat digunakan kembali, disalin, dan dikirim dengan kecepatan tinggi , jadi pengaruh data terhadap masyarakat akan jauh melebihi pengaruh minyak!

       Bagaimanapun, membandingkan data dengan minyak membantu untuk lebih memahami konteks rantai data Internet of Things. Saya kebetulan pernah bekerja di sebuah perusahaan minyak dan memiliki pengetahuan tentang proses bisnis minyak. Mari kita bandingkan datanya dengan minyak.

       Sebelum minyak dieksploitasi, minyak hanyalah campuran hidrokarbon dengan komponen kompleks yang tersimpan di kerak bumi. Namun setelah disemprotkan dari bawah tanah, dapat dimanfaatkan untuk berbagai keperluan dan menjadi berbagai kebutuhan masyarakat modern, seperti bahan bakar (bensin, solar, dll), minyak pelumas, bahan baku kimia, produk plastik, dll, Nilai komersialnya juga secara bertahap ditampilkan secara tajam dan jelas.

       Proses penambangan nilai komersial data seperti penyulingan minyak digital virtual.

Gambar 1: proses produksi dan pemasaran minyak pada tautan data Internet of Things

       Seperti yang ditunjukkan pada Gambar 1,Untuk Internet of Things, menambang nilai data juga harus dimulai dari mencari tambang data, dan kemudian, dengan terus meningkatkan kemampuan mengumpulkan, mengkomunikasikan, menyimpan, dan menganalisis data, selanjutnya mengubah data yang disaring dan dianalisis tersebut menjadi nilai komersial yang dapat mencerminkan keunggulan perusahaan.Proses ini membentuk tautan data yang mirip dengan proses produksi dan pemasaran minyak:Akuisisi data (eksploitasi minyak), komunikasi data (transportasi minyak), penyimpanan dan analisis data (penyimpanan dan pemurnian minyak), penerapan dan konversi ke nilai komersial ditunjukkan pada Gambar 2.

Gambar 2:Diagram skema tautan data Internet of Things

       Kenyataannya, data baru masih dihasilkan dalam proses penerapan dan konversi data. Data baru ini diumpankan kembali secara real time dan dikembalikan ke tahap awal. Bersama dengan data lain, mereka melewati seluruh proses rantai lagi, membentuk proses siklus "akuisisi umpan balik aplikasi akuisisi" yang berbeda dari proses linier minyak "limbah konsumsi produksi" tradisional. Ini sangat mirip dengan proses berkelanjutan "konsumsi produksi" daur ulang" yang dialami minyak dalam kondisi ekonomi sirkular, itulah sebabnya strategi bisnis berkelanjutan sangat penting untuk pembangunan ekosistem Internet of Things.

       Berikut ini adalah pembahasan langkah demi langkah tentang cara mengubah data menjadi nilai bisnis berkelanjutan di sepanjang rantai data Internet of Things sesuai dengan langkah-langkah yang ditunjukkan pada Gambar 2.

Pengumpulan data: temukan area penambangan target data besar

Gambar 3:Diagram skema akuisisi data Internet of Things

       Komposisi dan tampilan minyak mentah bervariasi dari tempat asalnya, dan data asli semuanya inklusif dalam bentuk.Kata-kata, gambar, suara, simbol, sinyal, dan informasi lain yang dapat didigitalkan oleh komputer dapat menjadi data asli!Selain itu, minyak bumi memiliki persyaratan ambang batas khusus untuk geologi, bentuk lahan, dan teknologi penambangan asal-usulnya, dan teknologi penambangan selalu mengikuti perkembangan zaman. Demikian pula, diskusi mengenai pengumpulan data Internet of Things juga harus sesuai dengan skenario spesifik dan penggunaan yang terus berkembang. solusi teknis untuk pengumpulan.

       Sebelum munculnya Internet of Things, data tradisional kita umumnya mengacu pada data yang relatif statis, tetap secara struktural, dan akurat yang berasal dari dalam perusahaan, berinteraksi dengan pelanggan secara manual atau dibaca secara teratur. Sekarang Internet of Things memperluas cakupan pengumpulan data secara luas. Ini mencakup data dinamis besar-besaran secara real-time dari peralatan produksi, pengguna, dan produk dari waktu ke waktu. Hal ini lebih komprehensif dan tepat waktu dibandingkan sebelumnya, dan mengisi banyak kesenjangan data dalam proses bisnis tradisional.

       Karakteristik data Internet of Things yang cenderung “lengkap”, “komprehensif”, dan “masif” inilah yang membuat kita harus memandang data tersebut dengan cara berpikir yang berbeda. Kita tidak lagi harus fokus pada hubungan sebab akibat yang ketat antara data yang terbatas, tetapi memiliki lebih banyak wawasan tentang kemungkinan hubungan antara berbagai hal yang diwakili oleh data, untuk mengetahui nilai potensial dan memahami tren masa depan.biarkan saya katakan dengan cara lain ,Fungsi inti dari data IOT adalah untuk menciptakan masa depan yang lebih berwarna melalui "prediksi".Cara berpikir baru ini lebih dekat dengan pemikiran ekologis dalam memahami evolusi kehidupan, daripada pemikiran tepat dalam memahami gerakan mekanis.

       Jadi data IOT apa saja yang bisa diubah menjadi nilai komersial?Dari sudut pandang pengaruhnya terhadap proses bisnis, menurut saya data tersebut secara kasar dapat dibagi menjadi empat kategori berikut:

 
       Data untuk meningkatkan efisiensi dan kinerja energi peralatan:Teknologi Internet of Things dapat secara cerdas mengelola dan mengoptimalkan konsumsi energi peralatan, mengurangi partisipasi manual, dan menghemat hilangnya energi di seluruh proses bisnis. Inilah sebabnya mengapa orang pada umumnya mengklasifikasikan teknologi Internet of Things sebagai “teknologi hemat energi”.Berdasarkan skenario penerapan sebenarnya, data konsumsi energi yang perlu kami kumpulkan mencakup daya, panas, volume air, tekanan atau setara batubara yang dihitung secara real-time, serta voltase, arus, volume, dll.

       Data untuk diagnosis peralatan dan peringatan dini:Misalnya, tentukan suhu lokasi peralatan, frekuensi getaran peralatan, aliran fluida, kebisingan lingkungan, dan bahkan tekanan celah kontak peralatan.Parameter spesifik yang akan dikumpulkan bervariasi sesuai dengan skenario aplikasi, untuk mencegah atau mengurangi kemungkinan kesalahan atau bencana dalam proses produksi.

       Data yang digunakan untuk meningkatkan layanan pelanggan:Data transaksi pelanggan yang tidak peka, seperti kuantitas transaksi, volume transaksi, frekuensi transaksi, lokasi transaksi, jenis produk, skor pelanggan, serta data penggunaan pelanggan, seperti berbagai data pengalaman spasial untuk rumah pintar.Data ini tidak hanya dapat memberikan pelanggan opini referensi yang dipersonalisasi dan layanan real-time untuk membantu pelanggan membuat keputusan transaksi, namun juga membantu perusahaan menyediakan layanan yang lebih personal untuk pelanggan baru dan mitra lintas batas di masa depan.

       Data yang digunakan untuk menerapkan otorisasi "sebagai layanan (xaas)".:Yang dimaksud dengan “peralatan komunikasi” di era Internet of Things mencakup berbagai benda. Waktu pengoperasian normal, jarak perpindahan, waktu kegagalan, dan sebagainya menentukan layanan apa yang berhak digunakan oleh pengguna dalam kondisi apa dan kapan.Data ini memainkan peran penting dalam transformasi berbagai model bisnis “as a service”.Berdasarkan otorisasi, pengguna juga dapat langsung diberi harga, diselesaikan, dan dipotong secara online.

Seiring denganSkenario penerapan Internet of Things cenderung terdiversifikasi, dan jenis data yang tersedia untuk pengumpulan dan analisis akan terus diperluas. Tipe data yang disebutkan di atas mungkin hanya merupakan bagian dari data Internet of Things di masa depan, namun data baru pada dasarnya tidak dapat dipisahkan dari fungsi inti "menemukan relevansi, memprediksi hasil, dan mewujudkan nilai". Di sekitar inti ini, dapat diprediksi bahwa data Internet of Things akan membawa bisnis ke era baru dengan teknologi yang lebih cerdas dan pemikiran yang lebih ekologis!

Komunikasi, penyimpanan, dan analisis data: perburuan harta karun dalam data

Gambar 4:Komunikasi, penyimpanan, dan analisis data Internet of Things

       Karena data IOT divirtualisasikan, berubah seiring waktu dan dapat digunakan kembali, proses komunikasi, penyimpanan, dan analisis data IOT memiliki lebih banyak kompleksitas dan ruang pengembangan yang fleksibel dibandingkan dengan transmisi, penyimpanan, dan penyulingan minyak. Proses ini melibatkan sejumlah besar teknologi mutakhir yang sedang berkembang. teknologi atau kumpulan teknologi, seperti yang ditunjukkan pada Gambar 4, termasuk berbagai teknologi dan protokol komunikasi baru di bidang komunikasi data, teknologi jaringan Internet of Things area lokal dan luas, serta penyimpanan cloud publik atau pribadi, komputasi awan, komputasi tepi, pembelajaran mesin, kecerdasan buatan, visualisasi data, blockchain, dll. di bidang penyimpanan dan analisis.Karena teknologi berwawasan ke depan ini terus merambah ke dalam bisnis, tautan ini juga sangat mudah untuk melahirkan teknologi baru yang subversif dan model bisnis baru . Pada saat yang sama, sulit untuk menghindari dampak perselisihan dagang dan perang dagang yang bersifat jangka pendek dan panas.

       Di antara solusi teknologi dan model bisnis baru ini, hanya teknologi baru, platform baru, atau model bisnis baru yang dapat mengintegrasikan teknologi dan sumber daya bisnis yang lebih beragam yang akan menjadi pemenang akhir di pasar teknologi masa depan, seperti chip pintar, komunikasi 5g, dan Internet of Things. sistem operasi yang menempati area inti teknologi Internet of Things, Atau menghubungkan mitra ekologi hulu dan hilir Internet of Things, menyediakan platform data Internet of Things dengan API yang kaya, dan sebagainya. Format komersial di Internet of Things era, mulai dari organisasi personalia hingga arsitektur teknis, cenderung datar dan bersumber terbuka, berbagai hambatan teknis tradisional dipatahkan, dan otoritas komersial didelegasikan. Oleh karena itu, perjuangan mati-matian beberapa pemimpin di industri tradisional juga terungkap satu demi satu.

       Cara memahami tren teknologi dan bisnis dari tautan utama ini, ambil contoh arsitektur khas Internet of Things berikut yang membentang dari cloud hingga kabut sebagai contoh.

Gambar 5:Diagram arsitektur platform analisis tepi Internet of Things

       Seperti yang ditunjukkan pada gambar, dengan meningkatnya diversifikasi peralatan terminal cerdas dan skenario bisnis Internet of Things, kecepatan transmisi data dan umpan balik harus lebih cepat, terutama untuk jaringan pintar, eksplorasi minyak, dan sebagian besar bidang industri manufaktur dengan operasi jarak jauh. Gagasan penyebaran yang lebih dekat ke Internet seluler pada tahap awal Internet of Things -- menghilangkan latar belakang abu-abu di tengah gambar dan secara langsung memusatkan data yang dikumpulkan oleh perangkat terminal ke cloud -- menjadi semakin tidak efektif. Tentu saja, untuk banyak skenario aplikasi Internet of Things industri aktual, arsitektur ini perlu dipersonalisasi lebih lanjut, yang mungkin melibatkan intelektualisasi berbagai peralatan lama, manajemen antarmuka manusia-mesin (HMI), dll.

       Bagaimanapun, posisi penerapan solusi teknis Internet of Things, khususnya Internet of Things industri, berpindah dari cloud ke lapisan kabut yang lebih dekat ke peralatan terminal. Ini seperti manajer umum cloud yang mendelegasikan otoritas pemrosesan data ke pengelola area kabut di berbagai tempat untuk pengolahan mandiri. Dengan cara ini, platform analisis lapisan kabut dapat menganalisis data secara lebih real-time dan membuat keputusan bisnis yang lebih tepat waktu dan tepat. Distribusi daya antara cloud dan kabut merupakan seni keseimbangan antara sentralisasi dan partisi. Cloud harus mendelegasikan kekuasaan, tetapi tidak terlalu banyak. Kuncinya adalah menjaga saluran arus informasi real-time antara keduanya lancar, tepat waktu, dan efektif.

       Dari sudut pandang ini, data dinamis masif yang dihasilkan oleh arsitektur Internet of Things bagaikan air yang mengalir. Ia menguap dari "terminal" di seluruh dunia menjadi uap, kabut, awan, hujan dan kembali ke bumi. Jika kita mengatakan bahwa siklus air di alam menghasilkan hal-hal alami yang berevolusi dengan bantuan energi sinar matahari di bawah pengaruh bumi. gravitasi, aliran data Internet of Things berkembang dan berkembang ke arah yang kondusif bagi lahirnya setiap industri vertikal dan pembangunan ekosistem bisnis mereka sendiri dengan bantuan kebijaksanaan manusia dan mesin.

       Secara umum, perluasan kerangka teknologi Internet of Things dari cloud ke fog sejalan dengan tren ekologis dalam perkembangan bisnis. Hal ini membuat pembagian kerja teknis dalam masyarakat komersial menjadi lebih detail dan manajemen menjadi lebih datar.Di antara semua teknologi subdivisi, tidak dapat disangkal bahwa teknologi analisis data sangatlah penting. Dapat dikatakan bahwa hal ini memainkan peran yang menghubungkan seluruh rantai data Internet of Things dan memiliki efek langsung. Bidang yang paling menarik perhatian dalam analisis data mungkin adalah kecerdasan buatan (AI). Banyak orang mengira AI adalah teknologi tunggal. Faktanya, tidak demikian. Ini adalah kumpulan berbagai teknologi yang terkait dengan analisis data cerdas, mulai dari "sensor visual" dan "chip Ai" di tingkat perangkat keras hingga "pengenalan wajah", "pengemudi tanpa awak", dan "pengenalan ucapan" di tingkat aplikasi "Membangun pembantu rumah tangga yang cerdas ", "analisis penghematan energi" dan teknologi perangkat lunak, paten, standar, protokol, dll. yang terkandung di dalamnya semuanya merupakan bagian dari rangkaian teknologi kecerdasan buatan.

       Dalam kumpulan teknologi kecerdasan buatan, bagian yang paling menonjol tidak diragukan lagi adalah "pembelajaran mesin", yang menggunakan kekuatan komputasi komputer untuk mengekstrak informasi atau hukum berharga dari data. Secara relatif, pemrograman tradisional menghitung hasil sesuai dengan aturan algoritme yang diberikan oleh pemrogram. , dan mesin dalam pembelajaran mesin dapat bertindak sebagai pemrogram dan menggunakan kembali setiap hasil perhitungan sebagai data untuk koreksi diri dan verifikasi berkelanjutan.Diantaranya, dengan bantuan jaringan syaraf tiruan (JST) multi-level, penerapan penghitungan dan menganalisis data besar-besaran hingga mencapai solusi optimal membawa "pembelajaran mesin" ke dalam subset terpenting "pembelajaran mendalam". Perbedaan di antara keduanya ditunjukkan pada Gambar 6:

Gambar 6:Perbandingan antara pemrograman tradisional dan pembelajaran mesin

       Tidak ada keraguan bahwa "pembelajaran mendalam" akan menjadi kompetisi inti di bidang analisis data Internet of Things untuk waktu yang lama di masa depan. Proses pembelajaran mendalam setara dengan menggunakan jaringan saraf multi-level untuk menemukan peta perburuan harta karun di labirin data besar, dan merupakan peta perburuan harta karun dengan jalur optimal. Dengan peta (algoritma) perburuan harta karun ini, kemungkinan besar kita akan menemukan bayi baru (nilai komersial) pada akhirnya dalam banyak data yang kompleks.

       Berbicara tentang ini, saya tidak dapat menahan perasaan: Bahkan mesin pun mencoba belajar dan membuat penilaian independen yang cerdas. Mengapa kita tidak melipatgandakan upaya kita untuk belajar dan membentuk ide-ide mandiri kita?Hal ini selaras dengan organisasi perwakilan Prancis pertama di Tiongkok yang menjadi tuan rumah proyek doktor Administrasi Bisnis (im-dba) di bidang manufaktur cerdas dan mengusulkan pembelajaran inklusif. Pandangan ini secara kasar saya ungkapkan pada Seminar internal: Di masa depan, pengambil keputusan bisnis harus terus belajar dan berpikir seperti mesin kecerdasan buatan "pembelajaran mendalam", menyempurnakan praktik pribadi (data) dan kinerja (hasil) menjadi pedoman nilai-nilai ideologis (bisnis hukum) untuk industri mereka, untuk mempertahankan keunggulan kompetitif mereka. Karena pembelajaran mesin adalah arah bisnis yang layak untuk meningkatkan investasi di masa depan, pembelajaran pribadi seumur hidup juga merupakan arah hidup yang layak untuk investasi berkelanjutan?

Mengubah data menjadi nilai bisnis

Gambar 7:Diagram skema konversi data menjadi nilai bisnis

       Misalnya saja minyak olahan yang masuk ke seluruh lapisan masyarakat untuk dijadikan bahan bakar atau bahan baku produksi. Hasil analisis data Internet of Things harus diintegrasikan ke dalam proses layanan komersial dan menjadi produk atau layanan agar mencerminkan nilai komersialnya. Secara umum, semakin banyak layanan data yang dapat meningkatkan kemampuan integrasi sumber daya ekologi komersial, semakin tinggi nilainya keberlanjutan komersial.

       Selain nilainya sebagai bahan mentah seperti minyak, nilai sebenarnya dari data sama dengan jumlah seluruh kemungkinan penggunaan. Hal ini dapat digunakan berulang kali untuk mengubah proses bisnis, meningkatkan efisiensi operasional, dan menghasilkan nilai tambah.

       Jadi, seberapa besar nilai bisnis yang dapat diubah dari data?Dengan kata lain, bagaimana menilai data, aset tak berwujud jenis baru di masa depan?Saat ini, tidak ada standar evaluasi industri dalam hal ini.Namun, sama seperti perusahaan yang mengevaluasi berbagai aset di masa lalu, beberapa perusahaan evaluasi nilai data yang menyegarkan pasti akan muncul di pasar di masa depan.

       Bagaimanapun, untuk mengubah data menjadi nilai komersial, kita tidak hanya harus memiliki kemampuan teknis yang sesuai, namun juga memiliki kesadaran strategis bahwa data dapat diubah menjadi nilai komersial. Keduanya sangat diperlukan. Tiga kasus berikut dapat menggambarkan kebenaran ini.

       Kasus 1:Setelah mengumpulkan data pengoperasian kendaraan dan bekerja sama dengan perusahaan analisis data eksternal, produsen mobil Eropa menemukan bahwa sensor pendeteksi tangki bahan bakar yang disediakan oleh pemasok Jermannya sering mengalami cacat alarm palsu. Setelah mempertimbangkan dengan cermat, pabrikan mobil tidak memilih untuk langsung memberi tahu pemasok informasi tersebut dan memerintahkannya untuk melakukan perbaikan. Sebaliknya, mereka mengajukan permohonan paten untuk perbaikan dengan meningkatkan perangkat lunak dan bagian-bagian terkait pada tangki bahan bakar, dan kemudian menjual paten tersebut kepada pemasok untuk menjalin kemitraan baru dengan pemasok tersebut, sehingga mendapatkan keuntungan komersial yang berkelanjutan untuk perusahaan tersebut. investasi awal, Kami dengan senang hati meningkatkan kemampuan kerjasama ekologi bisnis perusahaan dan meningkatkan tingkat pengembangan teknis seluruh industri manufaktur mobil, termasuk pesaing.

       Jika kasus 1 secara tidak sengaja ditemui oleh perusahaan teknologi tinggi dalam proses analisis data, dan mereka memanfaatkan peluang bisnis tepat waktu hanya karena mereka menyadari nilainya, maka kasus 2 justru sebaliknya. Ini adalah skema pemasaran baru direncanakan secara aktif oleh perusahaan manufaktur tradisional Amerika Selatan yang saya temui dalam aktivitas ulasan smarties x 2019 baru-baru ini. Ide uniknya membuka mata. Tepatnya, data dalam kasus ini berasal dari Internet seluler, bukan dari Internet, namun ide mereka untuk mengasosiasikan data yang tidak relevan ke dalam nilai bisnis adalah konsisten, yang juga memiliki signifikansi referensi untuk keputusan bisnis. -pembuat.

       Kasus 2: Toko berusia satu abad di Brazil yang memproduksi dan menjual panci disebut tramontina. Melihat semakin sedikitnya generasi muda yang memasak sendiri, prospek penjualan produknya pun mengkhawatirkan. Untuk mengubah situasi ini, perusahaan telah membentuk tim proyek internasional yang terdiri dari koki, pakar jaringan saraf, konduktor band, dan profesional lainnya untuk melaksanakan kerja sama yang saling menguntungkan dengan Spotify, jaringan musik terkenal di dunia yang dicintai oleh kaum muda. Mereka menghabiskan setengah tahun mempelajari bagaimana menggunakan algoritma “sinestesia” untuk mengasosiasikan pendengaran musik dengan rasa makanan. Pertama, parameter karakteristik musik yang sesuai dengan parameter memasak disaring di Spotify, seperti nada negatif yang sesuai dengan rasa pahit, Konserto yang dimainkan oleh beberapa instrumen sesuai dengan rasa yang berat, durasi musik yang sesuai dengan jumlah bahan, lompatan nada yang sesuai dengan memasak. suhu, dll., dan database besar yang sesuai dibuat. Kemudian, gunakan kecerdasan buatan untuk mengubah data menjadi resep puluhan juta kali lipat dan mempublikasikannya di situs baru "Rasa Lagu". Terakhir, saat calon pengguna menelusuri, mereka memberikan panduan tepat waktu tentang cara memilih wajan untuk mengubah resep menjadi makanan, sehingga dapat menarik lebih banyak pengguna muda jaringan musik untuk merasakannya. Dengan cara ini, wajan kuno yang dipadukan dengan masakan yang dipersonalisasi menjadi sepopuler musik, mengubah kebiasaan makan anak muda dan membimbing mereka ke dapur.

Gambar 8: tangkapan layar tramontina|rasa lagu

       Dari kedua kasus tersebut terlihat bahwa data yang dikumpulkan secara sengaja atau tidak sengaja mempunyai potensi nilai komersial. Di masa depan, perusahaan perlu menghabiskan lebih banyak energi untuk menambang, menyortir, menyaring, menganalisis, atau mengatur ulang data yang dikumpulkan, dan memilih jalur konversi yang sesuai dengan situasi aktual perusahaan mereka, seperti halnya produsen mobil dalam kasus 1, Ubah data menjadi data bisnis baru dengan atribut kekayaan intelektual;Anda juga dapat menggunakan data untuk membangun saluran pemasaran baru seperti produsen peralatan dapur pada kasus 2.

       Tentu saja, beberapa perusahaan, terutama yang dapat meningkatkan nilai data penambangan hingga mencapai puncak strategi perusahaan, dapat melangkah lebih jauh. Mereka sering kali menganggap data sebagai peluang untuk mengubah keseluruhan proses bisnis dan membentuk kembali model bisnis. Dalam artikel saya sebelumnya tentang "Ekosistem Internet of Things" dan "Model Bisnis PAAS (produk sebagai layanan)", saya memperkenalkan banyak kasus dan memberikan relevansi analisis. Saya baru saja melihat kasus lain yang disebutkan dalam artikel Dr. LV Jianzhong "jalur pembangunan berkelanjutan transformasi industri manufaktur menuju kecerdasan digital", yang sangat jelas dan mudah dipahami, juga sangat representatif.Kutipannya sebagai berikut:

       Kasus 3:"Dalam buku" transformasi cerdas "(transformasi digital, David Rogers) Ada kisah nyata dan menarik: TWC, sebuah perusahaan yang terutama bergerak di bidang layanan prakiraan cuaca, mengumpulkan, memproses, dan mengirimkan prakiraan cuaca, lalu menerbitkannya iklan di platform penerbitan sebagai model bisnis utamanya. Namun, TWC segera menyadari bahwa potensi nilai data jauh melebihi pendapatan dari iklan. Jadi mereka membentuk kelompok ilmuwan data yang dipimpin oleh Sofia alat data menjadi aset strategis untuk menciptakan nilai tambah yang lebih tinggi. Tim peneliti menemukan bahwa perubahan cuaca berdampak pada fluktuasi sepertiga aktivitas perekonomian di Amerika Serikat. Oleh karena itu, mereka membentuk kelompok kerja bersama dengan Wal Mart untuk membuat model analisis ekonomi yang menghubungkan data meteorologi dan kategori penjualan serta volume penjualan, dan menggunakan model ini untuk berspekulasi tentang produk mana yang konsumen akan memiliki permintaan dan kemauan pembelian lebih tinggi dalam kondisi cuaca apa, sehingga dapat merumuskan strategi periklanan untuk kategori produk populer yang terpengaruh oleh cuaca, Sehingga memperoleh pendapatan penjualan yang maksimal dan meningkatkan tingkat pengembalian input-output iklan. Tim peneliti juga bekerja sama dengan perusahaan asuransi untuk mengembangkan aplikasi kecil bernama hailzone untuk mengingatkan pemilik mobil agar memindahkan mobilnya ke garasi sebelum hujan es atau badai salju. Aplikasi kecil ini telah sangat mengurangi tingkat kerusakan mobil, mengurangi ketidaknyamanan dan gangguan pemilik mobil, dan juga mengurangi klaim klaim dan biaya perusahaan asuransi, yang telah dipuji oleh konsumen, perusahaan asuransi, komunitas dan pemangku kepentingan lainnya. Tiba-tiba banyak orang yang mendaftar di hailzone. Beberapa penggemar meteorologi juga membawa alat observasi meteorologi mereka sendiri untuk mengirim dan berbagi data perubahan meteorologi yang dipantau di tempat mereka sendiri ke platform hailzone kapan saja. Dengan cara ini, platform hailzone dapat mengintegrasikan sejumlah besar data dari segala arah setiap 1.5 detik, memberikan prediksi yang lebih real-time dan akurat melalui algoritma khusus, dan memasuki siklus positif peningkatan kualitas dan penciptaan nilai. "

       Dalam kasus 3, perusahaan secara sadar menghubungkan data dengan lingkungan eksternal, secara aktif mengembangkan mitra ekologi eksternal, membangun jaringan interaktif real-time dengan pengecer, perusahaan asuransi, konsumen, komunitas dan institusi serta individu lain, dan mengubah cuaca asli yang relatif statis basis data perkiraan menjadi pembaruan data waktu nyata dan platform interaktif dengan partisipasi manusia dan peralatan, Memberikan layanan bernilai tambah tinggi yang lebih tepat waktu bagi para pemangku kepentingan, dan memperoleh efek ekologi bisnis berkelanjutan yang dapat tumbuh dengan sendirinya.

       Ringkasan singkat tentang cara data yang relevan diubah menjadi nilai bisnis berkelanjutan mencakup tiga kategori berikut atau kombinasi dari ketiga kategori ini:

       Menyewakan hak penggunaan produk atau layanan mereka sendiri untuk membentuk platform data yang dapat berinteraksi, membayar, dan menyelesaikan dengan pengguna (seperti kasus 1 dan 3), seperti beberapa penyewaan produk industri dengan ambang batas tinggi, kekayaan intelektual, konsultasi, layanan informasi, dll. ;

       Membangun portal layanan data yang nyaman untuk mitra produk dan pengguna, lalu menjual izin portal ini atau membangun saluran pemasaran baru (seperti kasus 2 dan 3), seperti menyediakan layanan logistik cerdas, penggunaan produk dan izin portal layanan pembayaran, dll.

       Membantu pelanggan menambahkan data eksternal ke kumpulan data yang ditentukan dan memberikan layanan bernilai tambah (seperti kasus 3), seperti menyediakan layanan pemantauan detak jantung jarak jauh dan interpretasi serta diagnosis laporan deteksi, dan hubungan nilai tambah antara data lingkungan dan ekonomi kegiatan.

       Singkatnya, kunci untuk mengubah data menjadi nilai bisnis yang berkelanjutan adalah dengan membangun ekosistem Anda sendiri di sekitar rantai data, dan keberhasilannya sangat bergantung pada cara memformulasikannya.Dan menerapkan strategi bisnis yang berkelanjutan.

       Artikel ini ditransfer dari akun resmi lembaga think tank Internet of Things. Jika ada pelanggaran, harap hapus pesan latar belakang tersebut.