IOT エコ戦略 (I): データを持続可能なビジネス価値に変換する方法?

       ガイド付き読書

       モノのインターネット（IoT）によって生成されるデータは、徐々にビッグデータの主力となりつつあります。本稿では、革新的な企業の経営幹部の多くが強い懸念を抱いている課題、すなわち、IoTデータチェーンに沿って、どのようにして段階的にデータを持続可能なビジネス価値へと変換していくのかという点を探求します。

「データはまだ企業のバランスシートに含まれていないが、それは時間の問題だ。」

       ——ビッグデータ時代 Victor & middot; Mel Schoenberg

       データが社会に果たす役割は石油のようなものだと言う人もいます。また、データが社会に与える影響は石油を超えると言う人もいます。私はその通りだと思います。データと石油はどちらも社会変革を促進するエネルギー源であり、その生成と応用プロセスは同じです。しかし、データには石油にはない多くの特性があります。再利用、コピー、高速伝送が可能であるため、データが社会に与える影響は石油をはるかに超えるでしょう。

       いずれにせよ、データを石油に例えることは、IoTデータチェーンの文脈をより深く理解するのに役立ちます。私はたまたま石油会社で働いていたため、石油のビジネスプロセスについてある程度の知識を持っています。それでは、データを石油に例えてみましょう。

       石油が採掘される以前は、地殻に堆積した複雑な成分を持つ炭化水素の混合物に過ぎませんでした。しかし、地中から噴出すると、燃料（ガソリン、軽油など）、潤滑油、化学原料、プラスチック製品など、現代社会の様々な必需品となり、その商業的価値も徐々に鋭く鮮明に発揮されるようになりました。

       データの商業的価値を掘り出すプロセスは、仮想デジタル石油を精製するようなものです。

図1：モノのインターネットデータリンクの石油生産とマーケティングのプロセス

       図 1 に示すように、モノのインターネットの場合、データ価値のマイニングもデータ マインを探すことから始まり、その後、データの収集、通信、保存、分析の能力を継続的に向上させることで、フィルタリングおよび分析されたデータを企業の利点を反映できる商業価値に変換する必要があります。このプロセスは、石油の生産とマーケティングのプロセスに似たデータ リンクを形成します。データの取得 (石油採掘)、データ通信 (石油輸送)、データの保存と分析 (石油貯蔵と精製)、アプリケーションと商業価値への変換は、図 2 に示されています。

図2：モノのインターネットデータリンクの概略図

       現実には、データの応用と変換の過程で新たなデータが生成され、リアルタイムでフィードバックされ、初期段階に戻ります。そして、他のデータと共に、再びチェーン全体のプロセスを経て、「取得→応用→フィードバック→取得」という循環プロセスを形成します。これは、石油の従来の「生産→消費→廃棄」という線形プロセスとは異なり、循環型経済における石油の「生産→消費→リサイクル」という持続可能なプロセスと非常に類似しています。だからこそ、持続可能なビジネス戦略はIoTエコシステムの構築において非常に重要なのです。

       以下では、図 2 に示す手順に従って、モノのインターネット データ チェーンに沿ってデータを持続可能なビジネス価値に変換する方法について段階的に説明します。

データ収集：ビッグデータ対象の採掘エリアを見つける

図3：モノのインターネットデータ取得の概略図

       原油の成分や外観は産地によって異なり、原油データの形式も多岐にわたります。文字、画像、音声、記号、信号など、コンピュータでデジタル化できる情報は原油データになり得ます。また、石油には、産地の地質、地形、採掘技術に関して特定の閾値要件があり、採掘技術は常に時代の変化に合わせて進化しています。同様に、モノのインターネット（IoT）データの収集に関する議論も、具体的なシナリオに対応し、進化する技術ソリューションを活用して収集を行う必要があります。

       モノのインターネット（IoT）の台頭以前、従来のデータとは、企業内部から収集された、顧客と手動でやり取りしたり、定期的に読み込んだりする、比較的静的で構造が固定された正確なデータを指すのが一般的でした。現在、IoTはデータ収集の範囲を大幅に拡大しています。生産設備、ユーザー、製品から時間の経過とともに得られる、リアルタイムで膨大な動的データも含まれます。データはこれまで以上に包括的かつタイムリーであり、従来のビジネスプロセスにおける多くのデータギャップを埋めます。

       IoTデータは「完全」「包括的」「大規模」といった特性があり、それゆえに私たちはこれらのデータを異なる視点で捉える必要があります。もはや限られたデータ間の厳密な因果関係に焦点を合わせる必要はなく、データが表す様々なモノの間の潜在的な関係性をより深く洞察することで、潜在的な価値を見出し、将来の動向を把握できるようになります。言い換えれば、IoTデータの核心機能は「予測」を通じてより多彩な未来を創造することです。この新しい思考方法は、機械の動きを理解する精密な思考ではなく、生命の進化を理解する生態学的思考に近いと言えるでしょう。

       では、商品価値に変換できるIoTデータとは何でしょうか？業務プロセスへの影響という観点から、大きく分けて以下の4つに分類できると思います。

 
       機器のエネルギー効率と性能を向上させるためのデータ：モノのインターネット（IoT）技術は、設備のエネルギー消費をインテリジェントに管理・最適化し、人的介入を減らし、業務プロセス全体のエネルギー損失を削減します。そのため、IoT技術は一般的に「省エネ技術」に分類されます。実際のアプリケーションシナリオに応じて、収集する必要があるエネルギー消費データには、リアルタイムの電力、熱、水量、圧力、計算された石炭当量、および関連する電圧、電流、量などが含まれます。

       機器診断および早期警告のためのデータ：たとえば、機器の設置場所の温度、機器の振動周波数、流体の流れ、環境ノイズ、さらには機器の接触ギャップの圧力などを指定します。収集される特定のパラメータは、製造プロセスで発生する可能性のある障害や災害を防止または軽減するために、アプリケーションのシナリオに応じて異なります。

       顧客サービスの向上に使用されるデータ：取引数量、取引量、取引頻度、取引場所、製品タイプ、顧客スコアなどの顧客取引データを低感度化したデータ、およびスマートホームのさまざまな空間体験データなどの顧客使用データ。これらのデータは、顧客にパーソナライズされた参考意見やリアルタイムのサービスを提供して、顧客の取引決定を支援するだけでなく、企業が新規顧客や将来の越境パートナーに、よりパーソナライズされたサービスを提供するのにも役立ちます。

       「サービスとしての（xaas）」認証を実装するために使用されるデータ：IoT時代の「通信設備」には様々なものが含まれます。それらの正常な動作時間、移動距離、故障時間などによって、ユーザーがどのような状況で、いつ、どのようなサービスを利用できるかが決まります。これらのデータは、さまざまな「サービスとしての」ビジネス モデルの変革において特に重要な役割を果たします。承認に基づいて、ユーザーはオンラインで直接価格設定、決済、控除を受けることもできます。

モノのインターネット（IoT）の応用シーンは多様化しており、収集・分析可能なデータの種類も継続的に拡大しています。上記で挙げたデータは、将来のIoTデータの一部に過ぎないかもしれませんが、新たなデータは「関連性の発見、結果の予測、価値の実現」というコア機能と基本的に切り離せないものです。このコア機能を中心に、IoTデータはよりインテリジェントな技術とよりエコロジカルな思考によって、ビジネスを新たな時代へと導くことが予測されます。

データ通信、保存、分析：データの宝探し

図4：モノのインターネットのデータ通信、保存、分析

       IoTデータは仮想化され、時間の経過とともに変化し、再利用可能であるため、IoTデータの通信、保管、分析プロセスは、石油の伝送、保管、精製よりも複雑で柔軟な開発スペースを持っています。このプロセスには、図4に示すように、データ通信分野のさまざまな新しい通信技術とプロトコル、ローカルおよび広域のIoTネットワーキング技術、およびストレージと分析分野のパブリックまたはプライベートクラウドストレージ、クラウドコンピューティング、エッジコンピューティング、機械学習、人工知能、データ視覚化、ブロックチェーンなど、多数の新興最先端技術または技術コレクションが関係しています。これらの先進的な技術はビジネスに浸透し続けているため、このリンクは破壊的な新技術と新しいビジネスモデルを生み出すことも非常に簡単です。同時に、短期的で白熱した貿易紛争と商業戦争の煙を避けることは困難です。

       これらの新しいテクノロジーソリューションとビジネスモデルの中で、より多様なテクノロジーとビジネスリソースを統合できる新しいテクノロジー、新しいプラットフォーム、または新しいビジネスモデルだけが、将来のテクノロジー市場で最終的な勝者となるでしょう。たとえば、IoTテクノロジーの中核領域を占めるスマートチップ、5G通信、IoTオペレーティングシステム、あるいはIoTの上流と下流のエコロジカルパートナーを結びつけ、豊富なAPIを備えたIoTデータプラットフォームを提供するなどです。IoT時代のビジネスフォーマットは、人員編成から技術アーキテクチャに至るまで、フラット化とオープンソース化の傾向にあり、さまざまな従来の技術障壁が打ち破られ、ビジネス権限が委譲されています。そのため、一部の伝統産業のリーダーたちの死にそうな様子も次々と露呈しています。

       この重要なリンクの技術とビジネスのトレンドをどのように把握するかについては、クラウドからフォグまで広がる次の典型的な IoT アーキテクチャを例に挙げて説明します。

図5：IoTエッジ分析プラットフォームのアーキテクチャ図

       図に示すように、インテリジェント端末機器とモノのインターネットのビジネスシナリオの多様化が進むにつれて、データの伝送とフィードバック速度をより高速にすることが求められており、特にスマートグリッド、石油探査、および遠隔操作を伴うほとんどの工業製造分野では、モノのインターネットの初期段階でのモバイルインターネットに近い展開アイデア（図の中央の灰色の背景を省略し、端末デバイスによって収集されたデータをクラウドに直接集中させる）はますます効果的ではなくなってきています。 もちろん、多くの実際の産業用モノのインターネットのアプリケーションシナリオでは、このアーキテクチャをさらにパーソナライズする必要があり、さまざまな古い機器のインテリジェント化、マンマシンインターフェイス管理（HMI）などが必要になる場合があります。

       いずれにせよ、モノのインターネット、特に産業用モノのインターネットの技術ソリューション展開の位置は、クラウドから端末機器により近いフォグレイヤーへと移行しつつあります。これは、クラウドの総責任者がデータ処理権限を各地のフォグエリア管理者に委任し、各拠点で独立した処理を行わせるようなものです。こうすることで、フォグレイヤー分析プラットフォームはよりリアルタイムにデータを分析し、よりタイムリーで適切なビジネス判断を下すことができます。クラウドとフォグ間の権限配分は、集中化と分散化のバランス技術です。クラウドは権限を委譲すべきですが、委譲しすぎてはいけません。重要なのは、両者間のリアルタイム情報フローチャネルを円滑でタイムリーかつ効果的に保つことです。

       この観点から見ると、IoTアーキテクチャが生み出す膨大な動的データは、水の流れに似ています。世界中の「端末」から蒸発し、蒸気、霧、雲、雨となって大地へと戻っていきます。自然界における水循環が、地球の重力作用のもと、太陽光のエネルギーの助けを借りて、進化する自然物を生み出していると言えるでしょう。IoTのデータフローは、人と機械の知恵を駆使し、それぞれの垂直産業の誕生と独自のビジネスエコシステムの構築を促す方向に発展・進化していきます。

       一般的に、IoT技術の枠組みがクラウドからフォグへと拡大していることは、ビジネス発展のエコロジカルな潮流と一致しており、商業社会における技術分業をより細分化し、経営をよりフラット化しています。あらゆる細分化技術の中で、データ分析技術が極めて重要な鍵であることは否定できません。IoTデータチェーン全体における連結役割を果たし、即効性を持つと言えるでしょう。データ分析において最も注目を集めている分野は、おそらく人工知能（AI）でしょう。AIは単一の技術だと考えている人が多いですが、実際にはそうではありません。AIは、ハードウェアレベルでは「視覚センサー」や「AIチップ」、アプリケーションレベルでは「顔認識」「無人運転」「音声認識」「ビルのスマートハウスキーパー」「省エネ分析」といった、インテリジェントデータ分析に関連する様々な技術の集合体であり、それらに含まれるソフトウェア技術、特許、標準規格、プロトコルなども、すべて人工知能技術セットの一部です。

       人工知能技術の集合体の中で、最も顕著なサブセットは間違いなく「機械学習」です。これは、コンピュータの計算能力を用いてデータから貴重な情報や法則を掘り出す技術です。従来のプログラミング言語は、プログラマーが与えたアルゴリズムのルールに従って結果を計算しますが、機械学習においては、機械がプログラマーの役割を担い、各計算結果をデータとして再利用することで、自己修正と継続的な検証を行うことができます。その中でも、多層人工ニューラルネットワーク（ANN）を活用し、膨大なデータを計算・分析して最適な解を導き出す技術は、「機械学習」を最も重要なサブセットである「ディープラーニング」へと導きます。両者の違いは、図6に示されています。

図6：従来のプログラミングと機械学習の比較

       今後長きにわたり、「ディープラーニング」がIoTデータ分析分野における中核的な競争相手となることは間違いありません。ディープラーニングのプロセスは、多層ニューラルネットワークを用いてビッグデータ迷路の中で宝探しの地図を見つけるのに等しく、最適な経路を持つ宝探しの地図です。この宝探しの地図（アルゴリズム）を用いることで、多くの複雑なデータの中から、最終的に新たな宝（商業的価値のあるもの）を発見できる可能性が高まります。

       こう考えると、どうしてもこう思ってしまいます。「機械でさえ学習し、知的な判断を下そうとしているのに、私たちも学習し、自らの独立した考えを形成する努力を倍増させてはいけないのでしょうか？」これは、中国で初めてフランス代表組織が主催し、知能製造業における経営学博士（im-dba）プロジェクトを主催し、インクルーシブラーニングを提唱したことと共鳴しました。私は社内セミナーで、この考えを大まかに述べました。「今後、ビジネス上の意思決定者は、『ディープラーニング』人工知能マシンのように学び、考え続け、個人の実践（データ）とパフォーマンス（結果）を洗練させ、業界の指導理念（ビジネス法則）へと昇華させ、競争優位性を維持していくべきでしょう。機械学習は今後、投資を増やす価値のあるビジネス分野であるように、個人の生涯学習もまた、継続的な投資に値する人生の方向性と言えるでしょう。」

データをビジネス価値に変換する

図7：データからビジネス価値への変換の概略図

       例えば、精製された石油は燃料や生産原料としてあらゆる生活の場に浸透しています。IoTデータ分析の結果は、商業サービスプロセスに統合され、製品やサービスとして活用されることで初めて商業価値を反映できます。一般的に、商業生態資源の統合能力を向上させるデータサービスが多ければ多いほど、商業の持続可能性の価値は高まります。

       石油のような原材料としての価値に加え、データの真の価値は、あらゆる用途の可能性の総和に等しい。データを繰り返し活用することで、ビジネスプロセスの変更、業務効率の向上、そして付加価値の創出が可能になる。

       では、データはどれだけのビジネス価値に変換できるのでしょうか？つまり、これからの新しいタイプの無形資産であるデータをどのように評価するのでしょうか？現状では、この点に関する業界評価基準は存在しません。しかし、過去に様々な資産を評価してきた企業と同様に、今後、斬新なデータ価値評価企業が市場に登場してくることは間違いありません。

       いずれにせよ、データを商業価値に変換するには、それに対応する技術力だけでなく、データを商業価値に変換できるという戦略的な認識も不可欠です。この両方が不可欠です。以下の3つの事例は、この真実をよく表しています。

       事例1：ある欧州の自動車メーカーは、車両の運行データを収集し、外部のデータ分析会社と協力した結果、ドイツのサプライヤーが供給する燃料タンク検知センサーに誤報が頻発するという欠陥があることを発見しました。しかし、慎重に検討した結果、サプライヤーに直接情報を伝えて改善を命じるのではなく、燃料タンクのソフトウェアと関連部品を改良することで改善特許を出願し、その後、その特許をサプライヤーに売却することでサプライヤーとの新たなパートナーシップを確立し、初期投資に対する持続可能な商業収益を確保しました。これにより、企業のビジネスエコロジカルな協力能力が向上し、競合他社を含む自動車製造業界全体の技術開発レベルが向上しました。

       事例1は、ハイテク企業がデータ分析の過程で偶然遭遇し、その価値を認識していたからこそ、タイミングよくビジネスチャンスを掴んだ事例だとすれば、事例2は正反対です。これは、先日のsmarties x 2019レビュー活動で私が接触した南米の伝統的製造企業が積極的に企画した新しいマーケティングスキームです。そのユニークなアイデアは目を見張るものがあります。正確には、この事例のデータはIoTではなくモバイルインターネットから取得されていますが、無関係なデータをビジネス価値に結びつけるという彼らの考え方は一貫しており、ビジネス上の意思決定者にとって参考となる意義も持っています。

       事例2：ブラジルにあるXNUMX年の歴史を持つ鍋製造販売店「トラモンティーナ」は、若者が自炊をする人が少なくなり、製品の販売見通しが危ぶまれています。この状況を変えるため、同社はシェフ、ニューラルネットワークの専門家、バンドの指揮者など、様々な専門家で構成された国際的なプロジェクトチームを立ち上げ、若者に人気の世界的に有名な音楽ネットワークSpotifyとのWin-Winの協力関係を構築しました。彼らは半年かけて、「共感覚」アルゴリズムを用いて音楽の聴覚と料理の味を関連付ける方法を研究しました。まず、Spotify上で、苦味に対応するネガティブトーン、濃厚な味に対応する複数の楽器による協奏曲、材料の数に対応する音楽の長さ、調理温度に対応する音符のジャンプなど、料理のパラメータに対応できる音楽特性パラメータをスクリーニングし、大規模なデータベースを構築しました。その後、人工知能を用いてこれらのデータを数千万桁規模のレシピに変換し、「Flavor of Songs」の新しいウェブサイトで公開しました。最後に、潜在的なユーザーが閲覧する際に、レシピを料理に変えるフライパンの選び方をタイムリーにガイドすることで、音楽ネットワークの若いユーザーを体験に引き付けています。このように、昔ながらのフライパンとパーソナライズされた料理の組み合わせは、音楽と同じくらい人気となり、若者の食習慣を変え、キッチンへと導きました。

図8: tramontina|flavor of songsのスクリーンキャプチャ

       これら1つの事例から、意図的か否かに関わらず収集されたデータには、潜在的な商業的価値があることがわかります。今後、企業は収集したデータのマイニング、分類、選別、分析、再編成にさらなる労力を費やし、事例2の自動車メーカーのように、自社の実情に適した変換パスを選択する必要があります。データを知的財産権を持つ新たなビジネスへと転換する、あるいは事例XNUMXのキッチン用品メーカーのように、データを活用して新たなマーケティングチャネルを確立することも可能です。

       もちろん、データマイニングの価値を企業戦略の高みにまで高めることができる企業の中には、さらに一歩踏み込んだ取り組みができる企業もあります。彼らはしばしば、データをビジネスプロセス全体を変革し、ビジネスモデルを再構築する機会と捉えています。私は以前、「モノのインターネットエコシステム」と「PAAS（プロダクト・アズ・サービス）ビジネスモデル」に関する記事で、多くの事例を紹介し、関連する分析を行いました。また、呂建中博士の「製造業のデジタルインテリジェンスへの転換における持続可能な発展の道」という記事でも、別の事例が紹介されていました。非常に明確で分かりやすく、非常に代表的な事例です。以下は抜粋です。

       事例3：「インテリジェント・トランスフォーメーション」（デジタル・トランスフォーメーション、デビッド・ロジャース著）には、実話に基づいた興味深いエピソードが記されています。天気予報サービスを主に展開するTWC社は、天気予報の収集、処理、送信、そして出版プラットフォームへの広告掲載を主なビジネスモデルとしていました。しかし、TWC社はすぐに、データの潜在的価値が広告収入をはるかに上回ることに気づきました。そこで、ソフィア氏が率いるデータサイエンティストのグループを設立しました。このグループの任務は、データツールを戦略的資産へと転換し、より高い付加価値を生み出すことです。研究チームは、天候の変化が米国の経済活動の1.5分のXNUMXの変動に影響を与えていることを発見しました。そこで、ウォルマートと共同作業グループを結成し、気象データと販売カテゴリー、そして販売量を関連付けた経済分析モデルを構築しました。このモデルを用いて、どのような気象条件下で消費者の購買意欲と購買意欲が高まるかを推測し、天候の影響を受ける人気商品カテゴリー向けの広告戦略を策定することで、最大の売上収益と広告の収益率向上を目指しました。研究チームは保険会社と協力し、「hailzone」という小型アプリを開発しました。このアプリは、雹や吹雪の前に車をガレージに移動するよう車の所有者にリマインダーを送るものです。この小型アプリは、車の損傷率を大幅に低下させ、車の所有者の不便や煩わしさを軽減し、保険会社の保険金請求額とコストも削減しました。消費者、保険会社、地域社会、その他の関係者から高く評価されています。瞬く間に多くの人がhailzoneに登録しました。気象愛好家の中には、自分の気象観測ツールを持ち込み、自分の場所で観測した気象変化データをいつでもhailzoneプラットフォームに送信・共有できる人もいます。このように、hailzoneプラットフォームはXNUMX秒ごとに全方位からの大量のデータを統合し、特別なアルゴリズムを通じてよりリアルタイムで正確な予測を提供し、品質向上と価値創造の好循環を生み出すことができます。

       事例3では、企業が意識的にデータと外部環境を結びつけ、積極的に外部のエコパートナーを開拓し、小売業者、保険会社、消費者、コミュニティなどの機関や個人とリアルタイムのインタラクティブネットワークを構築し、元々比較的静的だった天気予報データベースを、人と設備が参加するリアルタイムデータ更新とインタラクティブプラットフォームへと転換し、利害関係者によりタイムリーな高付加価値サービスを提供し、自ら成長できる持続可能なビジネスエコ効果を獲得しました。

       関連データが持続可能なビジネス価値に変換される方法を簡単にまとめると、次の 3 つのカテゴリ、またはこれら 3 つのカテゴリの組み合わせになります。

       自社の製品やサービスの使用権をリースし、ユーザーと対話、支払い、決済できるデータプラットフォームを形成する（ケース1、3など）。例えば、ハードルの高い工業製品のリース、IP、コンサルティング、情報サービスなど。

       製品パートナーとユーザー向けの便利なデータ サービス ポータルを確立し、これらのポータル権限を販売するか、インテリジェントな物流サービス、製品使用および支払いサービス ポータル権限の提供などの新しいマーケティング チャネル (ケース 2 および 3 など) を確立します。

       顧客が指定されたデータセットに外部データを追加し、遠隔心拍数モニタリングサービスの提供、検出レポートの解釈と診断、環境データと経済活動の付加価値関係などの付加価値サービス（ケース3など）を提供できるように支援します。

       一言で言えば、データを持続可能なビジネス価値に変換するための鍵は、データチェーンを中心に独自のエコシステムを構築することであり、その成功は主に、どのように構築するかにかかっています。そして持続可能なビジネス戦略を実行します。

       この記事は、IoTシンクタンクの公式アカウントから転載したものです。著作権侵害に該当する場合は、背景メッセージを削除してください。