Strategi ekologi IOT (I): bagaimana untuk menukar data kepada nilai perniagaan yang mampan?

       Bacaan berpandu

       Data yang dijana oleh Internet of things secara beransur-ansur menjadi kuasa utama data besar. Kertas kerja ini bertujuan untuk meneroka isu yang paling dibimbangkan oleh kebanyakan eksekutif perusahaan yang inovatif: bagaimana untuk menukar data kepada nilai perniagaan yang mampan langkah demi langkah di sepanjang rantaian data Internet of things?

"Walaupun data itu tidak dimasukkan dalam kunci kira-kira perusahaan, ia hanya menunggu masa."

       ——Umur data besar Victor & middot; Mel Schoenberg

       Sesetengah orang mengatakan bahawa peranan data mengenai masyarakat adalah seperti minyak. Yang lain mengatakan bahawa kesan data terhadap masyarakat akan mengatasi minyak. Saya rasa tidak mengapa. Data dan minyak adalah kedua-dua sumber tenaga untuk menggalakkan perubahan sosial, dan proses penjanaan serta aplikasinya adalah sama;Walau bagaimanapun, Data mempunyai banyak ciri yang tidak dapat ditandingi oleh minyak:Ia boleh digunakan semula, disalin dan dihantar pada kelajuan tinggi , jadi pengaruh data terhadap masyarakat akan jauh melebihi pengaruh minyak!

       Walau apa pun, membandingkan data dengan minyak membantu memahami dengan lebih baik konteks rantaian data Internet of things. Saya kebetulan pernah bekerja di sebuah syarikat minyak dan mempunyai sedikit pengetahuan tentang proses perniagaan minyak. Mari kita bandingkan data dengan minyak.

       Sebelum minyak dieksploitasi, ia hanyalah campuran hidrokarbon dengan komponen kompleks yang termendap di kerak bumi. Walau bagaimanapun, apabila ia disembur keluar dari bawah tanah, ia boleh digunakan untuk pelbagai tujuan dan menjadi pelbagai keperluan masyarakat moden, seperti bahan api (petrol, diesel, dll.), minyak pelincir, bahan mentah kimia, produk plastik, dan lain-lain, Nilai komersialnya juga telah dipaparkan secara beransur-ansur secara tajam dan jelas.

       Proses melombong nilai komersial data adalah seperti menapis minyak digital maya.

Rajah 1: pengeluaran minyak dan proses pemasaran pautan data Internet of things

       Seperti yang ditunjukkan dalam Rajah 1, Untuk Internet of things, nilai data perlombongan juga harus bermula daripada mencari lombong data, dan kemudian, dengan terus meningkatkan keupayaan untuk mengumpul, berkomunikasi, menyimpan dan menganalisis data, seterusnya menukar data yang ditapis dan dianalisis menjadi nilai komersial yang boleh mencerminkan kelebihan perusahaan.Proses ini membentuk pautan data yang serupa dengan proses pengeluaran dan pemasaran minyak:Pemerolehan data (eksploitasi minyak), komunikasi data (pengangkutan minyak), penyimpanan dan analisis data (penyimpanan dan penapisan minyak), aplikasi dan penukaran kepada nilai komersial ditunjukkan dalam Rajah 2.

Rajah 2:Gambar rajah skema pautan data Internet of things

       Realitinya, data baharu masih dijana dalam proses permohonan dan penukaran data. Data baharu ini disalurkan semula dalam masa nyata dan kembali ke peringkat awal. Bersama-sama dengan data lain, mereka melalui keseluruhan proses rantaian sekali lagi, membentuk proses kitaran "pemerolehan maklum balas permohonan pemerolehan" berbeza daripada proses linear minyak "sisa penggunaan pengeluaran" tradisional, Ini agak serupa dengan proses "penggunaan pengeluaran" yang mampan. kitar semula" yang dialami oleh minyak di bawah ekonomi pekeliling, itulah sebabnya strategi perniagaan yang mampan adalah sangat penting untuk pembinaan ekosistem Internet of things.

       Berikut ialah perbincangan langkah demi langkah tentang cara menukar data kepada nilai perniagaan yang mampan di sepanjang rantaian data Internet of things mengikut langkah yang ditunjukkan dalam Rajah 2.

Pengumpulan data: cari kawasan perlombongan sasaran data besar

Rajah 3:Gambarajah skematik pemerolehan data Internet of things

       Komposisi dan rupa minyak mentah berbeza dari tempat asal, dan data asal semuanya termasuk dalam bentuk.Perkataan, gambar, bunyi, simbol, isyarat dan maklumat lain yang boleh didigitalkan oleh komputer boleh menjadi data asal!Selain itu, minyak mempunyai keperluan ambang khusus untuk geologi, bentuk muka bumi dan teknologi perlombongan asalnya, dan teknologi perlombongan sentiasa seiring dengan masa. Begitu juga, perbincangan mengenai pengumpulan data Internet perkara juga mesti sesuai dengan senario tertentu dan penggunaan yang berkembang penyelesaian teknikal untuk pengumpulan.

       Sebelum kemunculan Internet of things, data tradisional kami secara amnya merujuk kepada data yang agak statik, tetap berstruktur dan tepat yang datang dari dalam perusahaan, berinteraksi dengan pelanggan secara manual atau membaca dengan kerap Kini Internet of things meluaskan skop pengumpulan data secara meluas. Ia termasuk data dinamik besar masa nyata daripada peralatan pengeluaran, pengguna dan produk dari semasa ke semasa. Ia lebih komprehensif dan tepat pada masanya berbanding sebelum ini, dan mengisi banyak jurang data dalam proses perniagaan tradisional.

       Ciri-ciri data Internet of things yang cenderung "lengkap", "komprehensif" dan "masif", yang membuatkan kita perlu melihat data ini dengan cara berfikir yang berbeza. Kita tidak lagi perlu menumpukan pada hubungan sebab akibat yang ketat antara data terhad, tetapi mempunyai lebih banyak wawasan tentang kemungkinan hubungan antara pelbagai perkara yang diwakili oleh data, untuk mengetahui potensi nilai dan memahami arah aliran masa depan. biar saya katakan dengan cara lain ,Fungsi teras data IOT adalah untuk mencipta masa depan yang lebih berwarna melalui "ramalan".Cara pemikiran baharu ini lebih dekat dengan pemikiran ekologi untuk memahami evolusi kehidupan, dan bukannya pemikiran yang tepat untuk memahami pergerakan mekanikal.

       Jadi apakah data IOT yang boleh ditukar kepada nilai komersial? Dari perspektif kesannya terhadap proses perniagaan, saya fikir ia boleh dibahagikan secara kasar kepada empat kategori berikut:

 
       Data untuk meningkatkan kecekapan dan prestasi tenaga peralatan:Teknologi Internet of things boleh mengurus dan mengoptimumkan penggunaan tenaga peralatan secara bijak, mengurangkan penyertaan manual dan menjimatkan kehilangan tenaga bagi keseluruhan proses perniagaan. Inilah sebabnya mengapa orang ramai mengklasifikasikan teknologi Internet perkara sebagai "teknologi penjimatan tenaga".Mengikut senario aplikasi sebenar, data penggunaan tenaga yang perlu kami kumpulkan termasuk kuasa masa nyata, haba, isipadu air, tekanan atau setara arang batu yang dikira, serta voltan, arus, isipadu, dsb.

       Data untuk diagnosis peralatan dan amaran awal:Sebagai contoh, nyatakan suhu lokasi peralatan, kekerapan getaran peralatan, aliran bendalir, bunyi persekitaran dan juga tekanan jurang sentuhan peralatan.Parameter khusus yang akan dikumpul berbeza mengikut senario aplikasi, untuk mengelakkan atau mengurangkan kemungkinan kerosakan atau bencana dalam proses pengeluaran.

       Data yang digunakan untuk meningkatkan perkhidmatan pelanggan:Data transaksi pelanggan yang tidak sensitif, seperti kuantiti transaksi, volum transaksi, kekerapan transaksi, lokasi transaksi, jenis produk, skor pelanggan, serta data penggunaan pelanggan, seperti pelbagai data pengalaman spatial untuk rumah pintar.Data ini bukan sahaja dapat memberikan pelanggan pendapat rujukan yang diperibadikan dan perkhidmatan masa nyata untuk membantu pelanggan membuat keputusan transaksi, tetapi juga membantu perusahaan menyediakan perkhidmatan yang lebih diperibadikan untuk pelanggan baharu dan rakan kongsi rentas sempadan masa hadapan.

       Data yang digunakan untuk melaksanakan kebenaran "sebagai perkhidmatan (xaas)".:"Peralatan komunikasi" dalam era Internet of things merangkumi pelbagai objek. Masa operasi biasa mereka, jarak anjakan, masa kegagalan dan sebagainya menentukan perkhidmatan yang berhak digunakan oleh pengguna dalam keadaan dan bila.Data ini memainkan peranan yang sangat penting dalam transformasi pelbagai model perniagaan "sebagai perkhidmatan".Atas dasar kebenaran, pengguna juga boleh diberi harga secara terus, diselesaikan dan dipotong secara dalam talian.

bersama-sama denganSenario aplikasi Internet of things cenderung untuk dipelbagaikan, dan jenis data yang tersedia untuk pengumpulan dan analisis akan terus dikembangkan. Jenis data yang dinyatakan di atas mungkin hanya sebahagian daripada data Internet of things masa hadapan, tetapi data baharu pada asasnya tidak dapat dipisahkan daripada fungsi teras "mencari kaitan, meramal keputusan dan merealisasikan nilai". Sekitar teras ini, ia boleh diramalkan bahawa data Internet perkara akan membawa perniagaan ke era baharu dengan teknologi yang lebih pintar dan pemikiran yang lebih ekologi!

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

Rajah 4:Internet of things komunikasi data, penyimpanan dan analisis

       Memandangkan data IOT dimayakan, berubah dari semasa ke semasa dan boleh digunakan semula, proses komunikasi, penyimpanan dan analisis data IOT mempunyai lebih kompleksiti dan ruang pembangunan yang fleksibel daripada penghantaran, penyimpanan dan penapisan minyak. Proses ini melibatkan sejumlah besar teknologi canggih yang baru muncul. teknologi atau koleksi teknologi, seperti yang ditunjukkan dalam Rajah 4, termasuk pelbagai teknologi dan protokol komunikasi baharu dalam bidang komunikasi data, teknologi rangkaian Internet perkara tempatan dan luas, serta storan awan awam atau persendirian, pengkomputeran awan, pengkomputeran tepi, pembelajaran mesin, kecerdasan buatan, visualisasi data, rantaian blok, dsb. dalam bidang penyimpanan dan analisis. Disebabkan teknologi yang berpandangan ke hadapan ini terus menembusi ke dalam perniagaan, pautan ini juga amat mudah untuk melahirkan teknologi baharu yang subversif dan model perniagaan baharu . Pada masa yang sama, sukar untuk mengelakkan asap pertikaian perdagangan jangka pendek dan panas putih serta perang komersial.

       Di antara penyelesaian teknologi dan model perniagaan baharu ini, hanya teknologi baharu, platform baharu atau model perniagaan baharu yang boleh menyepadukan lebih banyak teknologi dan sumber perniagaan yang pelbagai adalah pemenang akhir dalam pasaran teknologi masa depan, seperti cip pintar, komunikasi 5g dan Internet of things. sistem pengendalian yang menduduki kawasan teras teknologi Internet of things, Atau sambungkan rakan kongsi ekologi huluan dan hiliran Internet of things, sediakan platform data Internet of things dengan API yang kaya, dan sebagainya. Format komersial dalam Internet of things era, daripada organisasi kakitangan kepada seni bina teknikal, cenderung untuk menjadi rata dan sumber terbuka, pelbagai halangan teknikal tradisional sedang dipecahkan, dan kuasa komersial sedang diwakilkan. Oleh itu, perjuangan nazak beberapa pemimpin dalam industri tradisional juga telah terdedah satu demi satu.

       Bagaimana untuk memahami teknologi dan aliran perniagaan pautan utama ini, ambil contoh seni bina Internet tipikal perkara berikut dari awan ke kabus sebagai contoh.

Rajah 5:Gambar rajah seni bina platform analisis kelebihan Internet perkara

       Seperti yang ditunjukkan dalam rajah, dengan peningkatan kepelbagaian peralatan terminal pintar dan senario perniagaan Internet of things, penghantaran data dan kelajuan maklum balas diperlukan lebih pantas, terutamanya untuk grid pintar, penerokaan minyak dan kebanyakan bidang pembuatan industri dengan operasi jarak jauh, Idea penggunaan lebih dekat dengan Internet mudah alih pada peringkat awal Internet of things -- mengetepikan latar belakang kelabu di tengah-tengah rajah dan memusatkan terus data yang dikumpul oleh peranti terminal ke awan -- menjadi semakin tidak berkesan. Sudah tentu, untuk banyak senario aplikasi Internet of things industri sebenar, seni bina ini perlu diperibadikan lagi, yang mungkin melibatkan intelektualisasi pelbagai peralatan lama, pengurusan antara muka manusia-mesin (HMI), dsb.

       Walau apa pun, kedudukan penggunaan penyelesaian teknikal Internet of things, terutamanya Internet industri of things, bergerak dari awan ke lapisan kabus lebih dekat dengan peralatan terminal. Ini seperti pengurus besar awan yang mewakilkan kuasa pemprosesan data kepada pengurus kawasan kabus di pelbagai tempat untuk pemprosesan bebas. Dengan cara ini, platform analisis lapisan kabus boleh menganalisis data dalam masa yang lebih nyata dan membuat keputusan perniagaan yang lebih tepat pada masanya dan sesuai. Pengagihan kuasa antara awan dan kabus ialah seni keseimbangan antara pemusatan dan partition. Awan harus mewakilkan kuasa, tetapi tidak terlalu banyak. Kuncinya adalah untuk memastikan saluran aliran maklumat masa nyata antara kedua-dua lancar, tepat pada masanya dan berkesan.

       Dari sudut pandangan ini, data dinamik besar yang dijana oleh seni bina Internet of things adalah seperti air yang mengalir. Ia menyejat dari "terminal" di seluruh dunia menjadi wap, kabus, awan, hujan dan kembali ke bumi. Jika kita katakan bahawa kitaran air di alam semula jadi membiak perkara semula jadi yang berkembang dengan bantuan tenaga cahaya matahari di bawah tindakan bumi graviti, aliran data Internet of things berkembang dan berkembang ke arah yang kondusif kepada kelahiran setiap industri menegak dan pembinaan ekosistem perniagaan mereka sendiri dengan bantuan kebijaksanaan manusia dan mesin.

       Secara umumnya, pengembangan rangka kerja teknologi Internet of things daripada awan kepada kabus adalah sejajar dengan aliran ekologi pembangunan perniagaan. Ia menjadikan pembahagian teknikal buruh dalam masyarakat komersial lebih terperinci dan pengurusan lebih rata. Di antara semua teknologi subbahagian, tidak dapat dinafikan bahawa teknologi analisis data adalah sangat penting. Ia boleh dikatakan bahawa ia memainkan peranan penghubung dalam keseluruhan rangkaian data Internet of things dan mempunyai kesan serta-merta. Medan yang paling menarik perhatian dalam analisis data mungkin kecerdasan buatan (AI). Ramai orang berfikir bahawa AI adalah satu teknologi. Sebenarnya, tidak. Ia adalah koleksi pelbagai teknologi yang berkaitan dengan analisis data pintar, daripada "sensor visual" dan "cip Ai" pada peringkat perkakasan kepada "pengecaman muka", "pemandu tanpa pemandu" dan "pengiktirafan pertuturan" pada peringkat aplikasi "Membina pembantu rumah pintar ", "analisis penjimatan tenaga" dan teknologi perisian, paten, piawaian, protokol, dsb. yang terkandung di dalamnya adalah sebahagian daripada set teknologi kecerdasan buatan.

       Dalam koleksi teknologi kecerdasan buatan, subset yang paling menonjol adalah "pembelajaran mesin", yang menggunakan kuasa pengkomputeran komputer untuk melombong maklumat atau undang-undang berharga daripada data. Secara relatifnya, pengaturcaraan tradisional mengira keputusan mengikut peraturan algoritma yang diberikan oleh pengaturcara , dan mesin dalam pembelajaran mesin boleh bertindak sebagai pengaturcara dan menggunakan semula setiap hasil pengiraan sebagai data untuk pembetulan diri dan pengesahan berterusan. Antaranya, dengan bantuan rangkaian saraf tiruan (ANN) pelbagai peringkat, aplikasi pengiraan dan menganalisis data besar-besaran kepada penyelesaian optimum membawa "pembelajaran mesin" ke dalam subset yang paling penting "pembelajaran mendalam". Perbezaan antara mereka ditunjukkan dalam Rajah 6:

Rajah 6:Perbandingan antara pengaturcaraan tradisional dan pembelajaran mesin

       Tidak dinafikan bahawa "pembelajaran mendalam" akan menjadi persaingan teras dalam bidang analisis data Internet of things untuk masa yang lama pada masa hadapan. Proses pembelajaran mendalam adalah bersamaan dengan menggunakan rangkaian saraf berbilang peringkat untuk mencari peta pencarian harta karun dalam maze data besar, dan ia adalah peta pencarian harta karun dengan laluan optimum. Dengan peta pencarian harta karun (algoritma) ini, Kami lebih berkemungkinan akhirnya mencari bayi baharu (nilai komersial) dalam banyak data yang kompleks.

       Bercakap mengenai perkara ini, saya tidak dapat menahan perasaan:Malah mesin cuba belajar dan membuat pertimbangan bebas yang bijak. Mengapa kita tidak menggandakan usaha kita untuk belajar dan membentuk idea bebas kita sendiri? Ini bergema dengan organisasi perwakilan Perancis pertama di China yang menganjurkan projek doktor Pentadbiran Perniagaan (im-dba) dalam pembuatan pintar dan cadangan pembelajaran inklusif. Saya secara kasar menyatakan pandangan ini di Seminar dalaman: Pada masa hadapan, pembuat keputusan perniagaan harus terus belajar dan berfikir seperti mesin kecerdasan buatan "pembelajaran mendalam", memperhalusi amalan peribadi (data) dan prestasi (hasil) menjadi panduan nilai ideologi (perniagaan). undang-undang) untuk industri mereka, untuk mengekalkan kelebihan daya saing mereka. Memandangkan pembelajaran mesin ialah hala tuju perniagaan yang layak untuk meningkatkan pelaburan pada masa hadapan, pembelajaran sepanjang hayat peribadi juga merupakan hala tuju hidup yang layak untuk pelaburan berterusan?

Menukar data kepada nilai perniagaan

Rajah 7:Gambar rajah skema penukaran data kepada nilai perniagaan

       Sebagai contoh, minyak ditapis memasuki semua lapisan masyarakat untuk menjadi bahan bakar atau bahan mentah pengeluaran. Hasil analisis data Internet of things mesti disepadukan ke dalam proses perkhidmatan komersial dan menjadi produk atau perkhidmatan untuk mencerminkan nilai komersialnya. Secara umumnya, lebih banyak perkhidmatan data yang boleh meningkatkan keupayaan penyepaduan sumber ekologi komersial, semakin tinggi nilai kemampanan komersial.

       Sebagai tambahan kepada nilai sebagai bahan mentah seperti minyak, nilai sebenar data adalah sama dengan jumlah semua penggunaan yang mungkin. Ia boleh digunakan berulang kali untuk mengubah proses perniagaan, meningkatkan kecekapan operasi dan menjana nilai tambah.

       Jadi, berapa banyak nilai perniagaan yang boleh ditukarkan kepada data? Dalam erti kata lain, bagaimana untuk menilai data, jenis aset tidak ketara baharu pada masa hadapan? Pada masa ini, tiada piawaian penilaian industri dalam hal ini. Walau bagaimanapun, sama seperti syarikat yang menilai pelbagai aset pada masa lalu, beberapa syarikat penilaian nilai data yang menyegarkan pasti akan muncul di pasaran pada masa hadapan.

       Walau apa pun, untuk menukar data kepada nilai komersial, kita bukan sahaja mesti mempunyai keupayaan teknikal yang tersedia yang sepadan, tetapi juga mempunyai kesedaran strategik bahawa data boleh ditukar kepada nilai komersial. Kedua-duanya amat diperlukan. Tiga kes berikut boleh menggambarkan kebenaran ini.

       Kes 1: Selepas mengumpul data operasi kenderaan dan bekerjasama dengan syarikat analisis data luaran, pengeluar kereta Eropah mendapati bahawa sensor pengesanan tangki bahan api yang disediakan oleh pembekal Jermannya mengalami kecacatan penggera palsu yang kerap. Selepas pertimbangan yang teliti, pengeluar kereta tidak memilih untuk memberitahu pembekal maklumat secara langsung dan mengarahkannya untuk membuat pembetulan. Sebaliknya, ia memohon paten untuk penambahbaikan dengan menambah baik perisian dan bahagian yang sepadan pada tangki bahan api, dan kemudian menjual paten kepada pembekal untuk mewujudkan perkongsian baharu dengan pembekal, untuk mencari pulangan komersial yang mampan untuknya. pelaburan awal, Kami gembira untuk meningkatkan keupayaan kerjasama ekologi perniagaan perusahaan dan meningkatkan tahap pembangunan teknikal seluruh industri pembuatan automobil, termasuk pesaing.

       Jika kes 1 secara tidak sengaja ditemui oleh perusahaan berteknologi tinggi dalam proses analisis data, dan mereka merebut peluang perniagaan tepat pada masanya hanya kerana mereka menyedari nilainya, maka kes 2 adalah sebaliknya. Ia adalah skim pemasaran baharu dirancang secara aktif oleh perusahaan pembuatan tradisional Amerika Selatan yang saya temui dalam aktiviti semakan smarties x 2019 baru-baru ini. Idea uniknya adalah pembuka mata. Tepatnya, data kes ini datang daripada Internet mudah alih dan bukannya Internet perkara, tetapi idea mereka untuk mengaitkan data yang tidak relevan ke dalam nilai perniagaan adalah konsisten, yang juga mempunyai kepentingan rujukan untuk keputusan perniagaan -pembuat.

       Kes 2: Sebuah kedai lama di Brazil yang menghasilkan dan menjual periuk dipanggil tramontina. Melihat semakin sedikit anak muda yang memasak sendiri, prospek jualan produk membimbangkan. Untuk mengubah keadaan ini, perusahaan itu telah menubuhkan pasukan projek antarabangsa yang terdiri daripada cef, pakar rangkaian saraf, konduktor pancaragam dan profesional lain untuk melaksanakan kerjasama menang-menang dengan spotify, rangkaian muzik terkenal dunia yang disukai oleh golongan muda. Mereka menghabiskan setengah tahun mempelajari cara menggunakan algoritma "sinesthesia" untuk mengaitkan pendengaran muzik dengan rasa makanan. Pertama, parameter ciri muzik yang boleh sepadan dengan parameter memasak ditayangkan di spotify, seperti nada negatif sepadan dengan rasa pahit, Konsert yang dimainkan oleh pelbagai instrumen sepadan dengan rasa berat, tempoh muzik sepadan dengan bilangan bahan, lompat nota sepadan dengan masakan suhu, dsb., dan pangkalan data besar yang sepadan ditubuhkan. Kemudian, gunakan kecerdasan buatan untuk menukar data kepada resipi berpuluh-puluh juta pesanan magnitud dan menerbitkannya di tapak web baharu "rasa lagu". Akhir sekali, apabila bakal pengguna menyemak imbas, mereka memberi panduan tepat pada masanya tentang cara memilih kuali untuk menukar resipi menjadi makanan, supaya dapat menarik lebih ramai pengguna muda rangkaian muzik untuk mengalaminya. Dengan cara ini, kuali lama yang digabungkan dengan masakan diperibadikan telah menjadi popular seperti muzik, mengubah tabiat makan orang muda dan membimbing mereka ke dapur.

Rajah 8: tangkapan skrin tramontina|rasa lagu

       Daripada kedua-dua kes ini, dapat dilihat bahawa data yang dikumpul secara sengaja atau tidak sengaja mempunyai potensi nilai komersial. Pada masa hadapan, perusahaan perlu membelanjakan lebih banyak tenaga untuk melombong, menyusun, menapis, menganalisis atau menyusun semula data yang dikumpul dan memilih laluan penukaran yang sesuai untuk situasi sebenar perusahaan mereka sendiri, sama seperti pengeluar kereta dalam kes 1, Tukar data kepada perniagaan baharu dengan atribut harta intelek; Anda juga boleh menggunakan data untuk mewujudkan saluran pemasaran baharu seperti pengeluar peralatan dapur sekiranya 2.

       Sudah tentu, sesetengah perusahaan, terutamanya yang boleh meningkatkan nilai data perlombongan ke ketinggian strategi perusahaan, boleh pergi lebih jauh. Mereka sering mengambil data sebagai peluang untuk mengubah keseluruhan proses perniagaan dan membentuk semula model perniagaan. Dalam artikel saya sebelum ini tentang "Internet of things ecosystem" dan "PAAS (product as service) model perniagaan", saya memperkenalkan banyak kes dan memberikan yang berkaitan analisis. Saya baru sahaja melihat satu lagi kes yang disebut dalam artikel Dr. LV Jianzhong "laluan pembangunan mampan transformasi industri pembuatan kepada kecerdasan digital", yang sangat jelas dan mudah difahami, Ia juga sangat mewakili. Petikan adalah seperti berikut:

       Kes 3: "Dalam buku" transformasi pintar "(transformasi digital, David Rogers) Terdapat kisah benar dan menarik: TWC, sebuah syarikat yang terlibat terutamanya dalam perkhidmatan ramalan cuaca, mengambil pengumpulan, memproses dan menghantar ramalan cuaca, dan kemudian menerbitkan iklan di platform penerbitan sebagai model perniagaan utamanya Namun, TWC segera menyedari bahawa potensi nilai data jauh melebihi pendapatan daripada pengiklanan Jadi mereka menubuhkan kumpulan saintis data yang diketuai oleh Sofia alat data menjadi aset strategik untuk mencipta nilai tambah yang lebih tinggi Pasukan penyelidik mendapati bahawa perubahan cuaca memberi kesan kepada turun naik satu pertiga daripada aktiviti ekonomi di Amerika Syarikat untuk mewujudkan model analisis ekonomi yang menghubungkan data meteorologi dan kategori jualan dan volum jualan, dan menggunakan model ini untuk membuat spekulasi mengenai produk yang pengguna akan mempunyai permintaan pembelian yang lebih tinggi dan kesanggupan dalam keadaan cuaca apa, untuk merangka strategi pengiklanan untuk kategori produk popular yang terjejas oleh cuaca, Supaya memperoleh hasil jualan maksimum dan meningkatkan kadar pulangan input-output pengiklanan. Pasukan penyelidik juga bekerjasama dengan syarikat insurans untuk membangunkan aplikasi kecil yang dipanggil hailzone untuk mengingatkan pemilik kereta supaya memindahkan kereta mereka ke garaj sebelum hujan batu atau ribut salji. Aplikasi kecil ini telah banyak mengurangkan kadar kerosakan kereta, mengurangkan kesulitan dan kegusaran pemilik kereta, dan juga mengurangkan tuntutan tuntutan dan kos syarikat insurans, yang telah dipuji oleh pengguna, syarikat insurans, komuniti dan pihak berkepentingan lain. Tiba-tiba ramai yang mendaftar dengan hailzone. Sesetengah peminat meteorologi juga membawa alat pemerhatian meteorologi mereka sendiri untuk menghantar dan berkongsi data perubahan meteorologi yang dipantau di tempat mereka sendiri ke platform zon hujan batu pada bila-bila masa. Dengan cara ini, platform zon hujan batu boleh menyepadukan sejumlah besar data dari semua arah setiap 1.5 saat, memberikan ramalan lebih masa nyata dan tepat melalui algoritma khas, dan memasuki kitaran positif peningkatan kualiti dan penciptaan nilai. "

       Dalam kes 3, perusahaan secara sedar menghubungkan data dengan persekitaran luaran, membangunkan rakan kongsi ekologi luaran secara aktif, mewujudkan rangkaian interaktif masa nyata dengan peruncit, syarikat insurans, pengguna, komuniti dan institusi dan individu lain, dan mengubah cuaca asal yang agak statik. pangkalan data ramalan ke dalam kemas kini data masa nyata dan platform interaktif dengan penyertaan orang dan peralatan, Menyediakan perkhidmatan nilai tambah tinggi yang lebih tepat pada masanya untuk pihak berkepentingan, dan memperoleh kesan ekologi perniagaan yang mampan yang boleh berkembang dengan sendirinya.

       Ringkasan ringkas tentang cara data yang berkaitan ditukar kepada nilai perniagaan yang mampan termasuk tiga kategori berikut atau gabungan tiga kategori ini:

       Pajakan hak penggunaan produk atau perkhidmatan mereka sendiri untuk membentuk platform data yang boleh berinteraksi, membayar dan menyelesaikan dengan pengguna (seperti kes 1 dan 3), seperti beberapa pemajakan produk industri ambang tinggi, IP, perundingan, perkhidmatan maklumat, dsb. ;

       Wujudkan portal perkhidmatan data yang mudah untuk rakan kongsi dan pengguna produk, kemudian jual kebenaran portal ini atau wujudkan saluran pemasaran baharu (seperti kes 2 dan 3), seperti menyediakan perkhidmatan logistik pintar, penggunaan produk dan kebenaran portal perkhidmatan pembayaran, dsb.

       Bantu pelanggan menambahkan data luaran pada set data yang ditentukan dan menyediakan perkhidmatan nilai tambah (seperti kes 3), seperti menyediakan perkhidmatan pemantauan kadar denyutan jantung jauh dan tafsiran dan diagnosis laporan pengesanan, dan hubungan nilai tambah antara data alam sekitar dan ekonomi. aktiviti.

       Secara ringkasnya, kunci untuk mengubah data kepada nilai perniagaan yang mampan ialah membina ekosistem anda sendiri di sekeliling rantaian data, dan kejayaannya bergantung pada cara merumuskanDan melaksanakan strategi perniagaan yang mampan.

       Artikel ini dipindahkan daripada akaun rasmi Internet of things think tank. Jika terdapat pelanggaran, sila padamkan mesej latar belakang.