Экологическая стратегия Интернета вещей (I): как преобразовать данные в устойчивую ценность для бизнеса?

       Чтение под руководством гида

       Данные, генерируемые Интернетом вещей, постепенно становятся основной силой больших данных. Целью данной статьи является исследование вопроса, который очень беспокоит большинство руководителей инновационных предприятий: как шаг за шагом преобразовать данные в устойчивую ценность для бизнеса по всей цепочке данных Интернета вещей?

«Хотя данные не вошли в баланс предприятия, это лишь вопрос времени».

       ——Эпоха больших данных Виктор & Миддот; Мел Шенберг

       Некоторые говорят, что роль данных в обществе подобна нефти. Другие говорят, что влияние данных на общество превзойдет нефть. Я думаю, что все в порядке. Данные и нефть являются источниками энергии, способствующими социальным изменениям, и процессы их создания и применения одинаковы. Однако данные обладают многими характеристиками, с которыми не может сравниться нефть: их можно повторно использовать, копировать и передавать на высокой скорости. , поэтому влияние данных на общество будет намного превосходить влияние нефти!

       В любом случае сравнение данных с нефтью помогает лучше понять контекст цепочки данных Интернета вещей. Мне довелось работать в нефтяной компании и иметь некоторые знания о бизнес-процессах нефти. Давайте сравним данные с нефтью.

       До того, как нефть начали разрабатывать, она представляла собой всего лишь смесь углеводородов со сложными компонентами, отложенную в земной коре. Однако, как только его распылили из-под земли, его можно было использовать для самых разных целей и стать предметом различных потребностей современного общества, например, топливом (бензин, дизельное топливо и т. д.), смазочным маслом, химическим сырьем, пластмассовыми изделиями, и т. д. Его коммерческая ценность также постепенно проявлялась четко и ярко.

       Процесс извлечения коммерческой ценности данных подобен переработке виртуальной цифровой нефти.

Рисунок 1. Процесс добычи нефти и маркетинга по каналу передачи данных Интернета вещей.

       Как показано на рисунке 1, для Интернета вещей ценность интеллектуального анализа данных также должна начинаться с поиска источников данных, а затем, путем постоянного улучшения возможностей сбора, передачи, хранения и анализа данных, дальнейшего преобразования отфильтрованных и проанализированных данных в коммерческая ценность, которая может отражать преимущества предприятий. Этот процесс образует связь данных, аналогичную процессу добычи и сбыта нефти: сбор данных (эксплуатация нефти), передача данных (транспортировка нефти), хранение и анализ данных (хранение и переработка нефти), применение и преобразование в коммерческую ценность показаны на рисунке 2.

Рисунок 2:Принципиальная схема канала передачи данных Интернета вещей

       В действительности новые данные по-прежнему генерируются в процессе применения и преобразования данных. Эти новые данные передаются обратно в режиме реального времени и возвращаются на начальный этап. Вместе с другими данными они снова проходят весь цепной процесс, образуя циклический процесс «сбора обратной связи с приложением», отличающийся от традиционного линейного процесса «отходов производственного потребления» нефти. Это очень похоже на устойчивый процесс «производственного потребления». переработка», которую испытывает нефть в условиях экономики замкнутого цикла, поэтому устойчивая бизнес-стратегия очень важна для построения экосистемы Интернета вещей.

       Ниже приводится пошаговое обсуждение того, как преобразовать данные в устойчивую ценность для бизнеса в цепочке данных Интернета вещей в соответствии с шагами, показанными на рисунке 2.

Сбор данных: найдите область добычи больших данных

Рисунок 3:Принципиальная схема сбора данных Интернета вещей

       Состав и внешний вид сырой нефти различаются в зависимости от места происхождения, а исходные данные имеют полную форму. Слова, изображения, звуки, символы, сигналы и другая информация, которую можно оцифровать с помощью компьютера, могут стать исходными данными! Кроме того, У нефти есть определенные пороговые требования к геологии, форме рельефа и технологии добычи нефти, а технология добычи всегда идет в ногу со временем. Аналогичным образом, обсуждение сбора данных Интернета вещей также должно соответствовать конкретным сценариям и использованию развивающихся технические решения для сбора.

       До появления Интернета вещей наши традиционные данные обычно относились к относительно статичным, структурно фиксированным и точным данным, которые поступали изнутри предприятия, взаимодействовали с клиентами вручную или регулярно считывались. Теперь Интернет вещей широко расширяет сферу сбора данных. Он включает в себя массивные динамические данные о производственном оборудовании, пользователях и продуктах в реальном времени. Он является более полным и своевременным, чем когда-либо, и заполняет многие пробелы в данных в традиционных бизнес-процессах.

       Именно характеристики данных Интернета вещей имеют тенденцию быть «полными», «всеобъемлющими» и «массивными», что заставляет нас смотреть на эти данные по-другому. Нам больше не нужно сосредотачиваться на строгих причинно-следственных связях между ограниченными данными, а лучше понять возможные связи между различными вещами, представленными данными, чтобы выяснить потенциальную ценность и уловить будущую тенденцию. Позвольте мне сказать это по-другому. ,Основная функция данных Интернета вещей — создать более красочное будущее посредством «предсказания». Этот новый образ мышления ближе к экологическому мышлению о понимании эволюции жизни, а не к точному мышлению о понимании механического движения.

       Итак, какие данные IOT можно преобразовать в коммерческую ценность? С точки зрения их влияния на бизнес-процессы, я думаю, их можно условно разделить на следующие четыре категории:

 
       Данные для повышения энергоэффективности и производительности оборудования:Технология Интернета вещей может разумно управлять и оптимизировать энергопотребление оборудования, сокращать количество ручного труда и экономить потери энергии во всем бизнес-процессе. Вот почему люди обычно относят технологию Интернета вещей к «энергосберегающей технологии».В соответствии с реальным сценарием применения данные о потреблении энергии, которые нам необходимо собрать, включают мощность в реальном времени, тепло, объем воды, давление или расчетный угольный эквивалент, а также соответствующее напряжение, ток, объем и т. д.

       Данные для диагностики оборудования и раннего оповещения:Например, укажите температуру места расположения оборудования, частоту вибрации оборудования, поток жидкости, шум окружающей среды и даже давление в контактном зазоре оборудования.Конкретные параметры, которые необходимо собрать, различаются в зависимости от сценария применения, чтобы предотвратить или уменьшить возможные сбои или катастрофы в производственном процессе.

       Данные, используемые для улучшения обслуживания клиентов:Десенсибилизированные данные о транзакциях клиентов, такие как количество транзакций, объем транзакций, частота транзакций, местоположение транзакций, тип продукта, рейтинг клиентов, а также данные об использовании клиентов, такие как различные данные пространственного опыта для умного дома.Эти данные могут не только предоставить клиентам персонализированные справочные мнения и услуги в режиме реального времени, помогающие клиентам принимать решения о транзакциях, но также помочь предприятиям предоставлять более персонализированные услуги для новых клиентов и будущих трансграничных партнеров.

       Данные, используемые для реализации авторизации «как услуга (xaas)».:«Коммуникационное оборудование» в эпоху Интернета вещей включает в себя различные объекты. Их нормальное время работы, расстояние перемещения, время отказа и так далее определяют, какими услугами, при каких условиях и когда пользователи имеют право воспользоваться.Эти данные играют особенно заметную роль в трансформации различных бизнес-моделей «как услуга».На основании авторизации пользователи также могут напрямую устанавливать цены, рассчитываться и вычитать суммы онлайн.

Вместе с тем сценарии применения Интернета вещей имеют тенденцию к диверсификации, а типы данных, доступных для сбора и анализа, будут постоянно расширяться. Упомянутые выше типы данных могут быть только частью будущих данных Интернета вещей, но новые данные по сути неотделимы от основной функции «определения релевантности, прогнозирования результатов и реализации ценности». На основе этого ядра их можно прогнозировать. что данные Интернета вещей приведут бизнес в новую эру с более интеллектуальными технологиями и более экологическим мышлением!

Передача, хранение и анализ данных: поиск сокровищ в данных

Рисунок 4:Передача, хранение и анализ данных Интернета вещей

       Поскольку данные Интернета вещей виртуализированы, меняются со временем и могут повторно использоваться, процесс передачи, хранения и анализа данных Интернета вещей имеет более сложную и гибкую среду разработки, чем процесс передачи, хранения и переработки нефти. Этот процесс включает в себя большое количество новых передовых технологий. технологии или коллекции технологий, как показано на рисунке 4, включая различные новые коммуникационные технологии и протоколы в области передачи данных, локальные и глобальные сетевые технологии Интернета вещей, а также общедоступные или частные облачные хранилища, облачные вычисления, периферийные вычисления, машинное обучение, искусственный интеллект, визуализация данных, блокчейн и т. д. в области хранения и анализа. Поскольку эти перспективные технологии продолжают проникать в бизнес, это звено также чрезвычайно легко порождает подрывные новые технологии и новые бизнес-модели. . В то же время трудно избежать дыма краткосрочных и горячих торговых споров и коммерческих войн.

       Среди этих новых технологических решений и бизнес-моделей только те новые технологии, новые платформы или новые бизнес-модели, которые могут интегрировать более разнообразные технологии и бизнес-ресурсы, являются окончательными победителями на рынке технологий будущего, такие как интеллектуальные чипы, связь 5G и Интернет вещей. операционные системы, которые занимают основную область технологии Интернета вещей, или соединяют вышестоящих и нижестоящих экологических партнеров Интернета вещей, предоставляют платформу данных Интернета вещей с богатыми API-интерфейсами и т. д. Коммерческие форматы в Интернете вещей эпохи, от организации персонала до технической архитектуры, имеют тенденцию быть плоскими и открытыми, различные традиционные технические барьеры разрушаются, а коммерческие полномочия делегируются. Таким образом, один за другим разоблачается и затухающая борьба некоторых лидеров традиционных отраслей.

       Чтобы понять технологию и бизнес-тенденцию этого ключевого звена, возьмем в качестве примера следующую типичную архитектуру Интернета вещей, простирающуюся от облака до тумана.

Рисунок 5:Схема архитектуры платформы анализа границ Интернета вещей

       Как показано на рисунке, с растущей диверсификацией интеллектуального терминального оборудования и бизнес-сценариев Интернета вещей требуется, чтобы скорость передачи данных и обратной связи была выше, особенно для интеллектуальных сетей, разведки нефти и большинства областей промышленного производства с удаленным управлением. Идея развертывания ближе к мобильному Интернету на начальном этапе Интернета вещей — исключение серого фона в середине рисунка и прямая централизация данных, собранных терминальными устройствами, в облаке — становится все более неэффективной. Конечно, для многих реальных сценариев применения промышленного Интернета вещей эта архитектура нуждается в дальнейшей персонализации, что может включать в себя интеллектуализацию различного старого оборудования, управление человеко-машинным интерфейсом (HMI) и т. д.

       В любом случае, позиция развертывания технических решений Интернета вещей, особенно промышленного Интернета вещей, перемещается из облака в слой тумана, ближе к терминальному оборудованию. Это похоже на то, как генеральный менеджер облака делегирует полномочия по обработке данных менеджеры зон тумана в различных местах для самостоятельной обработки. Таким образом, платформа анализа слоев тумана может анализировать данные в более реальном времени и принимать более своевременные и подходящие бизнес-решения. Распределение власти между облаком и туманом — это искусство баланса между централизацией и разделением. Облаку следует делегировать полномочия, но не слишком много. Ключевым моментом является обеспечение бесперебойности, своевременности и эффективности каналов потока информации в режиме реального времени между ними.

       С этой точки зрения огромные динамические данные, генерируемые архитектурой Интернета вещей, подобны текущей воде. Она испаряется из «терминалов» по ​​всему миру в пар, туман, облака, дождь и возвращается на землю. Если сказать, что круговорот воды в природе порождает развивающиеся природные вещи с помощью энергии солнечного света под действием земных Под действием силы тяжести поток данных Интернета вещей развивается и развивается в направлении, способствующем зарождению каждой вертикальной отрасли и построению собственной бизнес-экосистемы с помощью мудрости людей и машин.

       В целом расширение технологической основы Интернета вещей от облака к туману соответствует экологической тенденции развития бизнеса. Это делает техническое разделение труда в коммерческом обществе более детальным, а управление более плоским. Среди всех технологий подразделения нельзя отрицать, что технология анализа данных имеет ключевое значение. Можно сказать, что он играет связующую роль во всей цепочке данных Интернета вещей и оказывает немедленный эффект. Наиболее привлекательной областью анализа данных, вероятно, является искусственный интеллект (ИИ). Многие думают, что ИИ — это единая технология. На самом деле это не так. Это совокупность различных технологий, связанных с интеллектуальным анализом данных: от «визуального датчика» и «чипа Ai» на аппаратном уровне до «распознавания лиц», «беспилотного вождения» и «распознавания речи» на уровне приложения. «Анализ энергосбережения» и содержащиеся в них программные технологии, патенты, стандарты, протоколы и т. д. являются частью набора технологий искусственного интеллекта.

       В коллекции технологий искусственного интеллекта наиболее заметным подмножеством, несомненно, является «машинное обучение», которое использует вычислительную мощность компьютера для извлечения ценной информации или законов из данных. Условно говоря, традиционное программирование вычисляет результаты в соответствии с правилами алгоритма, заданными программистом. , а машина в машинном обучении может выступать в роли программиста и повторно использовать каждый результат расчета в качестве данных для самокоррекции и непрерывной проверки. Среди них, с помощью многоуровневых искусственных нейронных сетей (ИНС), применение вычислений и Анализ огромных данных для поиска оптимального решения выводит «машинное обучение» в его наиболее важную подгруппу «глубокое обучение». Разница между ними показана на рисунке 6:

Рисунок 6:Сравнение традиционного программирования и машинного обучения

       Нет сомнений в том, что «глубокое обучение» станет основным конкурентом в области анализа данных Интернета вещей в течение длительного времени. Процесс глубокого обучения эквивалентен использованию многоуровневой нейронной сети для поиска карты поиска сокровищ в лабиринте больших данных, и это карта поиска сокровищ с оптимальным путем. С помощью этой карты поиска сокровищ (алгоритма) у нас больше шансов в конечном итоге найти новых детей (коммерческую ценность) во многих сложных данных.

       Говоря об этом, я не могу избавиться от чувства: даже машины пытаются учиться и выносить разумные независимые суждения. Почему бы нам не удвоить наши усилия по обучению и формированию наших собственных независимых идей? Это нашло отклик в первой французской представительной организации в Китае, которая организовала проект доктора делового администрирования (im-dba) в области интеллектуального производства и предложила инклюзивное обучение. Я примерно выразил эту точку зрения на внутреннем семинаре: «В будущем лица, принимающие бизнес-решения, должны продолжать учиться и думать, как машина искусственного интеллекта «глубокого обучения», совершенствовать личную практику (данные) и производительность (результаты) в направлении идеологических ценностей (бизнеса). законы) для своей отрасли, чтобы сохранить свое конкурентное преимущество. Поскольку машинное обучение — это направление бизнеса, достойное увеличения инвестиций в будущем, личное обучение на протяжении всей жизни также является направлением жизни, достойным постоянных инвестиций?

Преобразование данных в ценность для бизнеса

Рисунок 7:Принципиальная схема преобразования данных в ценность для бизнеса

       Например, рафинированная нефть проникает во все сферы жизни и становится топливом или сырьем для производства. Результаты анализа данных Интернета вещей должны быть интегрированы в процессы коммерческого обслуживания и стать продуктами или услугами, чтобы отразить их коммерческую ценность. Вообще говоря, чем больше услуг обработки данных могут улучшить интеграционную способность коммерческих экологических ресурсов, тем выше ценность коммерческой устойчивости.

       Помимо ценности сырья, такого как нефть, фактическая ценность данных равна сумме всех возможных видов использования. Его можно многократно использовать для изменения бизнес-процессов, повышения операционной эффективности и создания добавленной стоимости.

       Итак, в какую ценность для бизнеса могут быть преобразованы данные? Другими словами, как оценить данные, новый тип нематериального актива в будущем? В настоящее время не существует отраслевого стандарта оценки в этом отношении. Однако, как и в случае с компаниями которые оценивали различные активы в прошлом, некоторые компании по оценке стоимости обновленных данных обязательно появятся на рынке в будущем.

       В любом случае, чтобы конвертировать данные в коммерческую ценность, мы должны не только иметь соответствующие доступные технические возможности, но и иметь стратегическое понимание того, что данные могут быть конвертированы в коммерческую ценность. Оба этих фактора необходимы. Следующие три случая могут хорошо проиллюстрировать эту истину.

       Случай 1: После сбора данных о работе транспортного средства и сотрудничества с внешней компанией по анализу данных европейский производитель автомобилей обнаружил, что датчик обнаружения топливного бака, предоставленный его немецким поставщиком, имел дефект, заключающийся в частой ложной тревоге. После тщательного рассмотрения производитель автомобилей не решил напрямую сообщить поставщику эту информацию и не приказал ему внести исправления. Вместо этого она подала заявку на патент на улучшение программного обеспечения и соответствующих деталей топливного бака, а затем продала патент поставщику, чтобы установить новое партнерство с поставщиком, чтобы найти устойчивую коммерческую прибыль для своего топливного бака. Ранние инвестиции. Мы рады расширить возможности предприятий по экологическому сотрудничеству и улучшить уровень технического развития всей автомобильной промышленности, включая конкурентов.

       Если высокотехнологичное предприятие случайно столкнулось со случаем 1 в процессе анализа данных и вовремя воспользовалось бизнес-возможностью только потому, что осознавало ее ценность, то случай 2 — прямо противоположный. Это новая маркетинговая схема. активно запланировано традиционным южноамериканским производственным предприятием, с которым я познакомился во время недавнего обзора smarties x 2019. Его уникальная идея открывает глаза. Точнее, данные в этом случае поступают из мобильного Интернета, а не из Интернета вещей, но их идеи о связывании нерелевантных данных с ценностью бизнеса последовательны, что также имеет справочное значение для принятия бизнес-решений. -производители.

       Случай 2. Магазин в Бразилии, занимающийся производством и продажей кастрюль с вековой историей, называется «трамонтина». Видя, что все меньше и меньше молодых людей готовят самостоятельно, перспективы продаж продукции вызывают беспокойство. Чтобы изменить эту ситуацию, предприятие создало международную проектную команду, состоящую из поваров, экспертов по нейронным сетям, дирижеров оркестров и других специалистов, для осуществления взаимовыгодного сотрудничества со Spotify, всемирно известной музыкальной сетью, любимой молодежью. Они потратили полгода на изучение того, как использовать алгоритм «синестезии», чтобы связать музыкальный слух со вкусом еды. Во-первых, параметры музыкальных характеристик, которые могут соответствовать параметрам приготовления, проверяются на Spotify, например, отрицательный тон, соответствующий горькому вкусу, концерт, исполняемый на нескольких инструментах, соответствующий тяжелому вкусу, продолжительность музыки, соответствующая количеству ингредиентов, скачок нот, соответствующий приготовлению. температура и т. д., и создается соответствующая большая база данных. Затем с помощью искусственного интеллекта преобразуйте данные в рецепт на десятки миллионов порядков и опубликуйте его на новом сайте «Аромат песни». Наконец, когда потенциальные пользователи просматривают, они своевременно дают руководство о том, как выбрать сковороду, чтобы превратить рецепты в еду, чтобы привлечь к опыту все больше и больше молодых пользователей музыкальной сети. Таким образом, старомодная сковорода в сочетании с индивидуальным подходом к приготовлению пищи стала такой же популярной, как музыка, меняя привычки питания молодых людей и направляя их на кухню.

Рисунок 8: снимок экрана Tramontina | Flavor of Songs

       Из этих двух случаев видно, что данные, собранные намеренно или непреднамеренно, имеют потенциальную коммерческую ценность. В будущем предприятиям придется тратить больше энергии на добычу, сортировку, проверку, анализ или реорганизацию собранных данных и выбирать путь преобразования, соответствующий реальной ситуации их собственного предприятия, точно так же, как производитель автомобилей в случае 1. Преобразуйте данные в новый бизнес с атрибутами интеллектуальной собственности; Вы также можете использовать данные для создания нового маркетингового канала, например, производителя кухонной посуды в случае 2.

       Конечно, некоторые предприятия, особенно те, которые могут поднять ценность данных интеллектуального анализа до уровня корпоративной стратегии, могут пойти дальше. Они часто воспринимают данные как возможность изменить весь бизнес-процесс и перестроить бизнес-модель. В своих предыдущих статьях «Экосистема Интернета вещей» и «Бизнес-модель PAAS (продукт как услуга)» я представил множество случаев и привел соответствующие анализ. Я только что видел еще один случай, упомянутый в статье доктора Л.В. Цзяньчжуна «Путь устойчивого развития при переходе обрабатывающей промышленности к цифровому интеллекту», который очень ясен и прост для понимания. Он также очень репрезентативен. Выдержки следующие:

       Кейс 3: «В книге «Интеллектуальная трансформация» (цифровая трансформация, Дэвид Роджерс) есть такая правдивая и интересная история: TWC, компания, занимающаяся в основном услугами по прогнозированию погоды, занимается сбором, обработкой и отправкой прогнозов погоды, а затем их публикацией. реклама на издательской платформе в качестве основной бизнес-модели. Однако вскоре TWC осознала, что потенциальная ценность данных намного превышает доходы от рекламы, поэтому они создали группу специалистов по данным во главе с Софией. инструмент обработки данных в стратегический актив для создания более высокой добавленной стоимости. Исследовательская группа обнаружила, что изменение погоды повлияло на колебания одной трети экономической активности в Соединенных Штатах, поэтому они сформировали совместную рабочую группу с Wal Mart. создать модель экономического анализа, связывающую метеорологические данные, категории продаж и объем продаж, и использовать эту модель для предположения о том, какие продукты потребители будут иметь более высокий спрос и готовность покупать при каких погодных условиях, чтобы сформулировать рекламные стратегии для популярных категорий продуктов, на которые влияют погода, чтобы получить максимальный доход от продаж и повысить рентабельность рекламных вводов-выводов. Исследовательская группа также работала со страховыми компаниями над разработкой небольшого приложения под названием Hailzone, которое будет напоминать владельцам автомобилей о необходимости поставить свои машины в гараж перед градом или метелью. Это небольшое приложение значительно снизило уровень повреждения автомобилей, уменьшило неудобства и раздражение владельцев автомобилей, а также уменьшило претензии и расходы страховых компаний, что высоко оценили потребители, страховые компании, сообщества и другие заинтересованные стороны. Внезапно многие люди зарегистрировались в Hailzone. Некоторые энтузиасты-метеорологи также привезли с собой свои собственные инструменты метеорологических наблюдений, чтобы в любое время отправлять и обмениваться данными о метеорологических изменениях, отслеживаемых у них дома, на платформе градовой зоны. Таким образом, платформа Hailzone может интегрировать большой объем данных со всех направлений каждые 1.5 секунды, давать более точные прогнозы в реальном времени с помощью специальных алгоритмов и входить в позитивный цикл улучшения качества и создания ценности. "

       В случае 3 предприятие сознательно связало данные с внешней средой, активно развивало внешних экологических партнеров, создавало интерактивную сеть в режиме реального времени с розничными торговцами, страховыми компаниями, потребителями, сообществами и другими учреждениями и отдельными лицами, а также преобразовывало исходную относительно статическую погоду. базу данных прогнозов в интерактивную платформу для обновления данных в режиме реального времени с участием людей и оборудования. Предоставлять более своевременные услуги с высокой добавленной стоимостью для заинтересованных сторон и получать устойчивые экологические эффекты для бизнеса, которые могут расти сами по себе.

       Краткое описание способов, с помощью которых соответствующие данные преобразуются в устойчивую ценность для бизнеса, включает следующие три категории или комбинацию этих трех категорий:

       Сдавайте в аренду права использования своих собственных продуктов или услуг для формирования платформы данных, которая может взаимодействовать, платить и рассчитываться с пользователями (например, случаи 1 и 3), например, лизинг некоторых промышленных продуктов с высоким порогом, интеллектуальная собственность, консалтинг, информационные услуги и т. д. ;

       Создайте удобные порталы обслуживания данных для партнеров по продукту и пользователей, а затем продайте эти разрешения на портал или создайте новые маркетинговые каналы (например, случаи 2 и 3), такие как предоставление интеллектуальных логистических услуг, использование продуктов и разрешения на портал платежных услуг и т. д.

       Помогите клиентам добавить внешние данные к указанному набору данных и предоставить дополнительные услуги (например, случай 3), такие как предоставление услуг удаленного мониторинга сердечного ритма, интерпретацию и диагностику отчетов об обнаружении, а также взаимосвязь добавленной стоимости между экологическими данными и экономическими данными. деятельность.

       Одним словом, ключом к преобразованию данных в устойчивую ценность для бизнеса является построение собственной экосистемы вокруг цепочки данных, и ее успех во многом зависит от того, как сформулироватьИ реализовывать устойчивые бизнес-стратегии.

       Эта статья перенесена с официального аккаунта аналитического центра Интернета вещей. Если есть нарушение, пожалуйста, удалите фоновое сообщение.