IoT ekolojik stratejisi (I): Veriler sürdürülebilir iş değerine nasıl dönüştürülür?

       Rehberli okuma

       Nesnelerin interneti tarafından üretilen veriler giderek büyük verinin ana gücü haline geliyor. Bu makale, yenilikçi kurumsal yöneticilerin çoğunun çok endişe duyduğu bir konuyu araştırmayı amaçlamaktadır: Nesnelerin İnterneti veri zinciri boyunca veriler adım adım sürdürülebilir iş değerine nasıl dönüştürülür?

"Veriler işletmenin bilançosuna dahil edilmemiş olsa da bu sadece bir an meselesi."

       ——Büyük veri çağı Victor & middot; Mel Schoenberg

       Bazıları verinin toplum üzerindeki rolünün petrol gibi olduğunu söylüyor. Bazıları ise verinin toplum üzerindeki etkisinin petrolü geride bırakacağını söylüyor. Bence sorun yok. Hem veri hem de petrol, toplumsal değişimi teşvik eden enerji kaynaklarıdır ve bunların üretim ve uygulama süreçleri aynıdır; Ancak Veri, petrolün eşi benzeri olmayan pek çok özelliğe sahiptir: Yüksek hızda yeniden kullanılabilir, kopyalanabilir ve iletilebilir. yani verilerin toplum üzerindeki etkisi petrolünkini çok aşacak!

       Her durumda, verileri petrolle karşılaştırmak, Nesnelerin İnterneti veri zincirinin bağlamını daha iyi anlamamıza yardımcı olur. Bir petrol şirketinde çalıştım ve petrolün iş süreci hakkında biraz bilgim vardı. Verileri petrolle karşılaştıralım.

       Petrol çıkarılmadan önce, yalnızca yerkabuğunda biriken karmaşık bileşenlere sahip hidrokarbonların bir karışımıydı. Ancak yer altından püskürtüldükten sonra çok çeşitli amaçlarla kullanılabilmekte ve akaryakıt (benzin, motorin vb.), madeni yağ, kimyasal hammaddeler, plastik ürünler, vb. gibi modern toplumun çeşitli ihtiyaçları haline gelebilmektedir. vb. Ticari değeri de yavaş yavaş keskin ve canlı bir şekilde ortaya çıktı.

       Verilerin ticari değerini araştırma süreci, sanal dijital yağın rafine edilmesine benzer.

Şekil 1: Nesnelerin İnterneti veri bağlantısının petrol üretimi ve pazarlama süreci

       Şekil 1'de gösterildiği gibi, Nesnelerin İnterneti için, madencilik verilerinin değeri aynı zamanda veri madenlerini aramakla başlamalı ve ardından verileri toplama, iletme, depolama ve analiz etme yeteneğini sürekli geliştirerek, filtrelenen ve analiz edilen verileri daha da dönüştürmelidir. işletmelerin avantajlarını yansıtabilecek ticari değer. Bu süreç, petrol üretim ve pazarlama sürecine benzer bir veri bağlantısı oluşturur: Veri toplama (petrol kullanımı), veri iletişimi (petrol taşımacılığı), veri depolama ve analiz (petrol depolama ve rafinaj), uygulanması ve ticari değere dönüştürülmesi Şekil 2’de gösterilmektedir.

Şekil 2:Nesnelerin İnterneti veri bağlantısının şematik diyagramı

       Gerçekte, veri uygulama ve dönüştürme sürecinde hala yeni veriler üretiliyor. Bu yeni veriler gerçek zamanlı olarak geri beslenir ve ilk aşamaya geri döner. Diğer verilerle birlikte tüm zincir sürecini tekrar geçerek, yağın geleneksel "üretim tüketim atığı" doğrusal sürecinden farklı bir "satın alma uygulaması geri bildirim edinme" döngüsü süreci oluştururlar. Bu, sürdürülebilir "üretim tüketimi" sürecine oldukça benzer. Petrolün döngüsel ekonomi kapsamında yaşadığı "geri dönüşüm", bu nedenle nesnelerin interneti ekosisteminin inşası için sürdürülebilir iş stratejisi çok önemlidir.

       Aşağıda Şekil 2'de gösterilen adımlara göre verilerin Nesnelerin İnterneti veri zinciri boyunca sürdürülebilir iş değerine nasıl dönüştürüleceğine ilişkin adım adım bir tartışma yer almaktadır.

Veri toplama: büyük veri hedefi madenciliği alanını bulun

Şekil 3:Nesnelerin İnterneti veri toplamanın şematik diyagramı

       Ham petrolün bileşimi ve görünümü menşe yerine göre değişir ve orijinal veriler her şeyi kapsayan formdadır. Bilgisayar tarafından sayısallaştırılabilen kelimeler, resimler, sesler, semboller, sinyaller ve diğer bilgiler orijinal veriler haline gelebilir! Ayrıca, Petrolün, menşeinin jeolojisi, yer şekli ve madencilik teknolojisi için belirli eşik gereksinimleri vardır ve madencilik teknolojisi her zaman zamana ayak uydurmaktadır. Benzer şekilde, Nesnelerin İnterneti verilerinin toplanmasına ilişkin tartışma da belirli senaryolara ve gelişen kullanıma uygun olmalıdır. Koleksiyon için teknik çözümler.

       Nesnelerin İnterneti'nin ortaya çıkmasından önce, geleneksel verilerimiz genellikle kuruluş içinden gelen, müşterilerle manuel olarak etkileşime giren veya düzenli olarak okunan nispeten statik, yapısal olarak sabit ve doğru verileri ifade eder. Artık Nesnelerin İnterneti, veri toplama kapsamını geniş ölçüde genişletmektedir. Üretim ekipmanından, kullanıcılardan ve ürünlerden zaman içinde elde edilen gerçek zamanlı devasa dinamik verileri içerir. Her zamankinden daha kapsamlı ve günceldir ve geleneksel iş süreçlerindeki birçok veri boşluğunu doldurur.

       Nesnelerin İnterneti verilerinin "tam", "kapsamlı" ve "büyük" olma eğilimindeki özellikleri, bu verilere farklı bir şekilde bakmamızı zorunlu kılıyor. Artık sınırlı veriler arasındaki kesin nedensel ilişkiye odaklanmamıza gerek yok, ancak potansiyel değeri bulmak ve gelecekteki eğilimi kavramak için verilerle temsil edilen çeşitli şeyler arasındaki olası ilişkilere dair daha fazla içgörüye sahip olmamız gerekiyor. Başka bir şekilde ifade edeyim. ,IOT verilerinin temel işlevi, "tahmin" yoluyla daha renkli bir gelecek yaratmaktır. Bu yeni düşünme biçimi, mekanik hareketi anlamanın kesin düşüncesinden ziyade, yaşamın evrimini anlamaya yönelik ekolojik düşünceye daha yakındır.

       Peki ticari değere dönüştürülebilecek IoT verileri nelerdir? İş süreçlerine etkisi açısından bakıldığında kabaca şu dört kategoriye ayrılabilir diye düşünüyorum:

 
       Ekipman enerji verimliliğini ve performansını iyileştirmeye yönelik veriler:Nesnelerin İnterneti teknolojisi, ekipmanın enerji tüketimini akıllıca yönetebilir ve optimize edebilir, manuel katılımı azaltabilir ve tüm iş sürecinde enerji kaybından tasarruf edebilir. İnsanların genellikle nesnelerin interneti teknolojisini "enerji tasarrufu sağlayan teknoloji" olarak sınıflandırmasının nedeni budur.Gerçek uygulama senaryosuna göre toplamamız gereken enerji tüketimi verileri, gerçek zamanlı güç, ısı, su hacmi, basınç veya hesaplanan kömür eşdeğerinin yanı sıra ilgili voltaj, akım, hacim vb. bilgileri içerir.

       Ekipman teşhisi ve erken uyarıya ilişkin veriler:Örneğin, ekipmanın konumunun sıcaklığını, ekipmanın titreşim frekansını, sıvı akışını, çevresel gürültüyü ve hatta ekipmanın temas aralığının basıncını belirtin.Üretim sürecinde olası hataları veya felaketleri önlemek veya azaltmak için toplanacak spesifik parametreler uygulama senaryosuna göre değişiklik gösterir.

       Müşteri hizmetlerini iyileştirmek için kullanılan veriler:İşlem miktarı, işlem hacmi, işlem sıklığı, işlem konumu, ürün türü, müşteri puanı gibi duyarsızlaştırılmış müşteri işlem verilerinin yanı sıra akıllı ev için çeşitli mekansal deneyim verileri gibi müşteri kullanım verileri.Bu veriler, müşterilere yalnızca kişiselleştirilmiş referans görüşleri ve gerçek zamanlı hizmetler sunarak müşterilerin işlem kararları vermelerine yardımcı olmakla kalmıyor, aynı zamanda işletmelerin yeni müşteriler ve gelecekteki sınır ötesi ortaklar için daha kişiselleştirilmiş hizmetler sunmasına da yardımcı oluyor.

       "Hizmet olarak (xaas)" yetkilendirmesini uygulamak için kullanılan veriler:Nesnelerin interneti çağındaki "iletişim ekipmanı" çeşitli nesneleri içerir. Bunların normal çalışma süresi, yer değiştirme mesafesi, arıza süresi vb., kullanıcıların hangi hizmetlerden, hangi koşullar altında ve ne zaman yararlanma hakkına sahip olduğunu belirler.Bu veriler, çeşitli "hizmet olarak" iş modellerinin dönüştürülmesinde özellikle önemli bir rol oynamaktadır.Yetkilendirme esasına göre kullanıcılara doğrudan online olarak fiyatlandırılabilir, uzlaşılabilir ve düşülebilir.

Nesnelerin İnterneti'nin uygulama senaryoları çeşitlenme eğiliminde olup, toplama ve analiz için mevcut veri türleri sürekli olarak genişletilecektir. Yukarıda bahsedilen veri türleri, gelecekteki Nesnelerin İnterneti verilerinin yalnızca bir parçası olabilir, ancak yeni veriler temel olarak "ilgililiği bulma, sonuçları tahmin etme ve değeri gerçekleştirme" temel işlevinden ayrılamaz. Bu çekirdek etrafında, tahmin edilebilir. Nesnelerin İnterneti verilerinin, işletmeleri daha akıllı teknoloji ve daha ekolojik düşünceyle yeni bir çağa taşıyacağını düşünüyoruz!

Veri iletişimi, depolama ve analiz: verilerde hazine avı

Şekil 4:Nesnelerin interneti veri iletişimi, depolama ve analizi

       IOT verileri sanallaştırıldığı, zaman içinde değiştiği ve yeniden kullanılabilir olduğu için, IOT verilerinin iletişim, depolama ve analiz süreci, petrol iletimi, depolama ve rafinajından daha karmaşık ve esnek bir geliştirme alanına sahiptir. Bu süreç, çok sayıda ortaya çıkan son teknoloji ürünü içerir. Şekil 4'te gösterildiği gibi, veri iletişimi, yerel ve geniş alan nesnelerin interneti ağ teknolojileri, ayrıca genel veya özel bulut depolama, bulut bilişim, uç bilişim alanındaki çeşitli yeni iletişim teknolojileri ve protokolleri dahil olmak üzere teknolojiler veya teknoloji koleksiyonları, Depolama ve analiz alanında makine öğrenimi, yapay zeka, veri görselleştirme, blockchain vb. . Aynı zamanda kısa vadeli ve beyaz sıcak ticaret anlaşmazlıkları ve ticari savaşların dumanından kaçınmak da zordur.

       Bu yeni teknoloji çözümleri ve iş modelleri arasında yalnızca daha çeşitli teknolojileri ve iş kaynaklarını entegre edebilen yeni teknolojiler, yeni platformlar veya yeni iş modelleri, akıllı çipler, 5g iletişim ve nesnelerin interneti gibi geleceğin teknoloji pazarında nihai kazananlar olacaktır. Nesnelerin İnterneti teknolojisinin çekirdek alanını işgal eden işletim sistemleri veya Nesnelerin İnterneti'nin yukarı ve aşağı yöndeki ekolojik ortaklarını birbirine bağlayan, zengin API'lere sahip bir Nesnelerin İnterneti veri platformu sağlayan vb. Personel organizasyonundan teknik mimariye kadar her şey düz ve açık kaynak olma eğiliminde, çeşitli geleneksel teknik engeller yıkılıyor ve ticari yetki devrediliyor. Dolayısıyla geleneksel sektörlerdeki bazı liderlerin ölmekte olan mücadelesi de birbiri ardına ortaya çıktı.

       Bu önemli bağlantının teknolojisi ve iş trendi nasıl kavranır, örnek olarak buluttan sise uzanan aşağıdaki tipik Nesnelerin İnterneti mimarisini alın.

Şekil 5:Nesnelerin İnterneti uç analiz platformunun mimari diyagramı

       Şekilde gösterildiği gibi, akıllı terminal ekipmanlarının ve nesnelerin interneti iş senaryolarının giderek çeşitlenmesiyle birlikte, özellikle akıllı şebeke, petrol arama ve uzaktan kumandalı çoğu endüstriyel üretim alanı için veri iletimi ve geri bildirim hızının daha hızlı olması gerekmektedir. Nesnelerin İnterneti'nin ilk aşamasında mobil İnternet'e daha yakın dağıtım fikri (şeklin ortasındaki gri arka planın çıkarılması ve terminal cihazları tarafından toplanan verilerin doğrudan bulutta merkezileştirilmesi) giderek daha etkisiz hale geliyor. Elbette, birçok gerçek endüstriyel Nesnelerin İnterneti uygulama senaryosu için, bu mimarinin daha da kişiselleştirilmesi gerekir; bu, çeşitli eski ekipmanların, insan-makine arayüz yönetiminin (HMI), vb. entellektüelleştirilmesini içerebilir.

       Her halükarda, nesnelerin internetinin, özellikle de endüstriyel nesnelerin internetinin teknik çözüm dağıtım konumu, buluttan terminal ekipmanlarına daha yakın olan sis katmanına doğru ilerliyor. Bu, bulut genel müdürünün veri işleme yetkisini kendisine devretmesi gibidir. bağımsız işlem için çeşitli yerlerdeki sis alanı yöneticileri. Bu sayede sis katmanı analiz platformu, verileri daha gerçek zamanlı analiz edebilir ve daha zamanında ve uygun iş kararları alabilir. Bulut ve sis arasındaki güç dağıtımı, merkezileştirme ve bölme arasında bir denge sanatıdır. Bulut gücü devretmeli ancak çok fazla değil. Önemli olan, ikisi arasındaki gerçek zamanlı bilgi akışı kanallarını sorunsuz, zamanında ve etkili tutmaktır.

       Bu açıdan bakıldığında nesnelerin interneti mimarisinin ürettiği devasa dinamik veriler akan su gibidir. Dünyanın dört bir yanındaki "terminallerden" buharlaşarak buhar, sis, bulut, yağmur halinde buharlaşarak yeryüzüne geri döner. Doğadaki su döngüsünün, güneş ışığının enerjisi yardımıyla, dünyanın hareketiyle gelişen doğal şeyleri doğurduğunu söylersek. yerçekimi, nesnelerin internetinin veri akışı, insanların ve makinelerin bilgeliğinin yardımıyla her dikey endüstrinin doğuşuna ve kendi iş ekosisteminin inşasına yardımcı olacak yönde gelişir ve evrilir.

       Genel olarak, Nesnelerin İnterneti teknolojisi çerçevesinin buluttan sise doğru genişlemesi, iş geliştirmedeki ekolojik eğilimle uyumludur. Ticari toplumda teknik işbölümünü daha ayrıntılı ve yönetimi daha düz hale getirir. Tüm alt bölüm teknolojileri arasında veri analizi teknolojisinin çok önemli olduğu yadsınamaz. Nesnelerin interneti veri zincirinin tamamında bağlayıcı bir rol oynadığı ve anında etki gösterdiği söylenebilir. Veri analizinde en dikkat çekici alan muhtemelen yapay zekadır (AI). Birçok kişi yapay zekanın tek bir teknoloji olduğunu düşünüyor. Aslında öyle değil. Donanım düzeyinde "görsel sensör" ve "Ai çip"ten uygulama düzeyinde "Akıllı hizmetçi oluşturma" düzeyinde "yüz tanıma", "insansız sürüş" ve "konuşma tanıma"ya kadar akıllı veri analiziyle ilgili çeşitli teknolojilerin bir koleksiyonudur. ", "enerji tasarrufu analizi" ve bunların içerdiği yazılım teknolojisi, patentler, standartlar, protokoller vb. yapay zeka teknoloji setinin bir parçasıdır.

       Yapay zeka teknolojisi koleksiyonunda en öne çıkan alt küme hiç şüphesiz verilerden değerli bilgiler veya yasalar çıkarmak için bilgisayarın hesaplama gücünü kullanan "makine öğrenimi"dir. Nispeten konuşursak, geleneksel programlama, sonuçları programcı tarafından verilen algoritma kurallarına göre hesaplar. ve makine öğrenimindeki makine, programcı olarak hareket edebilir ve her hesaplama sonucunu kendi kendini düzeltme ve sürekli doğrulama için veri olarak yeniden kullanabilir. Bunların arasında, çok düzeyli yapay sinir ağlarının (ANN) yardımıyla hesaplama ve Büyük miktardaki verileri en uygun çözüme analiz etmek, "makine öğrenimini" en önemli alt kümesi olan "derin öğrenme"nin içine katıyor. Aralarındaki fark Şekil 6'da gösterilmektedir:

Şekil 6:Geleneksel programlama ile makine öğrenimi arasındaki karşılaştırma

       Hiç şüphe yok ki "derin öğrenme" gelecekte uzun bir süre nesnelerin interneti veri analizi alanında temel rekabet olacaktır. Derin öğrenme süreci, büyük veri labirentinde bir hazine avı haritası bulmak için çok seviyeli sinir ağını kullanmaya eşdeğerdir ve en uygun yola sahip bir hazine avı haritasıdır. Bu hazine avı haritası (algoritma) sayesinde, birçok karmaşık verinin içinde eninde sonunda yeni bebekler (ticari değer) bulma ihtimalimiz daha yüksek.

       Bundan bahsetmişken şunu hissetmeden edemiyorum: Makineler bile öğrenmeye ve akıllı, bağımsız kararlar vermeye çalışıyor. Öğrenme ve kendi bağımsız fikirlerimizi oluşturma çabalarımızı neden iki katına çıkarmıyoruz? Bu, akıllı üretimde İşletme Doktoru (im-dba) projesine ev sahipliği yapan ve kapsayıcı öğrenmeyi öneren Çin'deki ilk Fransız temsilci organizasyonunda yankı buldu. Bu görüşü şirket içi Seminerde kabaca ifade ettim: Gelecekte, iş dünyasının karar vericileri "derin öğrenme" yapay zeka makinesi gibi öğrenmeye ve düşünmeye devam etmeli, kişisel uygulamaları (verileri) ve performansı (sonuçları) yol gösterici ideolojik değerlere (işletme) dönüştürmelidir. Rekabet avantajlarını sürdürmek için endüstrileri için kanunlar). Makine öğrenimi geleceğe yatırımı artırmaya değer bir iş yönü olduğundan, kişisel yaşam boyu öğrenme de sürekli yatırıma değer bir yaşam yönüdür?

Verileri iş değerine dönüştürme

Şekil 7:Verilerin iş değerine dönüştürülmesinin şematik diyagramı

       Örneğin rafine yağ, yakıt veya üretim hammaddesi haline gelmek üzere yaşamın her alanına girmektedir. Nesnelerin İnterneti veri analizi sonuçlarının, ticari değerini yansıtabilmesi için ticari hizmet süreçlerine entegre edilmesi ve ürün veya hizmet haline getirilmesi gerekir. Genel olarak konuşursak, ticari ekolojik kaynakların entegrasyon yeteneğini geliştirebilecek veri hizmetleri ne kadar fazla olursa, değer de o kadar yüksek olur ticari sürdürülebilirliğin

       Petrol gibi bir ham madde olarak değerinin yanı sıra, verinin gerçek değeri de tüm olası kullanımların toplamına eşittir. İş süreçlerini değiştirmek, operasyonel verimliliği artırmak ve katma değer yaratmak için defalarca kullanılabilir.

       Peki veri ne kadar iş değerine dönüştürülebilir? Başka bir deyişle geleceğin yeni bir maddi olmayan varlık türü olan veri nasıl değerlenir? Şu anda bu konuda bir sektör değerlendirme standardı bulunmamaktadır. Ancak tıpkı şirketler gibi Geçmişte çeşitli varlıkları değerlendiren bazı canlandırıcı veri değeri değerlendirme şirketleri gelecekte mutlaka piyasada yer alacaktır.

       Her halükarda veriyi ticari değere dönüştürmek için sadece ilgili teknik yeteneklere sahip olmamız değil, aynı zamanda verinin ticari değere dönüştürülebileceğine dair stratejik farkındalığa da sahip olmamız gerekiyor. Her ikisi de vazgeçilmezdir. Aşağıdaki üç örnek bu gerçeği çok iyi açıklayabilir.

       Durum 1: Aracın çalışma verilerini topladıktan ve harici bir veri analiz şirketiyle işbirliği yaptıktan sonra Avrupalı ​​bir otomobil üreticisi, Alman tedarikçisi tarafından sağlanan yakıt deposu algılama sensöründe sık sık yanlış alarm verme kusurunun bulunduğunu tespit etti. Dikkatli bir incelemenin ardından otomobil üreticisi, tedarikçiye doğrudan bilgiyi söylemeyi ve düzeltme yapmasını istemeyi tercih etmedi. Bunun yerine, yakıt deposundaki yazılımı ve ilgili parçaları iyileştirerek iyileştirme için patent başvurusunda bulundu ve daha sonra tedarikçiye sürdürülebilir bir ticari getiri bulmak amacıyla tedarikçiyle yeni bir ortaklık kurmak için patenti tedarikçiye sattı. Erken yatırım, İşletmelerin ticari ekolojik işbirliği yeteneğini geliştirmekten ve rakipler de dahil olmak üzere tüm otomobil imalat endüstrisinin teknik gelişim düzeyini geliştirmekten mutluluk duyuyoruz.

       Durum 1, yüksek teknolojili bir kuruluş tarafından veri analizi sürecinde tesadüfen karşılaşmışsa ve yalnızca değerinin farkında oldukları için iş fırsatını zamanında yakalamışsa, durum 2 tam tersidir. Bu yeni bir pazarlama planıdır. Smarties x 2019 inceleme etkinliğinde temas kurduğum Güney Amerika'daki geleneksel bir imalat şirketi tarafından aktif olarak planlanıyor. Benzersiz fikri göz açıcıdır. Kesin olmak gerekirse, bu vakanın verileri nesnelerin interneti yerine mobil internetten geliyor, ancak alakasız verileri iş değeriyle ilişkilendirme fikirleri tutarlı ve bu da iş kararları için referans önemi taşıyor. -yapımcılar.

       Durum 2: Brezilya'da tencere üreten ve satan asırlık bir dükkâna tramontina adı veriliyor. Kendi başına yemek pişiren gençlerin giderek azaldığını görmek, ürün satış beklentisi endişe verici. İşletme, bu durumu değiştirmek amacıyla gençlerin sevdiği, dünyaca ünlü müzik ağı Spotify ile kazan-kazan iş birliği yürütmek üzere şefler, sinir ağı uzmanları, orkestra şefleri ve diğer profesyonellerden oluşan uluslararası bir proje ekibi kurdu. Müziği duymayı yemek tadıyla ilişkilendirmek için "sinestezi" algoritmasını nasıl kullanacaklarını incelemek için altı ay harcadılar. Öncelikle acı tada karşılık gelen negatif ton, ağır tada karşılık gelen birden fazla enstrümanla çalınan Konçerto, malzeme sayısına karşılık gelen müzik süresi, pişirmeye karşılık gelen nota atlama gibi pişirme parametrelerine karşılık gelebilecek müzik karakteristik parametreleri Spotify'da görüntülenir. sıcaklık vb. ve buna karşılık gelen geniş bir veri tabanı oluşturulur. Ardından yapay zekayı kullanarak verileri on milyonlarca büyüklükteki bir tarife dönüştürün ve bunu yeni "şarkıların tadı" web sitesinde yayınlayın. Son olarak, potansiyel kullanıcılar göz attığında, müzik ağının giderek daha fazla genç kullanıcısını deneyimlemeye çekmek amacıyla, tarifleri yiyeceğe dönüştürmek için bir tavanın nasıl seçileceği konusunda zamanında bir kılavuz veriyorlar. Böylelikle kişiye özel yemek pişirmeyle birleşen eski tarz tava, müzik kadar popüler hale gelerek gençlerin beslenme alışkanlıklarını değiştiriyor ve onları mutfağa yönlendiriyor.

Şekil 8: Tramontina'nın ekran görüntüsü|şarkıların tadı

       Bu iki durumdan, kasıtlı veya kasıtsız olarak toplanan verilerin potansiyel ticari değere sahip olduğu görülmektedir. Gelecekte işletmelerin, toplanan verileri çıkarmaya, sınıflandırmaya, taramaya, analiz etmeye veya yeniden düzenlemeye daha fazla enerji harcaması ve tıpkı otomobil üreticisinin 1. durumda Verileri bir veriye dönüştürmesi gibi, kendi işletmelerinin fiili durumuna uygun bir dönüşüm yolu seçmesi gerekecektir. Fikri mülkiyet niteliklerine sahip yeni iş; Verileri, 2. durumda mutfak eşyası üreticisi gibi yeni bir pazarlama kanalı oluşturmak için de kullanabilirsiniz.

       Elbette bazı işletmeler, özellikle de madencilik verilerinin değerini kurumsal stratejisinin zirvesine çıkarabilenler daha da ileri gidebilir. Genellikle verileri tüm iş sürecini değiştirmek ve iş modelini yeniden şekillendirmek için bir fırsat olarak değerlendiriyorlar. "Nesnelerin interneti ekosistemi" ve "PAAS (hizmet olarak ürün) iş modeli" ile ilgili daha önceki yazılarımda birçok örneği tanıtmış ve ilgili örnekler vermiştim. analiz. Az önce Dr. LV Jianzhong'un "imalat endüstrisinin dijital zekaya dönüşümünün sürdürülebilir kalkınma yolu" başlıklı makalesinde bahsi geçen başka bir vakayı gördüm; bu çok açık ve anlaşılması kolaydır. Aynı zamanda oldukça temsili niteliktedir. Alıntılar aşağıdaki gibidir:

       Durum 3:"Akıllı dönüşüm" kitabında (dijital dönüşüm, David Rogers) O kadar gerçek ve ilginç bir hikaye var ki: Esas olarak hava tahmini hizmetleriyle uğraşan bir şirket olan TWC, hava tahminlerini toplamayı, işlemeyi ve göndermeyi ve ardından yayınlamayı alıyor Ancak TWC, kısa sürede verilerin potansiyel değerinin reklamlardan elde edilen geliri çok aştığını fark etti ve Sofia'nın liderliğinde bir grup veri bilimci kurdu. Veri aracını daha yüksek katma değer yaratmak için stratejik bir varlığa dönüştüren araştırma ekibi, hava değişiminin Amerika Birleşik Devletleri'ndeki ekonomik faaliyetlerin üçte birinde dalgalanmalar üzerinde etkili olduğunu buldu. Böylece Wal Mart ile ortak bir çalışma grubu oluşturdular. meteorolojik veriler ile satış kategorileri ve satış hacmini birbirine bağlayan bir ekonomik analiz modeli oluşturmak ve bu modeli kullanarak tüketicilerin hangi ürünleri hangi hava koşullarında daha fazla satın alma talebine ve istekliliğine sahip olacağı konusunda spekülasyon yapmak, böylece hava koşullarından etkilenen popüler ürün kategorileri için reklam stratejileri oluşturmak. Maksimum satış geliri elde etmek ve reklam girdi-çıktılarının geri dönüş oranını artırmak için. Araştırma ekibi ayrıca, araç sahiplerine dolu veya kar fırtınası öncesinde arabalarını garaja taşımalarını hatırlatmak için hailzone adı verilen küçük bir uygulama geliştirmek üzere sigorta şirketleriyle de çalıştı. Bu küçük uygulama, arabanın hasar oranını büyük ölçüde azalttı, araç sahiplerinin rahatsızlıklarını ve sıkıntılarını hafifletti ve aynı zamanda tüketiciler, sigorta şirketleri, topluluklar ve diğer paydaşlar tarafından övgüyle karşılanan sigorta şirketlerinin hasar taleplerini ve maliyetlerini de azalttı. Birdenbire birçok kişi hailzone'a kaydoldu. Bazı meteoroloji meraklıları, kendi yerlerinde takip edilen meteorolojik değişim verilerini istedikleri zaman dolu bölgesi platformuna gönderip paylaşmak için kendi meteorolojik gözlem araçlarını da getirdiler. Bu sayede dolu bölge platformu her 1.5 saniyede bir her yönden büyük miktarda veriyi entegre edebiliyor, özel algoritmalar aracılığıyla daha gerçek zamanlı ve doğru tahminler verebiliyor ve olumlu bir kalite iyileştirme ve değer yaratma döngüsüne girebiliyor. "

       Durum 3'te, kuruluş verileri bilinçli olarak dış çevreyle ilişkilendirmiş, aktif olarak dış ekolojik ortaklar geliştirmiş, perakendeciler, sigorta şirketleri, tüketiciler, topluluklar ve diğer kurum ve kişilerle gerçek zamanlı etkileşimli bir ağ kurmuş ve orijinal nispeten statik hava durumunu dönüştürmüştür. tahmin veritabanını, kişi ve ekipmanların katılımıyla gerçek zamanlı veri güncelleme ve etkileşimli bir platforma dönüştürmek, Paydaşlara daha zamanında, yüksek katma değerli hizmetler sunmak ve kendi kendine büyüyebilen sürdürülebilir iş ekolojik etkileri elde etmek.

       İlgili verilerin sürdürülebilir iş değerine dönüştürülme yollarının kısa bir özeti aşağıdaki üç kategoriyi veya bu üç kategorinin bir kombinasyonunu içerir:

       Bazı yüksek eşikli endüstriyel ürün kiralama, fikri mülkiyet, danışmanlık, bilgi hizmetleri vb. gibi kullanıcılarla etkileşime girebilecek, ödeme yapabilecek ve ödeme yapabilecek (durum 1 ve 3 gibi) bir veri platformu oluşturmak için kendi ürün veya hizmetlerinin kullanım haklarını kiralamak ;

       Ürün ortakları ve kullanıcılar için uygun veri hizmeti portalları oluşturun ve ardından bu portal izinlerini satabilir veya akıllı lojistik hizmetleri, ürün kullanımı ve ödeme hizmeti portalı izinleri vb. sağlama gibi yeni pazarlama kanalları (2. ve 3. durum gibi) oluşturabilirsiniz.

       Müşterilerin belirtilen veri setine harici veriler eklemesine ve uzaktan kalp atış hızı izleme hizmetleri ve tespit raporlarının yorumlanması ve teşhisi ile çevresel veriler ile ekonomik veriler arasındaki katma değerli ilişkinin sağlanması gibi katma değerli hizmetler (durum 3 gibi) sağlamasına yardımcı olun aktiviteler.

       Tek kelimeyle, verileri sürdürülebilir iş değerine dönüştürmenin anahtarı, veri zinciri etrafında kendi ekosisteminizi oluşturmaktır ve başarısı büyük ölçüde nasıl formüle edileceğine bağlıdır.Ve sürdürülebilir iş stratejileri uygulayın.

       Bu makale Nesnelerin İnterneti düşünce kuruluşunun resmi hesabından aktarılmıştır. İhlal varsa lütfen arka plan mesajını silin.