Strategia ecologica IOT (I): come convertire i dati in valore aziendale sostenibile?

       Lettura guidata

       I dati generati dall’Internet delle cose stanno gradualmente diventando la forza principale dei big data. Questo articolo si propone di esplorare una questione che preoccupa molto la maggior parte dei dirigenti aziendali innovativi: come convertire i dati in valore aziendale sostenibile passo dopo passo lungo la catena dei dati dell’Internet delle cose?

"Sebbene i dati non siano stati inseriti nel bilancio dell'impresa, è solo questione di tempo."

       ——L'era dei big data Victor e middot; Mel Schönberg

       Alcuni sostengono che il ruolo dei dati sulla società sia come quello del petrolio. Altri sostengono che l'impatto dei dati sulla società supererà quello del petrolio. Io credo che sia giusto. Dati e petrolio sono entrambi fonti di energia per promuovere il cambiamento sociale e i loro processi di generazione e applicazione sono gli stessi. Tuttavia, i dati hanno molte caratteristiche ineguagliabili dal petrolio: possono essere riutilizzati, copiati e trasmessi ad alta velocità, quindi l'influenza dei dati sulla società supererà di gran lunga quella del petrolio!

       In ogni caso, confrontare i dati con il petrolio aiuta a comprendere meglio il contesto della catena dati dell'Internet delle cose. Ho lavorato in una compagnia petrolifera e ho una certa conoscenza dei processi aziendali del settore petrolifero. Confrontiamo i dati con il petrolio.

       Prima dello sfruttamento, il petrolio era soltanto una miscela di idrocarburi con componenti complessi depositata nella crosta terrestre. Tuttavia, una volta spruzzato fuori dal sottosuolo, potrebbe essere utilizzato per vari scopi e diventare varie necessità della società moderna, come carburante (benzina, gasolio, ecc.), olio lubrificante, materie prime chimiche, prodotti plastici, ecc., Anche il suo valore commerciale è stato gradualmente mostrato in modo incisivo e vivido.

       Il processo di estrazione del valore commerciale dei dati è come raffinare il petrolio digitale virtuale.

Figura 1: processo di produzione e commercializzazione del petrolio del collegamento dati dell'Internet delle cose

       Come mostrato nella Figura 1, per l'Internet delle cose, l'estrazione di valore dai dati dovrebbe iniziare anche dalla ricerca di data mine e poi, migliorando costantemente la capacità di raccogliere, comunicare, archiviare e analizzare i dati, convertire ulteriormente i dati filtrati e analizzati in valore commerciale che possa riflettere i vantaggi delle imprese. Questo processo forma un collegamento dati simile al processo di produzione e commercializzazione del petrolio: l'acquisizione dei dati (sfruttamento del petrolio), la comunicazione dei dati (trasporto del petrolio), l'archiviazione e l'analisi dei dati (stoccaggio e raffinazione del petrolio), l'applicazione e la conversione in valore commerciale sono mostrati nella Figura 2.

Figura 2:Diagramma schematico del collegamento dati Internet delle cose

       In realtà, i nuovi dati vengono ancora generati nel processo di applicazione e conversione dei dati. Questi nuovi dati vengono restituiti in tempo reale e tornano alla fase iniziale. Insieme ad altri dati, attraversano nuovamente l'intero processo della catena, formando un processo del ciclo di "acquisizione, feedback dell'applicazione, acquisizione" diverso dal tradizionale processo lineare del petrolio, "consumo di produzione, scarti". Questo è abbastanza simile al processo sostenibile di "consumo di produzione". riciclaggio" sperimentato dal petrolio nell'ambito dell'economia circolare, motivo per cui la strategia aziendale sostenibile è molto importante per la costruzione dell'ecosistema dell'Internet delle cose.

       Quella che segue è una discussione passo passo su come convertire i dati in valore aziendale sostenibile lungo la catena di dati dell'Internet delle cose secondo i passaggi mostrati nella Figura 2.

Raccolta dati: trova l'area mineraria target dei big data

Figura 3:Diagramma schematico dell'acquisizione dati tramite Internet delle cose

       La composizione e l'aspetto del petrolio greggio variano a seconda del luogo di origine e i dati originali sono onnicomprensivi nella forma. Parole, immagini, suoni, simboli, segnali e altre informazioni che possono essere digitalizzate dal computer possono diventare dati originali! Inoltre, il petrolio ha requisiti di soglia specifici per la geologia, la conformazione del terreno e la tecnologia mineraria della sua origine, e la tecnologia mineraria è sempre al passo con i tempi. Allo stesso modo, la discussione sulla raccolta di dati dell'Internet delle cose deve anche corrispondere a scenari specifici e utilizzare soluzioni tecniche in evoluzione per la raccolta.

       Prima dell'avvento dell'Internet delle cose, i nostri dati tradizionali si riferivano generalmente a dati relativamente statici, strutturalmente fissi e accurati, provenienti dall'interno dell'azienda, interagiti manualmente con i clienti o letti regolarmente. Ora l'Internet delle cose amplia notevolmente l'ambito della raccolta dati. Include dati dinamici massivi in tempo reale provenienti da apparecchiature di produzione, utenti e prodotti nel tempo. È più completo e tempestivo che mai e colma molte lacune nei dati dei processi aziendali tradizionali.

       Sono le caratteristiche dei dati dell'Internet delle cose, che tendono a essere "completi", "esaustivi" e "massicci", a costringerci a considerare questi dati con un approccio diverso. Non dobbiamo più concentrarci sulla rigorosa relazione causale tra dati limitati, ma avere una maggiore comprensione delle possibili relazioni tra i vari elementi rappresentati dai dati, in modo da scoprirne il potenziale valore e coglierne le tendenze future. In altre parole, la funzione principale dei dati dell'IoT è quella di creare un futuro più colorato attraverso la "previsione". Questo nuovo modo di pensare è più vicino al pensiero ecologico per comprendere l'evoluzione della vita, piuttosto che al pensiero preciso per comprendere il movimento meccanico.

       Quali sono quindi i dati IoT che possono essere convertiti in valore commerciale? Dal punto di vista del loro impatto sui processi aziendali, penso che possano essere suddivisi approssimativamente nelle seguenti quattro categorie:

 
       Dati per migliorare l’efficienza energetica e le prestazioni delle apparecchiature:La tecnologia dell'Internet delle cose può gestire e ottimizzare in modo intelligente il consumo energetico delle apparecchiature, ridurre la partecipazione manuale e risparmiare la perdita di energia dell'intero processo aziendale. Questo è il motivo per cui le persone generalmente classificano la tecnologia Internet of Things come "tecnologia per il risparmio energetico".A seconda dello scenario applicativo reale, i dati sul consumo energetico che dobbiamo raccogliere includono potenza in tempo reale, calore, volume di acqua, pressione o equivalente di carbone calcolato, nonché tensione, corrente, volume associati, ecc.

       Dati per la diagnosi e l'allarme precoce delle apparecchiature:Ad esempio, specificare la temperatura dell'ubicazione dell'apparecchiatura, la frequenza di vibrazione dell'apparecchiatura, il flusso del fluido, il rumore ambientale e persino la pressione della distanza di contatto dell'apparecchiatura.I parametri specifici da raccogliere variano a seconda dello scenario applicativo, in modo da prevenire o ridurre possibili guasti o disastri nel processo produttivo.

       Dati utilizzati per migliorare il servizio clienti:Dati desensibilizzati sulle transazioni dei clienti, come quantità di transazioni, volume di transazioni, frequenza di transazioni, ubicazione della transazione, tipo di prodotto, punteggio del cliente, nonché dati di utilizzo del cliente, come vari dati sull'esperienza spaziale per la casa intelligente.Questi dati non solo possono fornire ai clienti opinioni di riferimento personalizzate e servizi in tempo reale per aiutarli a prendere decisioni sulle transazioni, ma anche aiutare le imprese a fornire servizi più personalizzati per nuovi clienti e futuri partner transfrontalieri.

       Dati utilizzati per implementare l'autorizzazione "as a service (xaas)".:Le "apparecchiature di comunicazione" nell'era dell'Internet delle cose comprendono vari oggetti. Il loro normale tempo di funzionamento, la distanza di spostamento, il tempo di guasto e così via determinano quali servizi gli utenti hanno il diritto di utilizzare, in quali condizioni e quando.Questi dati svolgono un ruolo particolarmente importante nella trasformazione di vari modelli di business "as a service".Sulla base dell'autorizzazione gli utenti possono anche essere prezzati, conteggiati e dedotti direttamente online.

Gli scenari applicativi dell'Internet delle cose tendono a diversificarsi e le tipologie di dati disponibili per la raccolta e l'analisi saranno in continua espansione. Le tipologie di dati sopra menzionate potrebbero essere solo una parte dei futuri dati dell'Internet delle cose, ma i nuovi dati sono sostanzialmente inseparabili dalla funzione fondamentale di "scoprire la rilevanza, prevedere i risultati e realizzare valore". Attorno a questo nucleo, si può prevedere che i dati dell'Internet delle cose guideranno le aziende verso una nuova era con tecnologie più intelligenti e un pensiero più ecologico!

Comunicazione, archiviazione e analisi dei dati: caccia al tesoro nei dati

Figura 4:Comunicazione, archiviazione e analisi dei dati nell'Internet delle cose

       Poiché i dati IoT sono virtualizzati, mutevoli nel tempo e riutilizzabili, il processo di comunicazione, archiviazione e analisi dei dati IoT presenta una complessità e uno spazio di sviluppo più flessibili rispetto a quelli del trasporto, dello stoccaggio e della raffinazione del petrolio. Questo processo coinvolge un gran numero di tecnologie o raccolte di tecnologie all'avanguardia emergenti, come mostrato nella Figura 4, tra cui diverse nuove tecnologie e protocolli di comunicazione nel campo della comunicazione dati, tecnologie di rete Internet of Things locali e geografiche, nonché cloud storage pubblico o privato, cloud computing, edge computing, apprendimento automatico, intelligenza artificiale, visualizzazione dei dati, blockchain, ecc. nel campo dell'archiviazione e dell'analisi. Poiché queste tecnologie lungimiranti continuano a penetrare nel mondo degli affari, questo collegamento è anche estremamente facile da cui nascono nuove tecnologie sovversive e nuovi modelli di business. Allo stesso tempo, è difficile evitare il fumo di controversie commerciali e guerre commerciali a breve termine e incandescenti.

       Tra queste nuove soluzioni tecnologiche e modelli di business, solo quelle nuove tecnologie, nuove piattaforme o nuovi modelli di business in grado di integrare tecnologie e risorse aziendali più diversificate sono i vincitori finali nel mercato della tecnologia del futuro, come i chip intelligenti, le comunicazioni 5G e i sistemi operativi dell'Internet delle cose che occupano l'area centrale della tecnologia dell'Internet delle cose, o che collegano i partner ecologici a monte e a valle dell'Internet delle cose, forniscono una piattaforma dati dell'Internet delle cose con API avanzate e così via. I formati commerciali nell'era dell'Internet delle cose, dall'organizzazione del personale all'architettura tecnica, tendono a essere piatti e open source, varie barriere tecniche tradizionali vengono abbattute e l'autorità commerciale viene delegata. Pertanto, anche la lotta morente di alcuni leader nei settori tradizionali è stata esposta una dopo l'altra.

       Per cogliere la tecnologia e l'andamento commerciale di questo collegamento chiave, prendiamo come esempio la seguente architettura tipica dell'Internet delle cose che si estende dal cloud alla nebbia.

Figura 5:Diagramma dell'architettura della piattaforma di analisi dei bordi dell'Internet delle cose

       Come mostrato nella figura, con la crescente diversificazione delle apparecchiature terminali intelligenti e degli scenari aziendali dell'Internet delle cose, è necessario che la velocità di trasmissione dei dati e di feedback sia maggiore, soprattutto per le reti intelligenti, l'esplorazione petrolifera e la maggior parte dei settori della produzione industriale con funzionamento remoto. L'idea di implementazione più vicina all'Internet mobile nella fase iniziale dell'Internet delle cose, ovvero omettendo lo sfondo grigio al centro della figura e centralizzando direttamente i dati raccolti dai dispositivi terminali nel cloud, sta diventando sempre più inefficace. Naturalmente, per molti scenari applicativi dell'Internet delle cose industriale attuale, questa architettura deve essere ulteriormente personalizzata, il che può comportare l'intellettualizzazione di varie vecchie apparecchiature, la gestione dell'interfaccia uomo-macchina (HMI), ecc.

       In ogni caso, la posizione di implementazione delle soluzioni tecniche dell'Internet delle cose, in particolare dell'Internet delle cose industriale, si sta spostando dal cloud al livello fog, più vicino alle apparecchiature terminali. È come se il responsabile generale del cloud delegasse l'autorità di elaborazione dei dati ai responsabili dell'area fog in diverse sedi per un'elaborazione indipendente. In questo modo, la piattaforma di analisi del livello fog può analizzare i dati in tempo reale e prendere decisioni aziendali più tempestive e appropriate. La distribuzione di potenza tra cloud e fog è un'arte di equilibrio tra centralizzazione e partizione. Il cloud dovrebbe delegare potenza, ma non troppa. La chiave è mantenere i canali di flusso di informazioni in tempo reale tra i due fluidi, tempestivi ed efficaci.

       Da questo punto di vista, l'enorme quantità di dati dinamici generati dall'architettura dell'Internet delle cose è come l'acqua che scorre. Evapora dai "terminali" in tutto il mondo trasformandosi in vapore, nebbia, nuvole, pioggia e ritornando sulla Terra. Se diciamo che il ciclo dell'acqua in natura genera esseri viventi in evoluzione con l'aiuto dell'energia della luce solare sotto l'azione della gravità terrestre, il flusso di dati dell'Internet delle cose si sviluppa ed evolve nella direzione favorevole alla nascita di ogni settore verticale e alla costruzione del proprio ecosistema aziendale con l'aiuto della saggezza di persone e macchine.

       In generale, l'espansione del framework tecnologico dell'Internet delle cose dal cloud al fog è in linea con la tendenza ecologica dello sviluppo aziendale. Rende la divisione tecnica del lavoro nella società commerciale più dettagliata e la gestione più uniforme. Tra tutte le tecnologie di suddivisione, è innegabile che la tecnologia di analisi dei dati sia fondamentale. Si può affermare che svolga un ruolo di collegamento nell'intera catena di dati dell'Internet delle cose e abbia un effetto immediato. Il campo più interessante nell'analisi dei dati è probabilmente l'intelligenza artificiale (IA). Molti pensano che l'IA sia una tecnologia unica. In realtà, non lo è. Si tratta di un insieme di varie tecnologie legate all'analisi intelligente dei dati, dai "sensori visivi" e "chip di IA" a livello hardware al "riconoscimento facciale", "guida senza pilota" e "riconoscimento vocale" a livello applicativo. "Building intelligent housekeeper", "analisi del risparmio energetico" e la tecnologia software, i brevetti, gli standard, i protocolli, ecc. in essa contenuti fanno tutti parte dell'insieme delle tecnologie di intelligenza artificiale.

       Nell'insieme delle tecnologie di intelligenza artificiale, il sottoinsieme più importante è senza dubbio il "machine learning", che utilizza la potenza di calcolo del computer per estrarre informazioni o leggi preziose dai dati. Relativamente parlando, la programmazione tradizionale calcola i risultati in base alle regole dell'algoritmo fornite dal programmatore e, nell'apprendimento automatico, la macchina può agire come programmatore e riutilizzare ogni risultato di calcolo come dati per l'autocorrezione e la verifica continua. Tra questi, con l'aiuto delle reti neurali artificiali (ANN) multilivello, l'applicazione del calcolo e dell'analisi di dati massivi alla soluzione ottimale porta il "machine learning" nel suo sottoinsieme più importante, il "deep learning". La differenza tra loro è mostrata nella Figura 6:

Figura 6:Confronto tra programmazione tradizionale e machine learning

       Non c'è dubbio che il "deep learning" sarà per molto tempo la competizione principale nel campo dell'analisi dei dati dell'Internet delle cose. Il processo di apprendimento profondo equivale all'utilizzo della rete neurale multilivello per trovare una mappa di caccia al tesoro nel labirinto dei big data, ed è una mappa di caccia al tesoro con percorso ottimale. Con questa mappa (algoritmo) della caccia al tesoro, è più probabile che alla fine troviamo nuovi bambini (valore commerciale) in molti dati complessi.

       A questo proposito, non posso fare a meno di pensare: anche le macchine stanno cercando di imparare e di formulare giudizi intelligenti e indipendenti. Perché non raddoppiamo i nostri sforzi per apprendere e formare idee indipendenti? Questo ha trovato riscontro nella prima organizzazione rappresentativa francese in Cina, che ha ospitato il progetto di dottorato in Economia Aziendale (im-dba) sulla produzione intelligente e ha proposto un apprendimento inclusivo. Ho espresso approssimativamente questa opinione al seminario interno: in futuro, i decisori aziendali dovrebbero continuare a imparare e pensare come la macchina di intelligenza artificiale del "deep learning", affinare la pratica personale (dati) e le prestazioni (risultati) trasformandole in valori ideologici guida (leggi aziendali) per il loro settore, in modo da mantenere il proprio vantaggio competitivo. Poiché l'apprendimento automatico è una direzione aziendale degna di crescenti investimenti in futuro, anche l'apprendimento personale permanente è una direzione di vita degna di investimenti continui?

Convertire i dati in valore aziendale

Figura 7:Diagramma schematico della conversione dei dati in valore aziendale

       Ad esempio, il petrolio raffinato entra in tutti gli ambiti della vita per diventare combustibile o materia prima per la produzione. I risultati dell'analisi dei dati dell'Internet delle cose devono essere integrati nei processi dei servizi commerciali e trasformarsi in prodotti o servizi per rifletterne il valore commerciale. In generale, quanti più servizi dati possono migliorare la capacità di integrazione delle risorse ecologiche commerciali, tanto maggiore è il valore della sostenibilità commerciale.

       Oltre al valore come materia prima come il petrolio, il valore reale dei dati è pari alla somma di tutti i possibili utilizzi. Può essere utilizzato ripetutamente per modificare i processi aziendali, migliorare l’efficienza operativa e generare valore aggiunto.

       Quindi, in quanto valore aziendale possono essere convertiti i dati? In altre parole, come valutare i dati, un nuovo tipo di asset immateriale del futuro? Attualmente, non esiste uno standard di valutazione del settore a questo proposito. Tuttavia, proprio come le aziende che hanno valutato vari asset in passato, in futuro appariranno sicuramente sul mercato alcune innovative società di valutazione del valore dei dati.

       In ogni caso, per convertire i dati in valore commerciale, non dobbiamo solo disporre delle corrispondenti capacità tecniche disponibili, ma anche avere la consapevolezza strategica che i dati possono essere convertiti in valore commerciale. Entrambi sono indispensabili. I tre casi seguenti possono ben illustrare questa verità.

       Caso 1: Dopo aver raccolto i dati sul funzionamento del veicolo e aver collaborato con una società esterna di analisi dati, un produttore automobilistico europeo ha scoperto che il sensore di rilevamento del serbatoio del carburante fornito dal suo fornitore tedesco presentava un difetto che causava frequenti falsi allarmi. Dopo un'attenta valutazione, il produttore automobilistico ha scelto di non comunicare direttamente l'informazione al fornitore e di ordinargli di apportare modifiche. Ha invece richiesto un brevetto per il miglioramento, migliorando il software e i componenti corrispondenti del serbatoio del carburante, e ha poi venduto il brevetto al fornitore per stabilire una nuova partnership con quest'ultimo, al fine di ottenere un ritorno commerciale sostenibile per il suo investimento iniziale. Siamo lieti di migliorare la capacità di cooperazione ecologica aziendale delle imprese e di migliorare il livello di sviluppo tecnico dell'intero settore automobilistico, compresi i concorrenti.

       Se il caso 1 è stato scoperto casualmente da un'azienda high-tech durante l'analisi dei dati e questa ha colto l'opportunità di business in tempo solo perché ne era consapevole del valore, allora il caso 2 è esattamente l'opposto. Si tratta di un nuovo schema di marketing attivamente pianificato da un'azienda manifatturiera tradizionale sudamericana con cui sono entrato in contatto durante la recente attività di revisione di Smarties X 2019. La sua idea unica è illuminante. Per essere precisi, i dati di questo caso provengono dall'Internet mobile piuttosto che dall'Internet delle cose, ma le loro idee di associare dati irrilevanti al valore aziendale sono coerenti, il che ha anche un significato di riferimento per i decisori aziendali.

       Caso 2: Un negozio brasiliano con una storia centenaria che produce e vende pentole si chiama Tramontina. Vedendo sempre meno giovani cucinare da soli, le prospettive di vendita del prodotto sono preoccupanti. Per cambiare questa situazione, l'azienda ha creato un team di progetto internazionale composto da chef, esperti di reti neurali, direttori d'orchestra e altri professionisti per realizzare una collaborazione win-win con Spotify, un network musicale di fama mondiale amato dai giovani. Hanno trascorso sei mesi a studiare come utilizzare l'algoritmo "sinestesia" per associare l'ascolto della musica al gusto del cibo. Innanzitutto, i parametri caratteristici della musica che possono corrispondere ai parametri di cottura vengono analizzati su Spotify, come il tono negativo corrispondente al gusto amaro, il concerto suonato da più strumenti corrispondente al gusto intenso, la durata della musica corrispondente al numero di ingredienti, il salto di nota corrispondente alla temperatura di cottura, ecc., e viene creato un ampio database corrispondente. Quindi, utilizzando l'intelligenza artificiale, convertono i dati in una ricetta di decine di milioni di ordini di grandezza e la pubblicano sul nuovo sito web "Flavour of Songs". Infine, quando i potenziali utenti navigano, forniscono tempestivamente una guida su come scegliere una padella per trasformare le ricette in cibo, in modo da attrarre sempre più giovani utenti della rete musicale. In questo modo, la padella tradizionale abbinata alla cucina personalizzata è diventata popolare quanto la musica, cambiando le abitudini alimentari dei giovani e guidandoli in cucina.

Figura 8: cattura dello schermo di tramontina|sapore di canzoni

       Da questi due casi, si evince che i dati raccolti, intenzionalmente o meno, hanno un potenziale valore commerciale. In futuro, le aziende dovranno investire maggiori energie nell'estrazione, nell'ordinamento, nello screening, nell'analisi o nella riorganizzazione dei dati raccolti e scegliere un percorso di conversione adatto alla situazione reale della propria azienda, proprio come il produttore di automobili nel caso 1. Convertire i dati in una nuova attività con attributi di proprietà intellettuale; è anche possibile utilizzare i dati per stabilire un nuovo canale di marketing, come il produttore di utensili da cucina nel caso 2.

       Naturalmente, alcune aziende, soprattutto quelle che riescono a portare il valore dell'estrazione di dati al livello più alto della strategia aziendale, possono spingersi oltre. Spesso sfruttano i dati come un'opportunità per cambiare l'intero processo aziendale e rimodellare il modello di business. Nei miei precedenti articoli sull'"ecosistema dell'Internet delle cose" e sul "modello di business PAAS (prodotto come servizio)", ho presentato numerosi casi e fornito analisi pertinenti. Ho appena visto un altro caso menzionato nell'articolo del Dott. LV Jianzhong "Percorso di sviluppo sostenibile della trasformazione dell'industria manifatturiera verso l'intelligenza digitale", che è molto chiaro e di facile comprensione, oltre che molto rappresentativo. Ecco alcuni estratti:

       Caso 3: "Nel libro "Trasformazione intelligente" (Trasformazione digitale, David Rogers) c'è una storia vera e interessante: TWC, un'azienda impegnata principalmente nei servizi di previsioni meteorologiche, adotta la raccolta, l'elaborazione e l'invio di previsioni meteorologiche, e la successiva pubblicazione di annunci pubblicitari sulla piattaforma di pubblicazione, come principale modello di business. Tuttavia, TWC si rese presto conto che il valore potenziale dei dati superava di gran lunga i ricavi pubblicitari. Così, ha creato un gruppo di data scientist guidato da Sofia. Il compito di questo gruppo è trasformare lo strumento dei dati in una risorsa strategica per creare un valore aggiunto più elevato. Il team di ricerca ha scoperto che il cambiamento meteorologico ha avuto un impatto sulla fluttuazione di un terzo delle attività economiche negli Stati Uniti. Hanno quindi formato un gruppo di lavoro congiunto con Wal Mart per stabilire un modello di analisi economica che collegasse i dati meteorologici, le categorie di vendita e il volume delle vendite, e utilizzare questo modello per ipotizzare quali prodotti i consumatori avranno una maggiore domanda di acquisto e una maggiore propensione all'acquisto in quali condizioni meteorologiche, in modo da formulare strategie pubblicitarie per le categorie di prodotti più popolari influenzate dalle condizioni meteorologiche, in modo da ottenere il massimo fatturato e migliorare il tasso di ritorno dell'input-output pubblicitario. Il team di ricerca ha inoltre Ha collaborato con le compagnie assicurative per sviluppare una piccola app chiamata hailzone, che ricorda ai proprietari di auto di riporre le proprie auto in garage prima di grandine o tempeste di neve. Questa piccola app ha ridotto notevolmente il tasso di danni alle auto, alleviato i disagi e il fastidio dei proprietari e ridotto anche le richieste di risarcimento e i costi delle compagnie assicurative, il che è stato elogiato da consumatori, compagnie assicurative, comunità e altre parti interessate. Improvvisamente, molte persone si sono registrate su hailzone. Alcuni appassionati di meteorologia hanno anche portato i propri strumenti di osservazione meteorologica per inviare e condividere in qualsiasi momento i dati sui cambiamenti meteorologici monitorati nella propria area sulla piattaforma hailzone. In questo modo, la piattaforma hailzone può integrare una grande quantità di dati da tutte le direzioni ogni 1.5 secondi, fornire previsioni più accurate e in tempo reale attraverso algoritmi speciali e avviare un ciclo positivo di miglioramento della qualità e creazione di valore.

       Nel caso 3, l’impresa ha collegato consapevolmente i dati con l’ambiente esterno, ha sviluppato attivamente partner ecologici esterni, ha stabilito una rete interattiva in tempo reale con rivenditori, compagnie assicurative, consumatori, comunità e altre istituzioni e individui e ha trasformato il tempo relativamente statico originale il database delle previsioni in un aggiornamento dei dati in tempo reale e una piattaforma interattiva con la partecipazione di persone e attrezzature, fornire servizi ad alto valore aggiunto più tempestivi per le parti interessate e ottenere effetti ecologici aziendali sostenibili che possono crescere da soli.

       Un breve riepilogo delle modalità con cui i dati rilevanti vengono convertiti in valore aziendale sostenibile comprende le seguenti tre categorie o una combinazione di queste tre categorie:

       Affittare i diritti di utilizzo dei propri prodotti o servizi per formare una piattaforma dati in grado di interagire, pagare e regolare con gli utenti (come i casi 1 e 3), come alcuni leasing di prodotti industriali ad alta soglia, proprietà intellettuale, consulenza, servizi di informazione, ecc. ;

       Stabilire comodi portali di servizi dati per partner di prodotto e utenti, quindi vendere queste autorizzazioni del portale o stabilire nuovi canali di marketing (come i casi 2 e 3), come la fornitura di servizi logistici intelligenti, autorizzazioni per l'uso del prodotto e il portale dei servizi di pagamento, ecc.

       Aiutare i clienti ad aggiungere dati esterni al set di dati specificato e fornire servizi a valore aggiunto (come il caso 3), come la fornitura di servizi di monitoraggio remoto della frequenza cardiaca e di interpretazione e diagnosi dei rapporti di rilevamento e la relazione a valore aggiunto tra dati ambientali ed economici attività.

       In una parola, la chiave per trasformare i dati in valore aziendale sostenibile è costruire il proprio ecosistema attorno alla catena dei dati, e il suo successo dipende in gran parte da come formulareE implementare strategie di business sostenibili.

       Questo articolo è trasferito dall'account ufficiale del think tank Internet of Things. In caso di violazione, eliminare il messaggio in background.