Estratégia ecológica IOT (I): como converter dados em valor empresarial sustentável?

       Leitura guiada

       Os dados gerados pela Internet das coisas estão gradualmente se tornando a principal força do big data. Este artigo tem como objetivo explorar uma questão que preocupa a maioria dos executivos empresariais inovadores: como converter os dados em valor empresarial sustentável, passo a passo, ao longo da cadeia de dados da Internet das coisas?

“Embora os dados não tenham sido incluídos no balanço da empresa, é apenas uma questão de tempo.”

       ——A era do big data Victor & middot; Mel Schoenberg

       Algumas pessoas dizem que o papel dos dados na sociedade é como o do petróleo. Outros dizem que o impacto dos dados na sociedade ultrapassará o do petróleo. Acho que está tudo bem. Dados e petróleo são fontes de energia para promover mudanças sociais, e seus processos de geração e aplicação são os mesmos; No entanto, Dados têm muitas características inigualáveis ​​pelo petróleo: Podem ser reutilizados, copiados e transmitidos em alta velocidade, então a influência dos dados na sociedade excederá em muito a do petróleo!

       Em todo caso, comparar dados com petróleo ajuda a entender melhor o contexto da cadeia de dados da Internet das coisas. Acontece que trabalhei em uma empresa de petróleo e tenho algum conhecimento do processo de negócios do petróleo. Vamos comparar os dados com o petróleo.

       Antes da exploração do petróleo, ele era apenas uma mistura de hidrocarbonetos com componentes complexos depositados na crosta terrestre. Porém, uma vez pulverizado do subsolo, poderia ser utilizado para diversos fins e tornar-se diversas necessidades da sociedade moderna, como combustível (gasolina, diesel, etc.), óleo lubrificante, matérias-primas químicas, produtos plásticos, etc., seu valor comercial também foi gradualmente exibido de forma incisiva e vívida.

       O processo de mineração do valor comercial dos dados é como refinar petróleo digital virtual.

Figura 1: processo de produção e comercialização de petróleo do link de dados da Internet das coisas

       Conforme mostrado na Figura 1, para a Internet das Coisas, a mineração de valor de dados também deve começar pela busca por minas de dados e, então, por meio da melhoria contínua da capacidade de coletar, comunicar, armazenar e analisar dados, converter ainda mais esses dados filtrados e analisados ​​em valor comercial que pode refletir as vantagens das empresas. Esse processo forma um link de dados semelhante ao processo de produção e comercialização de petróleo: aquisição de dados (exploração de petróleo), comunicação de dados (transporte de petróleo), armazenamento e análise de dados (armazenamento e refino de petróleo), aplicação e conversão em valor comercial são mostrados na Figura 2.

Figura 2:Diagrama esquemático do link de dados da Internet das coisas

       Na realidade, novos dados ainda são gerados no processo de aplicação e conversão de dados. Esses novos dados são realimentados em tempo real e retornam ao estágio inicial. Juntamente com outros dados, eles passam novamente por todo o processo da cadeia, formando um processo de ciclo de “aquisição de feedback de aplicação de aquisição” diferente do tradicional processo linear de “desperdício de consumo de produção” de petróleo, que é bastante semelhante ao processo sustentável de “consumo de produção reciclagem" vivenciada pelo petróleo na economia circular, razão pela qual a estratégia empresarial sustentável é muito importante para a construção do ecossistema da Internet das coisas.

       A seguir está uma discussão passo a passo sobre como converter dados em valor comercial sustentável ao longo da cadeia de dados da Internet das coisas, de acordo com as etapas mostradas na Figura 2.

Coleta de dados: encontre a área de mineração alvo de big data

Figura 3:Diagrama esquemático da aquisição de dados da Internet das coisas

       A composição e a aparência do petróleo bruto variam de acordo com o local de origem, e os dados originais são todos inclusivos em sua forma. Palavras, imagens, sons, símbolos, sinais e outras informações que podem ser digitalizadas pelo computador podem se tornar dados originais! Além disso, o petróleo tem requisitos de limite específicos para a geologia, relevo e tecnologia de mineração de sua origem, e a tecnologia de mineração está sempre acompanhando o ritmo do tempo. Da mesma forma, a discussão sobre a coleta de dados da Internet das Coisas também deve corresponder a cenários específicos e usar soluções técnicas em evolução para coleta.

       Antes do surgimento da Internet das coisas, nossos dados tradicionais geralmente se referem a dados relativamente estáticos, estruturalmente fixos e precisos que vinham de dentro da empresa, interagiam com os clientes manualmente ou eram lidos regularmente. Agora, a Internet das coisas estende amplamente o escopo da coleta de dados. Inclui dados dinâmicos massivos em tempo real de equipamentos de produção, usuários e produtos ao longo do tempo. É mais abrangente e oportuno do que nunca e preenche muitas lacunas de dados em processos comerciais tradicionais.

       São as características dos dados da Internet das coisas que tendem a ser "completos", "abrangentes" e "massivos", o que nos faz ter que olhar para esses dados de uma maneira diferente de pensar. Não precisamos mais nos concentrar na relação causal rigorosa entre dados limitados, mas ter mais percepção sobre as possíveis relações entre várias coisas representadas pelos dados, de modo a descobrir o valor potencial e compreender a tendência futura. Deixe-me colocar de outra forma, A função central dos dados da IOT é criar um futuro mais colorido por meio da "previsão". Essa nova maneira de pensar está mais próxima do pensamento ecológico de entender a evolução da vida, em vez do pensamento preciso de entender o movimento mecânico.

       Então, quais são os dados de IoT que podem ser convertidos em valor comercial? Da perspectiva de seu efeito nos processos de negócios, acredito que eles podem ser divididos nas quatro categorias a seguir:

 
       Dados para melhorar a eficiência energética e o desempenho dos equipamentos:A tecnologia da Internet das coisas pode gerenciar e otimizar de forma inteligente o consumo de energia dos equipamentos, reduzir a participação manual e economizar a perda de energia de todo o processo de negócios. É por isso que as pessoas geralmente classificam a tecnologia da Internet das coisas como “tecnologia de economia de energia”.De acordo com o cenário de aplicação real, os dados de consumo de energia que precisamos coletar incluem potência em tempo real, calor, volume de água, pressão ou equivalente de carvão calculado, bem como a tensão, corrente, volume associados, etc.

       Dados para diagnóstico de equipamentos e alerta precoce:Por exemplo, especifique a temperatura do local do equipamento, a frequência de vibração do equipamento, o fluxo de fluido, o ruído ambiental e até mesmo a pressão da folga de contato do equipamento.Os parâmetros específicos a serem coletados variam de acordo com o cenário de aplicação, de forma a prevenir ou reduzir possíveis falhas ou desastres no processo produtivo.

       Dados usados ​​para melhorar o atendimento ao cliente:Dados de transações do cliente dessensibilizados, como quantidade de transação, volume de transação, frequência de transação, local de transação, tipo de produto, pontuação do cliente, bem como dados de uso do cliente, como vários dados de experiência espacial para casa inteligente.Esses dados podem não apenas fornecer aos clientes opiniões de referência personalizadas e serviços em tempo real para ajudá-los a tomar decisões sobre transações, mas também ajudar as empresas a fornecer serviços mais personalizados para novos clientes e futuros parceiros transfronteiriços.

       Dados usados ​​para implementar a autorização "como serviço (xaas)":Os "equipamentos de comunicação" na era da Internet das coisas incluem vários objetos. O tempo normal de operação, a distância de deslocamento, o tempo de falha e assim por diante determinam quais serviços os usuários têm o direito de usar, em que condições e quando.Estes dados desempenham um papel particularmente proeminente na transformação de vários modelos de negócios “como serviço”.Com base na autorização, os usuários também podem receber preços diretamente, liquidados e deduzidos on-line.

junto comOs cenários de aplicação da Internet das coisas tendem a ser diversificados, e os tipos de dados disponíveis para coleta e análise serão continuamente expandidos. Os tipos de dados mencionados acima podem ser apenas uma parte dos dados futuros da Internet das coisas, mas os novos dados são basicamente inseparáveis ​​da função central de "descobrir relevância, prever resultados e realizar valor". Em torno desse núcleo, pode-se prever que os dados da Internet das coisas levarão os negócios a uma nova era com tecnologia mais inteligente e pensamento mais ecológico!

Comunicação, armazenamento e análise de dados: caça ao tesouro em dados

Figura 4:Comunicação, armazenamento e análise de dados da Internet das coisas

       Como os dados da IOT são virtualizados, mudando ao longo do tempo e reutilizáveis, o processo de comunicação, armazenamento e análise de dados da IOT tem mais complexidade e espaço de desenvolvimento flexível do que o da transmissão, armazenamento e refino de petróleo. Esse processo envolve um grande número de tecnologias de ponta emergentes ou coleções de tecnologia, conforme mostrado na Figura 4, incluindo várias novas tecnologias de comunicação e protocolos no campo da comunicação de dados, tecnologias de rede de Internet das coisas de área local e ampla, bem como armazenamento em nuvem pública ou privada, computação em nuvem, computação de ponta, aprendizado de máquina, inteligência artificial, visualização de dados, blockchain, etc. no campo de armazenamento e análise. Como essas tecnologias voltadas para o futuro continuam a penetrar nos negócios, esse link também é extremamente fácil de dar origem a novas tecnologias subversivas e novos modelos de negócios. Ao mesmo tempo, é difícil evitar a fumaça de disputas comerciais e guerras comerciais de curto prazo e acirradas.

       Entre essas novas soluções tecnológicas e modelos de negócios, apenas as novas tecnologias, novas plataformas ou novos modelos de negócios que podem integrar tecnologias e recursos de negócios mais diversos são os vencedores finais no futuro mercado de tecnologia, como chips inteligentes, comunicações 5g e sistemas operacionais de Internet das coisas que ocupam a área central da tecnologia da Internet das coisas, ou conectam os parceiros ecológicos upstream e downstream da Internet das coisas, fornecem uma plataforma de dados da Internet das coisas com APIs ricas e assim por diante. Os formatos comerciais na era da Internet das coisas, da organização de pessoal à arquitetura técnica, tendem a ser planos e de código aberto, várias barreiras técnicas tradicionais estão sendo quebradas e a autoridade comercial está sendo delegada. Portanto, a luta moribunda de alguns líderes em indústrias tradicionais também foi exposta uma após a outra.

       Para compreender a tecnologia e a tendência de negócios desse elo fundamental, tomemos como exemplo a seguinte arquitetura típica da Internet das coisas, que se estende da nuvem ao nevoeiro.

Figura 5:Diagrama de arquitetura da plataforma de análise de borda da Internet das coisas

       Conforme mostrado na figura, com a crescente diversificação de equipamentos terminais inteligentes e cenários de negócios da Internet das Coisas, é necessário que a velocidade de transmissão e feedback de dados seja mais rápida, especialmente para redes inteligentes, exploração de petróleo e a maioria dos campos de fabricação industrial com operação remota. A ideia de implantação mais próxima da Internet móvel no estágio inicial da Internet das Coisas — omitindo o fundo cinza no meio da figura e centralizando diretamente os dados coletados por dispositivos terminais na nuvem — está se tornando cada vez mais ineficaz. É claro que, para muitos cenários reais de aplicação da Internet das Coisas industrial, essa arquitetura precisa ser ainda mais personalizada, o que pode envolver a intelectualização de vários equipamentos antigos, gerenciamento de interface homem-máquina (HMI), etc.

       Em qualquer caso, a posição de implantação da solução técnica da Internet das coisas, especialmente a Internet das coisas industrial, está se movendo da nuvem para a camada de neblina mais próxima do equipamento terminal. Isso é como o gerente geral da nuvem delegando a autoridade de processamento de dados aos gerentes da área de neblina em vários lugares para processamento independente. Dessa forma, a plataforma de análise da camada de neblina pode analisar os dados em mais tempo real e tomar decisões comerciais mais oportunas e apropriadas. A distribuição de poder entre a nuvem e a neblina é uma arte de equilíbrio entre centralização e partição. A nuvem deve delegar poder, mas não muito. A chave é manter os canais de fluxo de informações em tempo real entre os dois suaves, oportunos e eficazes.

       Deste ponto de vista, os dados dinâmicos massivos gerados pela arquitetura da Internet das coisas são como água corrente. Ela evapora de "terminais" ao redor do mundo em vapor, neblina, nuvem, chuva e retorna à terra. Se dissermos que o ciclo da água na natureza gera coisas naturais em evolução com a ajuda da energia da luz solar sob a ação da gravidade da Terra, o fluxo de dados da Internet das coisas se desenvolve e evolui na direção propícia ao nascimento de cada indústria vertical e à construção de seu próprio ecossistema de negócios com a ajuda da sabedoria de pessoas e máquinas.

       Em geral, a expansão da estrutura tecnológica da Internet das coisas da nuvem para a névoa está alinhada com a tendência ecológica do desenvolvimento empresarial. Ela torna a divisão técnica do trabalho na sociedade comercial mais detalhada e a gestão mais plana. Entre todas as tecnologias de subdivisão, é inegável que a tecnologia de análise de dados é muito importante. Pode-se dizer que ela desempenha um papel de conexão em toda a cadeia de dados da Internet das coisas e tem um efeito imediato. O campo mais atraente na análise de dados é provavelmente a inteligência artificial (IA). Muitas pessoas pensam que a IA é uma tecnologia única. Na verdade, não é. É uma coleção de várias tecnologias relacionadas à análise inteligente de dados, de "sensor visual" e "chip de IA" no nível de hardware a "reconhecimento facial", "direção não tripulada" e "reconhecimento de fala" no nível de aplicação "Construção de governanta inteligente", "análise de economia de energia" e a tecnologia de software, patentes, padrões, protocolos, etc. contidos nela são todos parte do conjunto de tecnologia de inteligência artificial.

       Na coleção de tecnologia de inteligência artificial, o subconjunto mais proeminente é, sem dúvida, o "aprendizado de máquina", que usa o poder de computação do computador para extrair informações valiosas ou leis de dados. Relativamente falando, a programação tradicional calcula os resultados de acordo com as regras do algoritmo fornecidas pelo programador, e a máquina no aprendizado de máquina pode atuar como o programador e reutilizar cada resultado de cálculo como dados para autocorreção e verificação contínua. Entre eles, com a ajuda de redes neurais artificiais (RNA) multinível, a aplicação do cálculo e análise de dados massivos para a solução ideal traz o "aprendizado de máquina" para seu subconjunto mais importante, o "aprendizado profundo". A diferença entre eles é mostrada na Figura 6:

Figura 6:Comparação entre programação tradicional e aprendizado de máquina

       Não há dúvida de que o "aprendizado profundo" será a principal competição no campo da análise de dados da Internet das coisas por muito tempo no futuro. O processo de aprendizagem profunda é equivalente ao uso de uma rede neural multinível para encontrar um mapa de caça ao tesouro no labirinto de big data, e é um mapa de caça ao tesouro com caminho ideal. Com este mapa de caça ao tesouro (algoritmo), é mais provável que eventualmente encontremos novos bebês (valor comercial) em muitos dados complexos.

       Falando nisso, não posso deixar de sentir: Até as máquinas estão tentando aprender e fazer julgamentos inteligentes e independentes. Por que não redobramos nossos esforços para aprender e formar nossas próprias ideias independentes? Isso ressoou com a primeira organização representativa francesa na China que sediou o projeto de doutorado em Administração de Empresas (im-dba) em manufatura inteligente e propôs aprendizagem inclusiva. Eu expressei aproximadamente essa visão no Seminário interno: No futuro, os tomadores de decisões empresariais devem continuar a aprender e pensar como a máquina de inteligência artificial de "aprendizagem profunda", refinar a prática pessoal (dados) e o desempenho (resultados) em valores ideológicos orientadores (leis empresariais) para sua indústria, de modo a manter sua vantagem competitiva. Já que a aprendizagem de máquina é uma direção empresarial digna de investimento crescente no futuro, a aprendizagem pessoal ao longo da vida também é uma direção de vida digna de investimento contínuo?

Convertendo dados em valor comercial

Figura 7:Diagrama esquemático da conversão de dados em valor comercial

       Por exemplo, o óleo refinado entra em todas as esferas da vida para se tornar combustível ou matéria-prima de produção. Os resultados da análise de dados da Internet das coisas devem ser integrados aos processos de serviços comerciais e se tornar produtos ou serviços para refletir seu valor comercial. Em termos gerais, quanto mais serviços de dados puderem melhorar a capacidade de integração de recursos ecológicos comerciais, maior será o valor da sustentabilidade comercial.

       Além do valor como matéria-prima como o petróleo, o valor real dos dados é igual à soma de todos os usos possíveis. Pode ser usado repetidamente para alterar processos de negócios, melhorar a eficiência operacional e gerar valor agregado.

       Então, em quanto valor comercial os dados podem ser convertidos? Em outras palavras, como avaliar dados, um novo tipo de ativo intangível no futuro? Atualmente, não há um padrão de avaliação do setor a esse respeito. No entanto, assim como as empresas que avaliaram vários ativos no passado, algumas empresas de avaliação de valor de dados revigorantes certamente aparecerão no mercado no futuro.

       Em todo caso, para converter dados em valor comercial, não precisamos apenas ter as capacidades técnicas correspondentes disponíveis, mas também ter a consciência estratégica de que dados podem ser convertidos em valor comercial. Ambos são indispensáveis. Os três casos a seguir podem ilustrar bem essa verdade.

       Caso 1: Após coletar dados de operação do veículo e cooperar com uma empresa externa de análise de dados, um fabricante de automóveis europeu descobriu que o sensor de detecção do tanque de combustível fornecido por seu fornecedor alemão tinha o defeito de alarme falso frequente. Após cuidadosa consideração, o fabricante de automóveis não optou por informar diretamente ao fornecedor as informações e ordenar que ele fizesse a retificação. Em vez disso, ele solicitou uma patente para a melhoria, aprimorando o software e as peças correspondentes no tanque de combustível e, em seguida, vendeu a patente ao fornecedor para estabelecer uma nova parceria com o fornecedor, de modo a encontrar um retorno comercial sustentável para seu investimento inicial. Estamos felizes em aprimorar a capacidade de cooperação ecológica empresarial das empresas e melhorar o nível de desenvolvimento técnico de toda a indústria de fabricação de automóveis, incluindo concorrentes.

       Se o caso 1 foi acidentalmente encontrado por uma empresa de alta tecnologia no processo de análise de dados, e eles aproveitaram a oportunidade de negócio a tempo apenas porque estavam cientes de seu valor, então o caso 2 é exatamente o oposto. É um novo esquema de marketing planejado ativamente por uma empresa de manufatura tradicional sul-americana com a qual entrei em contato na recente atividade de revisão do smarties x 2019. Sua ideia única é reveladora. Para ser exato, os dados deste caso vêm da Internet móvel em vez da Internet das coisas, mas suas ideias de associar dados irrelevantes ao valor do negócio são consistentes, o que também tem significância de referência para tomadores de decisão de negócios.

       Caso 2: Uma loja centenária no Brasil que produz e vende panelas é chamada tramontina. Vendo cada vez menos jovens cozinhando sozinhos, a perspectiva de vendas do produto é preocupante. Para mudar essa situação, a empresa estabeleceu uma equipe de projeto internacional composta por chefs, especialistas em redes neurais, maestros de banda e outros profissionais para realizar uma cooperação ganha-ganha com o Spotify, uma rede de música mundialmente famosa e amada pelos jovens. Eles passaram meio ano estudando como usar o algoritmo "sinestesia" para associar a audição musical ao sabor dos alimentos. Primeiramente, os parâmetros característicos da música que podem corresponder aos parâmetros de cozimento são rastreados no Spotify, como tom negativo correspondendo ao gosto amargo, Concerto tocado por vários instrumentos correspondendo ao gosto forte, duração da música correspondendo ao número de ingredientes, salto de nota correspondendo à temperatura de cozimento, etc., e um grande banco de dados correspondente é estabelecido. Em seguida, use a inteligência artificial para converter os dados em uma receita de dezenas de milhões de ordens de magnitude e publicá-la no novo site do "sabor das músicas". Finalmente, quando usuários em potencial navegam, eles oportunamente dão um guia sobre como escolher uma panela para transformar receitas em comida, de modo a atrair mais e mais jovens usuários da rede de música para experimentar. Dessa forma, a panela à moda antiga combinada com a culinária personalizada se tornou tão popular quanto a música, mudando os hábitos alimentares dos jovens e os guiando para a cozinha.

Figura 8: captura de tela da tramontina|sabor de músicas

       Destes dois casos, pode-se ver que os dados coletados intencionalmente ou não têm valor comercial potencial. No futuro, as empresas precisam gastar mais energia em mineração, classificação, triagem, análise ou reorganização dos dados coletados e escolher um caminho de conversão adequado para a situação real de sua própria empresa, assim como o fabricante de automóveis no caso 1, Converta dados em um novo negócio com atributos de propriedade intelectual; Você também pode usar os dados para estabelecer um novo canal de marketing como o fabricante de utensílios de cozinha no caso 2.

       Claro, algumas empresas, especialmente aquelas que podem elevar o valor dos dados de mineração ao nível da estratégia empresarial, podem ir mais longe. Elas frequentemente tomam os dados como uma oportunidade para mudar todo o processo de negócios e remodelar o modelo de negócios. Em meus artigos anteriores sobre "ecossistema da Internet das coisas" e "modelo de negócios PAAS (produto como serviço)", apresentei muitos casos e dei análises relevantes. Acabei de ver outro caso mencionado no artigo do Dr. LV Jianzhong "caminho de desenvolvimento sustentável da transformação da indústria de manufatura para inteligência digital", que é muito claro e fácil de entender. Também é muito representativo. Os trechos são os seguintes:

       Caso 3: "No livro" transformação inteligente "(transformação digital, David Rogers) Há uma história tão verdadeira e interessante: a TWC, uma empresa envolvida principalmente em serviços de previsão do tempo, assume a coleta, processamento e envio de previsões do tempo e, em seguida, a publicação de anúncios na plataforma de publicação como seu principal modelo de negócios. No entanto, a TWC logo percebeu que o valor potencial dos dados excedia em muito a receita de publicidade. Então, eles criaram um grupo de cientistas de dados liderados por Sofia. A tarefa deste grupo é transformar a ferramenta de dados em um ativo estratégico para criar maior valor agregado. A equipe de pesquisa descobriu que a mudança do clima teve um impacto na flutuação de um terço das atividades econômicas nos Estados Unidos. Então, eles formaram um grupo de trabalho conjunto com o Wal Mart para estabelecer um modelo de análise econômica vinculando dados meteorológicos e categorias de vendas e volume de vendas, e usar este modelo para especular sobre quais produtos os consumidores terão maior demanda e disposição de compra sob quais condições climáticas, de modo a formular estratégias de publicidade para categorias de produtos populares afetadas pelo clima, de modo a obter a receita máxima de vendas e melhorar a taxa de retorno da entrada-saída de publicidade. A equipe de pesquisa também trabalhou com seguradoras para desenvolver um pequeno aplicativo chamado hailzone para lembrar os proprietários de carros de moverem seus carros para a garagem antes de granizo ou tempestade de neve. Este pequeno aplicativo reduziu muito a taxa de danos ao carro, aliviou a inconveniência e o aborrecimento dos proprietários de carros e também reduziu as reivindicações e os custos das seguradoras, o que foi elogiado por consumidores, seguradoras, comunidades e outras partes interessadas. De repente, muitas pessoas se registraram no hailzone. Alguns entusiastas da meteorologia também trouxeram suas próprias ferramentas de observação meteorológica para enviar e compartilhar os dados de mudanças meteorológicas monitorados em seu próprio lugar para a plataforma hailzone a qualquer momento. Dessa forma, a plataforma hailzone pode integrar uma grande quantidade de dados de todas as direções a cada 1.5 segundos, fornecer previsões mais precisas e em tempo real por meio de algoritmos especiais e entrar em um ciclo positivo de melhoria da qualidade e criação de valor. "

       No caso 3, a empresa ligou conscientemente os dados ao ambiente externo, desenvolveu ativamente parceiros ecológicos externos, estabeleceu uma rede interativa em tempo real com retalhistas, companhias de seguros, consumidores, comunidades e outras instituições e indivíduos, e transformou o clima original relativamente estático banco de dados de previsões em uma atualização de dados em tempo real e uma plataforma interativa com a participação de pessoas e equipamentos. Fornecer serviços de alto valor agregado mais oportunos para as partes interessadas e obter efeitos ecológicos de negócios sustentáveis ​​que podem crescer por si próprios.

       Um breve resumo das formas como os dados relevantes são convertidos em valor empresarial sustentável inclui as três categorias seguintes ou uma combinação destas três categorias:

       Alugar os direitos de uso de seus próprios produtos ou serviços para formar uma plataforma de dados que possa interagir, pagar e liquidar com os usuários (como os casos 1 e 3), como algum arrendamento de produtos industriais de alto limite, propriedade intelectual, consultoria, serviços de informação, etc. ;

       Estabelecer portais de serviços de dados convenientes para parceiros de produtos e usuários e, em seguida, vender essas permissões de portal ou estabelecer novos canais de marketing (como os casos 2 e 3), como fornecer serviços de logística inteligentes, uso de produtos e permissões de portal de serviços de pagamento, etc.

       Ajudar os clientes a adicionar dados externos ao conjunto de dados especificado e fornecer serviços de valor agregado (como o caso 3), como fornecer serviços de monitoramento remoto de frequência cardíaca e interpretação e diagnóstico de relatórios de detecção, e a relação de valor agregado entre dados ambientais e econômicos Atividades.

       Em suma, a chave para transformar dados em valor empresarial sustentável é construir o seu próprio ecossistema em torno da cadeia de dados, e o seu sucesso depende em grande parte de como formularE implementar estratégias de negócios sustentáveis.

       Este artigo foi transferido da conta oficial do think tank da Internet das Coisas. Se houver violação, exclua a mensagem em segundo plano.