IOT生態策略（一）：如何將數據轉化為永續的商業價值？

       引導閱讀

       物聯網產生的數據正逐漸成為大數據的主力。本文旨在探討大多數創新企業主管非常關心的問題：如何沿著物聯網資料鏈將資料一步步轉化為永續的商業價值？

“雖然這些數據還沒有被納入企業的資產負債表，但這只是時間問題。”

       ——大數據時代維克多·梅爾·勳伯格

       有人說，數據對社會的作用就像石油。也有人說，數據對社會的影響將超越石油。我覺得沒問題。的影響力將遠遠超過石油！

       無論如何，將數據比作石油，有助於更好地理解物聯網數據鏈的脈絡。讓我們將數據與石油進行比較。

       在石油被開採之前，只是沉積在地殼中的各種成分複雜的碳氫化合物的混合物。然而一旦從地下噴湧而出，便可以有多種用途，成為燃料（汽油、柴油等）、潤滑油、化工原料、塑膠製品等現代社會的各種必需品，其商業價值也逐漸展現得淋漓盡致。

       挖掘資料商業價值的過程，就如同煉製虛擬數位石油。

圖1：石油產銷流程物聯網資料鏈路

       如圖1所示，對於物聯網來說，挖掘資料價值也應該從尋找資料礦場開始，然後透過不斷提高收集、交流、儲存和分析資料的能力，將那些經過過濾和分析的資料進一步轉化為能夠體現企業優勢的商業價值。及商業價值轉換如圖2所示。

圖2：物聯網資料鏈路示意圖

       現實中，在資料的應用和轉換過程中仍會產生新的資料。這些新的數據被即時回饋，回到初始階段。它們與其他數據一起再次經歷整個鏈條過程，形成不同於傳統石油「生產—消費—廢棄」線性過程的「採集—應用—反饋—採集」循環過程，這與循環經濟下石油所經歷的「生產—消費—循環」的可持續過程頗為相似，這也是為什麼可持續經營戰略對於物聯網生態系統構建非常重要的原因。

       以下依照圖2所示的步驟，逐步探討如何沿著物聯網資料鏈，將資料轉化為永續的商業價值。

資料收集：尋找大資料目標挖掘區

圖3：物聯網資料擷取示意圖

       原油的成分和外觀因產地不同而不同，原始數據在形式上都是包容性的。的地質、地形和開採技術都有特定的門檻要求，而開採技術總是與時俱進。

       在物聯網興起之前，我們傳統的數據一般是指來自企業內部、人工與客戶互動或定期讀取的相對靜態的、結構固定的、準確的數據。它包括來自生產設備、用戶和產品隨時間變化的即時海量動態數據。它比以往更加全面和及時，填補了傳統業務流程中的許多數據空白。

       正是物聯網資料趨於「完整」、「全面」、「海量」的特點，使得我們不得不以不同的思考方式來看待這些數據。我們不再需要關注有限數據之間嚴格的因果關係，而是更加洞察數據所代表的各種事物之間可能存在的關係，從而發現潛在的價值，把握未來的趨勢。的核心功能是透過「預測」創造更豐富多彩的未來。

       那麼可以轉換為商業價值的物聯網資料有哪些呢？

 
       提高設備能源效率和效能的數據：物聯網技術可以對設備的能耗進行智慧化管理和最佳化，減少人工參與，節​​省整個業務流程的能源損失。這也是為什麼人們普遍把物聯網技術歸類為「節能技術」的原因。根據實際應用場景，我們需要採集的能耗數據包括即時的電量、熱量、水量、壓力或計算的煤當量，以及關聯的電壓、電流、體積等。

       設備診斷預警數據：例如指定設備位置的溫度、設備振動頻率、流體流量、環境噪聲，甚至設備接觸間隙的壓力。具體需要採集的參數根據應用場景不同而不同，從而防止或減少生產過程中可能出現的故障或災難。

       使用數據來改善客戶服務：減敏的客戶交易數據，例如交易數量、交易額、交易頻率、交易地點、產品類型、客戶評分，以及客戶的使用數據，例如智慧家庭的各種空間體驗數據。這些數據不僅能夠為客戶提供個人化的參考意見和即時服務，幫助客戶做出交易決策，還能幫助企業為新客戶以及未來的跨國合作夥伴提供更個人化的服務。

       用於實現「即服務（XAAS）」授權的數據：物聯網時代的「通訊設備」包括各種各樣的物件。其正常運作時間、位移距離、失效時間等決定了使用者在什麼條件下、何時有權使用哪些服務。這些數據在各種「即服務」商業模式的轉型中發揮著尤為突出的作用。在授權的基礎上，使用者還可直接在網路上計價、結算、扣款。

隨著物聯網的應用場景趨於多元化，可供擷取和分析的資料類型將持續擴大。上述的資料類型可能只是未來物聯網資料的一部分，但新的資料基本上都離不開「找出關聯性、預測結果、實現價值」的核心功能。將以更智慧的科技、更生態的思維引領商業進入新時代！

資料通訊、儲存與分析：資料中的尋寶

圖4：物聯網資料通訊、儲存與分析

       由於物聯網資料具有虛擬化、隨時間變化、可重複利用等特點，物聯網資料的通訊、儲存和分析過程比石油傳輸、儲存和煉油等過程具有更複雜性和靈活的發展空間。大量新興前沿技術。邊緣運算、機器學習、人工智慧、資料視覺化、區塊鏈等在儲存和分析領域。同時，短期白熱化的貿易爭端和商戰硝煙也難以避免。

       在這些新技術解決方案和商業模式中，只有那些能夠整合更多元技術和商業資源的新技術、新平台或新商業模式，才是未來科技市場的最終贏家，例如智慧晶片、5G通訊、物聯網等。都在趨向扁平化、開源化，各種傳統的技術障礙正在被打破，商業權限正在下放。因此，一些傳統行業領導人物的垂死掙扎也相繼被揭露。

       如何掌握這一關鍵環節的技術和商業趨勢，以以下典型的從雲端到霧延伸的物聯網架構為例。

圖5：物聯網邊緣分析平台架構圖

       如圖所示，隨著智慧終端設備和物聯網業務場景的日益多樣化，要求資料傳輸和回饋速度更快，特別是對於智慧電網、石油勘探以及大多數遠端操作的工業製造領域，物聯網初期更接近行動互聯網的部署思路——省略圖中中間的灰色背景，直接將終端設備採集的數據集中到雲端——正變得越來越無效。 ，這個架構還需要進一步個人化，這可能會涉及到各種舊設備的智慧化、人機介面管理（HMI）等。

       無論如何，物聯網尤其是工業物聯網的技術方案部署位置正在從雲端轉向更靠近終端設備的霧層。這樣，霧層分析平台就可以更即時地分析數據，做出更及時、更恰當的商業決策。雲端應該授權，但不能太多。關鍵是保持兩者之間的即時資訊流通管道暢通、及時、有效。

       從這一點來看，物聯網架構產生的海量動態資料就像流水一樣。它從世界各地的「終端」蒸發成蒸汽、霧、雲、雨，返回地球。下，物聯網的資料流藉助人與機器的智慧，朝著有利於各個垂直產業誕生、建構自身商業生態系統的方向發展與演化。

       整體而言，物聯網技術框架從雲向霧的拓展符合業務發展的生態趨勢。它使得商業社會的技術分工更加細化，管理更加扁平化。可以說，它在整個物聯網資料鏈中起到了承上啟下的作用，並且效果立竿見影。許多人認為人工智慧是一項單一技術。事實上，事實並非如此。收集了智慧數據分析相關的各種技術，從硬體層面的“視覺感測器”、“AI晶片”，到應用層面的“人臉辨識”、“無人駕駛”、“語音辨識”，“打造智慧管家」 」、「節能分析」以及其中所包含的軟體技術、專利、標準、協定等都是人工智慧技術集的一部分。

       在人工智慧技術的集合中，最突出的子集無疑是“機器學習”，它利用電腦運算能力從資料中挖掘有價值的資訊或規律。規則來計算結果，而機器學習中的機器可以充當程式設計師，將每個計算結果重新作為數據進行自我修正和持續驗證。來尋找最優解，將「機器學習」納入其最重要的子集「深度學習」。

圖6：傳統程式設計與機器學習的比較

       毫無疑問，「深度學習」在未來很長一段時間內都會是物聯網資料分析領域的核心競爭。深度學習的過程相當於用多層神經網路在大數據迷宮中尋找一張尋寶地圖，而且是一張具有最優路徑的尋寶地圖。有了這個尋寶地圖（演算法），我們就更有可能在眾多複雜的數據中最終找到新的寶貝（商業價值）。

       說到這裡，我不禁感慨：即使是機器也在努力學習並做出智慧的獨立判斷。為什麼我們不加倍努力學習，形成自己獨立的思想呢？我在內部研討會上大致表達了這樣的觀點：未來，企業決策者應該像「深度學習」人工智慧機器一樣不斷學習和思考，將個人實踐（數據）和績效（結果）提煉成指導思想價值（企業既然機器學習是未來值得加大投入的商業方向，那麼個人終身學習也是值得持續投入的人生方向嗎？

將數據轉化為商業價值

圖7：數據轉換為商業價值示意圖

       例如，成品油進入各行各業成為燃料或生產原​​料。物聯網資料分析的結果必須融入商業服務流程中，成為產品或服務，才能反映其商業價值。性。

       除了作為石油等原料的價值外，數據的實際價值等於所有可能用途的總和。它可以重複使用，以改變業務流程，提高營運效率並產生增值。

       那麼，數據能轉化為多少商業價值？上肯定會出現一些令人耳目一新的數據價值評估公司。

       無論如何，要將數據轉化為商業價值，我們不僅要有相應的可用技術能力，還要有數據能夠轉化為商業價值的策略意識。兩者缺一不可。

       案例1：歐洲某汽車製造商在收集車輛運行數據並與外部數據分析公司合作後發現其德國供應商提供的油箱檢測感測器有頻繁誤報的缺陷。經過深思熟慮，汽車生產企業並沒有選擇直接將資訊告知供應商並命令其整改。相反，它通過改進軟體和油箱上的相應部件來申請改進專利，然後將專利出售給供應商，與供應商建立新的合作夥伴關係，從而為其尋找可持續的商業回報。高興能夠增強企業的業務生態合作能力，並提高包括競爭對手在內的整個汽車製造業的技術開發水準。

       如果說案例1是一家高科技企業在數據分析過程中偶然遇到的，只是因為意識到了其價值而及時抓住了商機，那麼案例2則恰恰相反，是一種新的營銷方案這是我在最近的Smarties x 2019回顧活動中接觸到的一家南美傳統製造企業積極策劃的。其獨特的想法讓人大開眼界。 -製造商。

       案例2：巴西一家生產銷售平底鍋的百年老店叫tramontina。看到年輕人自己做飯的人越來越少，產品銷售前景堪憂。為了改變這一現狀，該企業成立了由廚師、神經網路專家、樂隊指揮等專業人士組成的國際專案團隊，與年輕人喜愛的全球知名音樂網路Spotify開展雙贏合作。他們花了半年時間研究如何使用「聯覺」演算法將音樂聽覺與食物味道聯繫起來。首先在Spotify上篩選出可以對應烹飪參數的音樂特徵參數，例如苦味對應的負音、重味對應的多樂器協奏曲、食材數量對應的音樂時長、烹飪對應的音符跳變等。相應的大資料庫。然後，利用人工智慧將數據轉化為千萬量級的食譜，發佈到「歌之味」新網站上。最後，潛在用戶在瀏覽時，及時給出如何選擇平底鍋將食譜變成食物的指導，吸引越來越多的樂網年輕用戶體驗。就這樣，老式平底鍋結合個人化烹飪，像音樂一樣流行起來，改變年輕人的飲食習慣，引導他們走向廚房。

圖8：tramontina|歌曲風味的螢幕截圖

       從這兩個案例可以看出，有意無意收集的資料具有潛在的商業價值。未來，企業需要花費更多的精力對收集到的資料進行挖掘、整理、篩選、分析或重組，選擇適合自己企業實際情況的轉換路徑，就像案例1中的汽車製造商一樣，將資料轉換為數據具有知識產權屬性的新業務；還可以利用數據建立新的行銷管道，就像案例2中的廚具製造商一樣。

       當然，有些企業，尤其是那些能夠將挖掘資料的價值提升到企業策略高度的企業，可以走得更遠。他們往往以數據為契機，改變整個業務流程，重塑商業模式。了相關分析。剛剛看到呂建中博士的文章《製造業向數位化智慧轉型的永續發展路徑》中提到的另一個案例，講得非常清晰易懂，也很有代表性。

       案例3：《智慧轉型》（數位轉型，David Rogers）一書中有這樣一個真實有趣的故事：TWC，一家主要從事天氣預報服務的公司，收集、處理和發送天氣預報，然後發布然而，TWC 很快意識到數據的潛在價值遠遠超過了廣告帶來的收入，因此他們成立了一個由Sofia 領導的數據科學家小組，這個小組的任務就是轉向。的經濟活動的波動產生了影響，因此他們與沃爾瑪組成了一個聯合工作小組。 建立氣象數據與銷售品類、銷量相聯繫的經濟分析模型，利用該模型推測消費者在什麼天氣條件下，哪些產品會有更高的購買需求和意願，從而針對受天氣影響的熱門產品品類制定廣告策略天氣，從而獲得最大的銷售收入，提高廣告投入產出回報率。研究團隊還與保險公司合作開發了一款名為Hailzone的小應用程序，提醒車主在冰雹或暴風雪之前將汽車移入車庫。這個小APP大大降低了車損率，緩解了車主的不便和煩惱，也減少了保險公司的理賠理賠和費用，受到了消費者、保險公司、社區等利益相關者的好評。一時之間，很多人都註冊了Hailzone。有些氣象愛好者也自備氣象觀測工具，隨時將自己所在地監測到的氣象變化資料發送分享到冰雹平台。這樣，Hailzone平台可以每1.5秒整合來自各個方向的大量數據，透過特殊演算法給出更即時和準確的預測，進入品質提升和價值創造的良性循環。 」

       案例3中，企業有意識地將數據與外部環境進行鏈接，積極發展外部生態夥伴，與零售商、保險公司、消費者、社區等機構和個人建立實時交互網絡，將原來相對靜態的天氣預報數據庫改造成有人員和設備參與的實時數據更新與交互平台，為利益相關方提供更加及時的高附加值服務，獲得能夠自我成長的持續性商業生態效應。

       相關數據轉化為永續商業價值的方式簡單概括包括以下三類或這三類的組合：

       將自身產品或服務的使用權出租，形成能與使用者互動、支付結算的資料平台（如案例1、3），例如一些門檻較高的工業產品租賃、IP、諮詢、資訊服務等；

       為產品合作方和使用者建立便利的資料服務門戶，然後將這些門戶權限出售或建立新的行銷管道（如案例2、3），例如提供智慧物流服務、產品使用和支付服務門戶權限等。

       幫助客戶在指定的資料集中新增外部資料並提供加值服務（如案例3），例如提供遠端心率監測服務和偵測報告的解讀與診斷，以及環境資料與經濟活動之間的增值關係。

       總而言之，將數據轉化為可持續的商業價值的關鍵是圍繞數據鏈建立自己的生態系統，而它的成功很大程度上取決於如何制定並實施可持續的經營策略。

       本文轉自物聯網智庫公眾號。如有侵權，請刪除後台留言。