IoT ecologische strategie (I): hoe data omzetten in duurzame bedrijfswaarde?

       Begeleidend lezen

       De gegevens die door het internet der dingen worden gegenereerd, worden geleidelijk de belangrijkste kracht achter big data. Dit artikel heeft tot doel een kwestie te onderzoeken waar de meeste leidinggevenden van innovatieve ondernemingen zich grote zorgen over maken: hoe kunnen de gegevens stap voor stap worden omgezet in duurzame bedrijfswaarde langs de dataketen van het internet der dingen?

"Hoewel de gegevens nog niet zijn opgenomen in de balans van de onderneming, is het slechts een kwestie van tijd."

       ——Big data-tijdperk Victor & middot; Mel Schönberg

       Sommige mensen zeggen dat de rol van data in de samenleving vergelijkbaar is met die van olie. Anderen zeggen dat de impact van data op de samenleving die van olie zal overtreffen. Ik denk dat het in orde is. Data en olie zijn beide energiebronnen om sociale verandering te bevorderen, en hun productie- en toepassingsprocessen zijn hetzelfde; data hebben echter veel kenmerken die ongeëvenaard zijn door olie: ze kunnen met hoge snelheid worden hergebruikt, gekopieerd en verzonden. , dus de invloed van data op de samenleving zal die van olie ruimschoots overtreffen!

       In ieder geval helpt het vergelijken van data met olie om de context van de dataketen van het Internet of Things beter te begrijpen. Ik heb toevallig bij een oliemaatschappij gewerkt en heb enige kennis van het bedrijfsproces van olie. Laten we de gegevens vergelijken met olie.

       Voordat olie werd geëxploiteerd, was het slechts een mengsel van koolwaterstoffen met complexe componenten, afgezet in de aardkorst. Zodra het echter uit de ondergrond is gespoten, kan het voor verschillende doeleinden worden gebruikt en verschillende behoeften van de moderne samenleving worden, zoals brandstof (benzine, diesel, enz.), smeerolie, chemische grondstoffen, plastic producten, enz. De commerciële waarde ervan is geleidelijk ook scherp en levendig weergegeven.

       Het proces van het ontginnen van de commerciële waarde van data is als het raffineren van virtuele digitale olie.

Figuur 1: olieproductie- en marketingproces van datalink Internet of Things

       Zoals blijkt uit figuur 1 moet voor het internet der dingen de waarde van mijndata ook beginnen met het zoeken naar datamijnen, en vervolgens, door voortdurend de mogelijkheid te verbeteren om data te verzamelen, te communiceren, op te slaan en te analyseren, die gefilterde en geanalyseerde data verder omzetten in datamining. commerciële waarde die de voordelen van ondernemingen kan weerspiegelen. Dit proces vormt een datalink die vergelijkbaar is met het olieproductie- en marketingproces: data-acquisitie (olie-exploitatie), datacommunicatie (olietransport), data-opslag en -analyse (olie-opslag en raffinage), toepassing en conversie naar commerciële waarde worden weergegeven in Figuur 2.

Figuur 2:Schematisch diagram van de datalink van het Internet of Things

       In werkelijkheid worden er nog steeds nieuwe gegevens gegenereerd tijdens het proces van gegevenstoepassing en -conversie. Deze nieuwe gegevens worden in realtime teruggekoppeld en keren terug naar de beginfase. Samen met andere gegevens doorlopen ze het hele ketenproces opnieuw en vormen ze een cyclusproces van ‘acquisitie, toepassing, feedback, acquisitie’, dat verschilt van het traditionele lineaire proces van ‘productieconsumptieverspilling’ van olie. Dit lijkt veel op het duurzame proces van ‘productieconsumptie. recycling" ervaren door olie in de circulaire economie, en daarom is een duurzame bedrijfsstrategie erg belangrijk voor de opbouw van een ecosysteem van het internet der dingen.

       Het volgende is een stapsgewijze discussie over hoe gegevens kunnen worden omgezet in duurzame bedrijfswaarde langs de dataketen van het internet der dingen, volgens de stappen in figuur 2.

Gegevensverzameling: vind het mijnbouwgebied voor big data

Figuur 3:Schematisch diagram van data-acquisitie via het Internet of Things

       De samenstelling en het uiterlijk van ruwe olie variëren per plaats van herkomst en de oorspronkelijke gegevens zijn allesomvattend van vorm. Woorden, afbeeldingen, geluiden, symbolen, signalen en andere informatie die door de computer kunnen worden gedigitaliseerd, kunnen originele gegevens worden! Bovendien kunnen olie heeft specifieke drempelvereisten voor de geologie, landvorm en mijnbouwtechnologie van zijn oorsprong, en de mijnbouwtechnologie houdt altijd gelijke tred met de tijd. Op dezelfde manier moet de discussie over het verzamelen van gegevens over het internet der dingen ook overeenkomen met specifieke scenario’s en evoluerende toepassingen. technische oplossingen voor inzameling.

       Vóór de opkomst van het internet der dingen verwijzen onze traditionele gegevens over het algemeen naar relatief statische, structureel vaste en nauwkeurige gegevens die afkomstig zijn van binnen de onderneming, die handmatig met klanten communiceerden of regelmatig werden gelezen. Nu breidt het internet der dingen de reikwijdte van gegevensverzameling wijd uit. Het omvat realtime enorme dynamische gegevens van productieapparatuur, gebruikers en producten in de loop van de tijd. Het is uitgebreider en actueler dan ooit, en vult veel gegevenslacunes in traditionele bedrijfsprocessen op.

       Het zijn de kenmerken van de gegevens van het Internet der Dingen die de neiging hebben ‘compleet’, ‘alomvattend’ en ‘massief’ te zijn, waardoor we op een andere manier naar deze gegevens moeten kijken. We hoeven ons niet langer te concentreren op de rigoureuze causale relatie tussen beperkte gegevens, maar hebben meer inzicht in de mogelijke relaties tussen verschillende dingen die door gegevens worden weergegeven, om zo de potentiële waarde te achterhalen en de toekomstige trend te begrijpen. Laat ik het anders zeggen De kernfunctie van IoT-gegevens is het creëren van een kleurrijkere toekomst door middel van ‘voorspelling’. Deze nieuwe manier van denken ligt dichter bij het ecologische denken over het begrijpen van de evolutie van het leven, dan bij het precieze denken over het begrijpen van mechanische beweging.

       Dus wat zijn de IoT-gegevens die kunnen worden omgezet in commerciële waarde? Vanuit het perspectief van het effect ervan op bedrijfsprocessen denk ik dat deze grofweg kunnen worden onderverdeeld in de volgende vier categorieën:

 
       Gegevens voor het verbeteren van de energie-efficiëntie en prestaties van apparatuur:Internet of Things-technologie kan het energieverbruik van apparatuur op intelligente wijze beheren en optimaliseren, de handmatige deelname verminderen en het energieverlies van het hele bedrijfsproces besparen. Dit is de reden waarom mensen de Internet of Things-technologie over het algemeen classificeren als ‘energiebesparende technologie’.Volgens het daadwerkelijke toepassingsscenario omvatten de energieverbruiksgegevens die we moeten verzamelen realtime stroom, warmte, watervolume, druk of berekend steenkoolequivalent, evenals de bijbehorende spanning, stroom, volume, enz.

       Gegevens voor apparatuurdiagnose en vroegtijdige waarschuwing:Specificeer bijvoorbeeld de temperatuur van de locatie van de apparatuur, de trillingsfrequentie van de apparatuur, de vloeistofstroom, omgevingsgeluid en zelfs de druk van de contactopening van de apparatuur.De specifieke te verzamelen parameters variëren afhankelijk van het toepassingsscenario, om mogelijke fouten of rampen in het productieproces te voorkomen of te verminderen.

       Gegevens die worden gebruikt om de klantenservice te verbeteren:Ongevoelige klanttransactiegegevens, zoals transactiehoeveelheid, transactievolume, transactiefrequentie, transactielocatie, producttype, klantscore, evenals klantgebruiksgegevens, zoals verschillende ruimtelijke ervaringsgegevens voor smart home.Deze gegevens kunnen klanten niet alleen gepersonaliseerde referentieadviezen en realtime diensten bieden om klanten te helpen transactiebeslissingen te nemen, maar kunnen bedrijven ook helpen om meer gepersonaliseerde diensten te bieden aan nieuwe klanten en toekomstige grensoverschrijdende partners.

       Gegevens die worden gebruikt om autorisatie 'as a service (xaas)' te implementeren:"Communicatieapparatuur" in het tijdperk van het internet der dingen omvat verschillende objecten. Hun normale bedrijfstijd, verplaatsingsafstand, faaltijd enzovoort bepalen welke diensten gebruikers onder welke omstandigheden en wanneer mogen gebruiken.Deze gegevens spelen een bijzonder prominente rol bij de transformatie van verschillende ‘as a service’-bedrijfsmodellen.Op basis van autorisatie kunnen gebruikers ook direct online worden geprijsd, afgerekend en afgetrokken.

samen met De toepassingsscenario's van het internet der dingen zijn vaak gediversifieerd, en de soorten gegevens die beschikbaar zijn voor verzameling en analyse zullen voortdurend worden uitgebreid. De hierboven genoemde datatypes zijn misschien slechts een onderdeel van de toekomstige data van het Internet of Things, maar de nieuwe data zijn in principe onlosmakelijk verbonden met de kernfunctie van ‘het ontdekken van relevantie, het voorspellen van resultaten en het realiseren van waarde’. Rond deze kern kan het worden voorspeld dat data uit het Internet of Things het bedrijfsleven naar een nieuw tijdperk zullen leiden met intelligentere technologie en meer ecologisch denken!

Datacommunicatie, opslag en analyse: schattenjacht in data

Figuur 4:Internet of Things datacommunicatie, opslag en analyse

       Omdat IoT-gegevens gevirtualiseerd zijn, in de loop van de tijd veranderen en herbruikbaar zijn, heeft het communicatie-, opslag- en analyseproces van IoT-gegevens een grotere complexiteit en flexibelere ontwikkelingsruimte dan dat van olietransmissie, -opslag en -raffinage. Dit proces omvat een groot aantal opkomende geavanceerde technologieën. technologieën of technologiecollecties, zoals weergegeven in figuur 4, waaronder verschillende nieuwe communicatietechnologieën en protocollen op het gebied van datacommunicatie, lokale en wide area Internet of Things-netwerktechnologieën, evenals publieke of private cloudopslag, cloud computing, edge computing, machine learning, kunstmatige intelligentie, datavisualisatie, blockchain, enz. op het gebied van opslag en analyse. Omdat deze toekomstgerichte technologieën blijven doordringen in het bedrijfsleven, is deze link ook uiterst gemakkelijk om subversieve nieuwe technologieën en nieuwe bedrijfsmodellen voort te brengen . Tegelijkertijd is het moeilijk om de rook van kortetermijn- en witgloeiende handelsgeschillen en commerciële oorlogen te vermijden.

       Van deze nieuwe technologische oplossingen en bedrijfsmodellen zijn alleen die nieuwe technologieën, nieuwe platforms of nieuwe bedrijfsmodellen die meer diverse technologieën en zakelijke middelen kunnen integreren de uiteindelijke winnaars op de toekomstige technologiemarkt, zoals slimme chips, 5g-communicatie en het internet der dingen. besturingssystemen die het kerngebied van de Internet of Things-technologie bezetten, of de upstream en downstream ecologische partners van het Internet of Things met elkaar verbinden, een Internet of Things-dataplatform bieden met rijke API's, enzovoort. De commerciële formaten in het Internet of Things Het tijdperk, van personeelsorganisatie tot technische architectuur, heeft de neiging plat en open-source te zijn, verschillende traditionele technische barrières worden doorbroken en commerciële autoriteit wordt gedelegeerd. Daarom is de stervende strijd van sommige leiders in traditionele industrieën ook de een na de ander aan het licht gekomen.

       Om de technologische en zakelijke trend van deze belangrijke link te begrijpen, kunnen we de volgende typische Internet of Things-architectuur, die zich uitstrekt van cloud tot mist, als voorbeeld nemen.

Figuur 5:Architectuurdiagram van Internet of Things edge-analyseplatform

       Zoals blijkt uit de figuur, is het met de toenemende diversificatie van intelligente eindapparatuur en internet der dingen-bedrijfsscenario's vereist dat de datatransmissie- en feedbacksnelheid sneller zijn, vooral voor slimme netwerken, olie-exploratie en de meeste industriële productievelden met bediening op afstand. Het idee om het mobiele internet dichter bij de beginfase van het internet der dingen te brengen – waarbij de grijze achtergrond in het midden van de figuur wordt weggelaten en de gegevens die door terminalapparaten worden verzameld rechtstreeks in de cloud worden gecentraliseerd – wordt steeds ineffectiever. Uiteraard moet deze architectuur voor veel daadwerkelijke industriële Internet of Things-toepassingsscenario's verder worden gepersonaliseerd, wat de intellectualisering van verschillende oude apparatuur, mens-machine-interfacebeheer (HMI), enz. kan inhouden.

       Hoe het ook zij, de positie van het Internet of Things, vooral het industriële Internet of Things, verschuift van de cloud naar de mistlaag dichter bij de eindapparatuur. Dit is net zoiets als de algemeen directeur van de cloud die de gegevensverwerkingsbevoegdheid delegeert aan de mistgebiedbeheerders op diverse plekken voor onafhankelijke verwerking. Op deze manier kan het mistlaaganalyseplatform de gegevens in meer realtime analyseren en tijdiger en passende zakelijke beslissingen nemen. De machtsverdeling tussen cloud en mist is een evenwichtskunst tussen centralisatie en partitie. De cloud moet macht delegeren, maar niet te veel. De sleutel is om de real-time informatiestroomkanalen tussen de twee soepel, tijdig en effectief te houden.

       Vanuit dit gezichtspunt zijn de enorme dynamische gegevens die door de architectuur van het internet der dingen worden gegenereerd, als stromend water. Het verdampt vanuit ‘terminals’ over de hele wereld in stoom, mist, wolken, regen en keert terug naar de aarde. Als we zeggen dat de watercyclus in de natuur evoluerende natuurlijke dingen voortbrengt met behulp van de energie van zonlicht onder invloed van de werking van de aarde Door de zwaartekracht ontwikkelt en evolueert de datastroom van het internet der dingen zich in de richting die bevorderlijk is voor de geboorte van elke verticale industrie en de constructie van hun eigen zakelijke ecosysteem met behulp van de wijsheid van mensen en machines.

       Over het algemeen is de uitbreiding van het technologiekader voor het internet der dingen van cloud naar mist in overeenstemming met de ecologische trend van bedrijfsontwikkeling. Het maakt de technische arbeidsverdeling in de commerciële samenleving gedetailleerder en het management vlakker. Van alle onderverdelingstechnologieën valt niet te ontkennen dat data-analysetechnologie van cruciaal belang is. Er kan worden gezegd dat het een verbindende rol speelt in de hele dataketen van het Internet of Things en een onmiddellijk effect heeft. Het meest in het oog springende vakgebied in data-analyse is waarschijnlijk kunstmatige intelligentie (AI). Veel mensen denken dat AI één enkele technologie is. In feite is dat niet het geval. Het is een verzameling van verschillende technologieën gerelateerd aan intelligente data-analyse, van "visuele sensor" en "Ai-chip" op hardwareniveau tot "gezichtsherkenning", "onbemand rijden" en "spraakherkenning" op applicatieniveau "Bouw intelligente huishoudster ", "energiebesparende analyse" en de softwaretechnologie, patenten, standaarden, protocollen, enz. die daarin zijn opgenomen, maken allemaal deel uit van de technologieset voor kunstmatige intelligentie.

       In de verzameling kunstmatige-intelligentietechnologie is de meest prominente subset ongetwijfeld 'machine learning', waarbij computercomputerkracht wordt gebruikt om waardevolle informatie of wetten uit gegevens te halen. Relatief gesproken berekent traditioneel programmeren de resultaten volgens de algoritmeregels die door de programmeur zijn gegeven. , en de machine bij machinaal leren kan optreden als programmeur en elk berekeningsresultaat hergebruiken als gegevens voor zelfcorrectie en continue verificatie. Daaronder kan met behulp van kunstmatige neurale netwerken op meerdere niveaus (ANN) de toepassing van berekeningen en Door enorme hoeveelheden gegevens te analyseren voor de optimale oplossing wordt 'machine learning' opgenomen in de belangrijkste subset 'deep learning'. Het verschil daartussen wordt weergegeven in figuur 6:

Figuur 6:Vergelijking tussen traditioneel programmeren en machine learning

       Het lijdt geen twijfel dat ‘deep learning’ in de toekomst nog lang de belangrijkste competitie zal zijn op het gebied van data-analyse van het Internet of Things. Het proces van diepgaand leren is gelijk aan het gebruik van een neuraal netwerk met meerdere niveaus om een ​​speurtochtkaart te vinden in het big data-doolhof, en het is een speurtochtkaart met een optimaal pad. Met deze speurtochtkaart (algoritme) is de kans groter dat we uiteindelijk nieuwe baby's (commerciële waarde) zullen vinden in veel complexe gegevens.

       Nu we het hierover hebben, kan ik het gevoel niet onderdrukken: zelfs machines proberen te leren en intelligente, onafhankelijke oordelen te vellen. Waarom verdubbelen we onze inspanningen niet om te leren en onze eigen onafhankelijke ideeën te vormen? Dit vond weerklank in de eerste Franse representatieve organisatie in China die gastheer was van het doctoraat in bedrijfskunde (im-dba)-project in intelligente productie en inclusief onderwijs voorstelde. Ik heb dit standpunt grofweg uitgedrukt op het interne seminar: In de toekomst moeten zakelijke besluitvormers blijven leren en denken als de ‘deep learning’ machine voor kunstmatige intelligentie, en de persoonlijke praktijk (data) en prestaties (resultaten) verfijnen tot leidraad voor ideologische waarden (bedrijfsgegevens). wetten) voor hun sector, om zo hun concurrentievoordeel te behouden. Aangezien machinaal leren een bedrijfsrichting is die het waard is om in de toekomst steeds meer te investeren, is persoonlijk levenslang leren ook een levensrichting die voortdurende investeringen waard is?

Data omzetten in bedrijfswaarde

Figuur 7:Schematisch diagram van dataconversie naar bedrijfswaarde

       Geraffineerde olie komt bijvoorbeeld in alle lagen van de bevolking terecht en wordt brandstof of productiegrondstof. De resultaten van de data-analyse van het Internet of Things moeten worden geïntegreerd in commerciële dienstverleningsprocessen en producten of diensten worden om de commerciële waarde ervan te weerspiegelen. Over het algemeen geldt dat hoe meer datadiensten het integratievermogen van commerciële ecologische hulpbronnen kunnen verbeteren, hoe hoger de waarde. van commerciële duurzaamheid.

       Naast de waarde als grondstof zoals olie, is de werkelijke waarde van data gelijk aan de som van alle mogelijke toepassingen. Het kan herhaaldelijk worden gebruikt om bedrijfsprocessen te veranderen, de operationele efficiëntie te verbeteren en toegevoegde waarde te genereren.

       Dus in hoeveel bedrijfswaarde kunnen data worden omgezet? Met andere woorden: hoe kunnen we data waarderen, een nieuw type immateriële activa in de toekomst? Op dit moment bestaat er in dit opzicht geen industriële evaluatiestandaard. Maar net als de bedrijven die in het verleden verschillende activa hebben geëvalueerd, zullen er in de toekomst zeker een aantal verfrissende bedrijven voor de evaluatie van gegevenswaarde op de markt verschijnen.

       Om data om te zetten in commerciële waarde moeten we in ieder geval niet alleen over de bijbehorende technische mogelijkheden beschikken, maar ook het strategische besef hebben dat data in commerciële waarde kunnen worden omgezet. Beide zijn onmisbaar. De volgende drie gevallen kunnen deze waarheid goed illustreren.

       Geval 1: Na het verzamelen van gegevens over de werking van het voertuig en het samenwerken met een extern data-analysebedrijf, ontdekte een Europese autofabrikant dat de brandstoftankdetectiesensor van zijn Duitse leverancier het defect vertoonde van frequent vals alarm. Na zorgvuldige afweging heeft de autofabrikant er niet voor gekozen om de informatie rechtstreeks aan de leverancier door te geven en deze te gelasten rectificatie uit te voeren. In plaats daarvan heeft zij een patent aangevraagd voor de verbetering door de software en de overeenkomstige onderdelen van de brandstoftank te verbeteren, en vervolgens het patent aan de leverancier verkocht om een ​​nieuw partnerschap met de leverancier aan te gaan, teneinde een duurzaam commercieel rendement voor haar activiteiten te vinden. vroege investeringen. We zijn blij om het zakelijke ecologische samenwerkingsvermogen van ondernemingen te vergroten en het technische ontwikkelingsniveau van de hele auto-industrie, inclusief concurrenten, te verbeteren.

       Als geval 1 per ongeluk werd aangetroffen door een hightech onderneming tijdens het proces van data-analyse, en zij de zakelijke kans op tijd grepen alleen omdat zij zich bewust waren van de waarde ervan, dan is geval 2 precies het tegenovergestelde. Het is een nieuw marketingplan. actief gepland door een Zuid-Amerikaanse traditionele productieonderneming waarmee ik in contact kwam tijdens de recente smarties x 2019 review-activiteit. Het unieke idee is een eye-opener. Om precies te zijn, de gegevens van deze zaak zijn afkomstig van het mobiele internet en niet van het internet der dingen, maar hun ideeën over het associëren van irrelevante gegevens met bedrijfswaarde zijn consistent, wat ook een referentiewaarde heeft voor zakelijke beslissingen. -makers.

       Geval 2: Een eeuwenoude winkel in Brazilië die pannen produceert en verkoopt heet tramontina. Omdat steeds minder jongeren zelf koken, zijn de verkoopvooruitzichten van producten zorgwekkend. Om deze situatie te veranderen heeft de onderneming een internationaal projectteam samengesteld bestaande uit chef-koks, neurale netwerkexperts, banddirigenten en andere professionals om een ​​win-win-samenwerking uit te voeren met Spotify, een wereldberoemd muzieknetwerk dat geliefd is bij jongeren. Ze hebben een half jaar lang bestudeerd hoe ze het 'synesthesie'-algoritme konden gebruiken om het horen van muziek te associëren met de smaak van voedsel. Ten eerste worden de muziekkarakteristieke parameters die kunnen overeenkomen met kookparameters gescreend op spotify, zoals een negatieve toon die overeenkomt met bittere smaak, Concerto gespeeld door meerdere instrumenten die overeenkomen met zware smaak, muziekduur die overeenkomt met het aantal ingrediënten, notensprong die overeenkomt met koken temperatuur, enz., en er wordt een overeenkomstige grote database opgezet. Gebruik vervolgens kunstmatige intelligentie om de gegevens om te zetten in een recept van tientallen miljoenen ordes van grootte en publiceer dit op de nieuwe website van "flavor of songs". Ten slotte geven potentiële gebruikers, wanneer ze rondkijken, tijdig een handleiding over hoe ze een pan kunnen kiezen om recepten in voedsel om te zetten, om zo steeds meer jonge gebruikers van het muzieknetwerk aan te trekken om te ervaren. Op deze manier is de ouderwetse pan in combinatie met gepersonaliseerd koken net zo populair geworden als muziek, waardoor de eetgewoonten van jongeren veranderen en hen naar de keuken worden geleid.

Figuur 8: schermopname van tramontina|smaak van liedjes

       Uit deze twee gevallen blijkt dat de opzettelijk of onopzettelijk verzamelde gegevens potentiële commerciële waarde hebben. In de toekomst zullen bedrijven meer energie moeten besteden aan het ontginnen, sorteren, screenen, analyseren of reorganiseren van de verzamelde gegevens, en een conversiepad moeten kiezen dat geschikt is voor de feitelijke situatie van hun eigen onderneming, net zoals de autofabrikant in geval 1, Gegevens omzetten in een nieuwe business met intellectuele eigendomskenmerken; U kunt de gegevens ook gebruiken om een ​​nieuw marketingkanaal op te zetten, zoals de fabrikant van keukengerei in geval 2.

       Natuurlijk kunnen sommige ondernemingen, vooral degenen die de waarde van datamining tot het toppunt van bedrijfsstrategie kunnen brengen, nog verder gaan. Ze gebruiken de data vaak als een kans om het hele bedrijfsproces te veranderen en het bedrijfsmodel opnieuw vorm te geven. In mijn vorige artikelen over het ‘Internet of Things ecosysteem’ en het ‘PAAS (product as service) bedrijfsmodel’ introduceerde ik veel cases en gaf ik relevante analyse. Ik zag zojuist een ander geval genoemd in het artikel van Dr. LV Jianzhong "duurzaam ontwikkelingspad van de transformatie van de productie-industrie naar digitale intelligentie", dat heel duidelijk en gemakkelijk te begrijpen is. Het is ook zeer representatief. Fragmenten zijn als volgt:

       Case 3: "In het boek" intelligente transformatie "(digitale transformatie, David Rogers) Er is zo'n waargebeurd en interessant verhaal: TWC, een bedrijf dat zich voornamelijk bezighoudt met weersvoorspellingsdiensten, neemt het verzamelen, verwerken en verzenden van weersvoorspellingen en publiceert Advertenties op het publicatieplatform als belangrijkste bedrijfsmodel TWC realiseerde zich echter al snel dat de potentiële waarde van gegevens de inkomsten uit advertenties ruimschoots overtrof. Daarom richtten ze een groep datawetenschappers op onder leiding van Sofia Het data-instrument werd een strategische troef om een ​​hogere toegevoegde waarde te creëren. Het onderzoeksteam ontdekte dat de weersverandering een impact had op de fluctuatie van een derde van de economische activiteiten in de Verenigde Staten. Daarom vormden ze een gezamenlijke werkgroep met Wal Mart een economisch analysemodel op te zetten dat meteorologische gegevens koppelt aan verkoopcategorieën en verkoopvolumes, en dit model gebruiken om te speculeren over welke producten consumenten een grotere koopvraag en bereidheid zullen hebben onder welke weersomstandigheden, om zo advertentiestrategieën te formuleren voor populaire productcategorieën die getroffen zijn door het weer, om de maximale verkoopopbrengst te verkrijgen en het rendement van de reclame-input-output te verbeteren. Het onderzoeksteam werkte ook samen met verzekeringsmaatschappijen om een ​​kleine app te ontwikkelen, hailzone genaamd, om autobezitters eraan te herinneren hun auto naar de garage te verplaatsen voordat hagel of sneeuwstormen optreden. Deze kleine app heeft het autoschadepercentage sterk verlaagd, het ongemak en de ergernis van autobezitters verlicht en ook de claimclaims en kosten van verzekeringsmaatschappijen verlaagd, wat wordt geprezen door consumenten, verzekeringsmaatschappijen, gemeenschappen en andere belanghebbenden. Ineens schreven veel mensen zich in bij hailzone. Sommige meteorologische enthousiastelingen brachten ook hun eigen meteorologische observatietools mee om de gegevens over meteorologische veranderingen die op hun eigen plek werden gemonitord, op elk moment naar het hagelzoneplatform te verzenden en te delen. Op deze manier kan het hailzone-platform elke 1.5 seconde een grote hoeveelheid data uit alle richtingen integreren, meer realtime en nauwkeurige voorspellingen geven via speciale algoritmen, en een positieve cyclus van kwaliteitsverbetering en waardecreatie ingaan. "

       In geval 3 koppelde de onderneming de gegevens bewust aan de externe omgeving, ontwikkelde actief externe ecologische partners, zette een realtime interactief netwerk op met detailhandelaren, verzekeringsmaatschappijen, consumenten, gemeenschappen en andere instellingen en individuen, en transformeerde het oorspronkelijke relatief statische weer voorspellingsdatabase om te zetten in een realtime gegevensupdate en een interactief platform met deelname van mensen en apparatuur. Bied tijdiger diensten met hoge toegevoegde waarde aan belanghebbenden en verkrijg duurzame bedrijfsecologische effecten die vanzelf kunnen groeien.

       Een korte samenvatting van de manieren waarop relevante data worden omgezet in duurzame bedrijfswaarde omvat de volgende drie categorieën of een combinatie van deze drie categorieën:

       De gebruiksrechten van hun eigen producten of diensten leasen om een ​​dataplatform te vormen dat kan communiceren, betalen en afrekenen met gebruikers (zoals gevallen 1 en 3), zoals leasing van industriële producten met een hoge drempel, IP, advies, informatiediensten, enz. ;

       Zet handige dataserviceportals op voor productpartners en gebruikers, en verkoop vervolgens deze portalmachtigingen of zet nieuwe marketingkanalen op (zoals gevallen 2 en 3), zoals het leveren van intelligente logistieke diensten, productgebruik en betalingsserviceportalmachtigingen, enz.

       Help klanten externe gegevens toe te voegen aan de gespecificeerde dataset en diensten met toegevoegde waarde te bieden (zoals geval 3), zoals het leveren van hartslagmonitoring op afstand en interpretatie en diagnose van detectierapporten, en de waardetoevoegende relatie tussen milieugegevens en economische gegevens. activiteiten.

       Kortom: de sleutel tot het transformeren van data in duurzame bedrijfswaarde is het opbouwen van je eigen ecosysteem rond de dataketen. Het succes ervan hangt grotendeels af van hoe je de dataketen formuleert.En implementeer duurzame bedrijfsstrategieën.

       Dit artikel is afkomstig van het officiële account van de denktank Internet of Things. Als er sprake is van overtreding, verwijder dan het achtergrondbericht.