اکوسیستم‌های داده‌ای اینترنت اشیا چگونه رقابت B2B ها را متحول می‌کند – بخش اول

اکوسیستم‌های داده‌ای اینترنت اشیا چگونه رقابت B2B ها را متحول می‌کند – بخش دوم

این مقاله از سری مقاله‌هایی است که موضوع خلق ارزش از داده‌های اینترنت اشیاء را موردبحث قرار می­دهند.

کلمات کلیدی

استراتژی دیجیتال، تکنولوژی، اینترنت اشیا، اکوسیستم داده، اکوسیستم دیجیتال، کسب و کار به کسب و کار، دنیای دیجیتال

چهار مرحله پول‌سازی از داده‌های اینترنت اشیا

بسیاری از شرکت‌ها با سرمایه‌گذاری بالا و تولیدی هنوز در مراحل اولیه توسعه قابلیت‌های دیجیتالی و تجزیه‌وتحلیل نحوه استفاده داده‌ها از ماشین‌آلات و محصولات متصل‌به‌هم هستند. سرمایه‌گذاری در این موقعیت‌ها شرکت‌ها را ملزم می‌کند تغییری مشابه تغییر ایجادشده توسط شرکت‌های فناوری در سال ۲۰۰۰ ایجاد کنند، از مدل‌های کسب‌وکار مبتنی بر عمدتاً فروش سخت‌افزار به ساخت مدل‌ها در حول نرم‌افزار و خدمات تغییر جهت دهند. درحالی‌که شرکت‌ها در برخی صنایع، ازجمله ساخت موتور هواپیما، برای ارائه نظارت از راه دور و راه‌حل‌ها از تجهیزات متصل به سیستم استفاده کرده‌اند، اما بیشتر تلاش‌ها هنوز در مرحله شواهدی برای عمل می‌باشند و شرکت‌های کمی مدل‌های کسب‌وکار یا عملیات مبتنی بر داده‌های اینترنت اشیا در خارج از محصولات و فرآیندهای کسب‌وکار موجود خود را توسعه داده‌اند.

برای پی بردن به اهمیت اکوسیستم داده‌ها، تیم‌های مدیریتی در شرکت‌های B2B ابتدا باید چهار مرحله پول‌سازی از داده‌ها را درک کنند (شکل ۲.)

درحالی‌که سطوح اولیه موردبحث و گفتگو بوده است، اما در اینجا بررسی مختصری از پیشرفت اکتشاف اکوسیستم داده‌ها انجام‌شده است. حتی شرکت‌ها در ابتدای بررسی خود در نحوه ایجاد دارایی‌های اختصاصی، توسعه پیشنهاد‌های داده محور و مشارکت در اکوسیستم‌های داده باید یک استراتژی بلندمدت‌تر تعریف کنند.

قابلیت‌های دیجیتالی بنیادی. شرکت‌ها کار تجزیه‌وتحلیل و دیجیتالی خود را با توسعه قابلیت‌های بنیادی و پلتفرم‌های دیجیتالی لازم برای جمع‌آوری، یکپارچه‌سازی، مدیریت، تأمین امنیت و تجزیه‌وتحلیل داده‌ها شروع کنند.

این امر ساده نیست. شرکت‌ها واحدهای دیجیتالی جدید و فرآیندهای مدیریتی نیاز دارند تا بررسی کنند که چه موارد کاربردی بالقوه‌ای، بازگشت سرمایه زیادی دارند. باید مدل‌های عملیاتی ایجاد کنند تا راه‌حل‌های دیجیتالی ارائه دهند، از روش‌های کاری سریع و تیم‌های چندوظیفه‌ای که با فناوری اطلاعات، تولید، مهندسی و توسعه محصول آمیخته هستند استفاده کنند. آن‌ها به‌واسطه حسگرها، پردازنده‌ها و اتصال، اشیایی مانند محصولات، تجهیزات تولید و نظارت بر لجستیک را دیجیتالی خواهند کرد. همچنین داده‌های اینترنت اشیای را گردآوری و ذخیره خواهند کرد که می‌توانند با دیگر منابع داده‌های سازمانی ترکیب شوند. با افزایش میزان و تنوع داده‌ها، شرکت‌ها به فرآیندهایی نیاز خواهند داشت که کیفیت و مدیریت کیفیت داده‌ها را تضمین می‌بخشند. برای اینکه داده‌ها ارزش داشته باشند، باید صحیح، سازگار و کامل باشند.

این قابلیت‌ها باوجوداینکه به‌خودی‌خود کامل نیستند اما پیش‌نیازی بر اجرای راه‌حل‌های اینترنت اشیا و تسخیر ارزش داده‌های اینترنت اشیا هستند و باید در اکوسیستم‌های داده مشارکت داشته باشند. توسعه این قابلیت‌ها ضرورتاً به سرمایه‌گذاری قابل‌توجهی نیاز دارد که شرکت‌ها می‌توانند تنها به‌واسطه شناسایی موقعیت‌ها برای پولی سازی دارایی‌های داده‌های اینترنت اشیای خود این سرمایه‌گذاری‌ها را قضاوت کنند. این امر به دیگر دو سطح پول‌سازی داده‌ها می‌انجامد: کاربرد بینش‌های داده محور به فرآیندهای درونی و فروش خارجی محصولات و خدمات داده محور جدید.

پول‌سازی از داده‌های داخلی. پول‌سازی از داده‌های داخلی یک نقطه شروع طبیعی است زیرا به صرفه‌جویی‌های مستقیم هزینه می‌انجامد و اجرای پول‌سازی به‌طور کامل تحت کنترل شرکت است. نظرسنجی سیسکو در سال ۲۰۱۷ در مورد فناوری اطلاعات و تصمیم‌گیرندگان کسب‌وکار در ایالات‌متحده، بریتانیا و هندوستان به این یافته رسید که متداول‌ترین برنامه‌های اینترنت اشیا (۴۷%) بر ارتقای کیفیت محصولات یا عملکرد، ارتقای تصمیم‌گیری (۴۶%) و کاهش دادن هزینه‌های عملیات (۴۵%) متمرکز می‌شوند.

به‌عنوان‌مثال، یک سازنده فولاد از تجهیزات حسگر برای تغذیه الگوریتم هوش مصنوعی داده محور استفاده می‌کند تا ضخامت یکنواختی از روی بازدارنده زنگ‌زدگی بر روی فولاد خودروهای پیشرفته ایجاد کند. الگوریتم هوش مصنوعی نسبت به کنترل دستی، یکنواختی بیشتری فراهم می‌کند، چیزی که میزان هدر رفتن روی را کاهش می‌دهد و درعین‌حال کیفیت و بهره‌وری کارگر را افزایش می‌دهد.

پول‌سازی کاربردهای مختلف دیگری دارد که متداول هستند و این کاربردها شامل ارتقای طرح محصول، راه‌اندازی سیستم‌های پیش‌بینی نگهداری، خودکارسازی کردن زنجیره‌های تأمین و اجرای دیگر راه‌کارهای هوشمند در بافتار Industry 4.0 است.

بااینکه پول‌سازی داده داخلی می‌تواند ارزش قابل‌توجهی تولید کند، اما درگذر زمان، سودمندی آن به‌عنوان یک منبع تمایز از بین می‌رود. پاسخ دهنگان به یک نظرسنجی MIT Sloan Management Review گفتند که انتظار دارند راه‌حل‌های اینترنت اشیا تا سه سال دیگر متداول‌تر و ساده‌تر شوند و نسبت به امروزه جایگزین‌های بیشتری داشته باشند. شرکت‌ها برای ایجاد مزیت بلندمدت با داده‌های اینترنت اشیا، باید تمرکز خود را تغیر دهند.

پول‌سازی از داده‌های خارجی. ایجاد کسب‌وکارهای جدید در حول پول‌سازی از داده‌های خارجی، شرکت‌ها را قادر می‌سازد جریان‌های درآمد تکراری و افزایشی تولید کنند – که این امر اغلب با سرمایه‌گذاری‌هایی انجام می‌شود که نسبت به کسب‌وکارهای اصلی‌شان جذاب‌تر هستند. به‌عنوان‌مثال، حاشیه‌های خالص در داده‌های کسب‌وکارها در مقایسه با حاشیه‌های تک‌رقمی در بسیاری از صنایع با سرمایه‌گذاری بالا معمولاً ۱۵ تا ۲۵ درصد هستند. کسب‌وکارهای داده همچنین نسبت‌های قیمت به درآمد بالاتری را رهبری می‌کنند: یک شرکت خدمات اطلاعات در دامنه ۳۰ تا ۵۰ است درحالی‌که این میزان در صنایع با سرمایه‌گذاری بالا بین ۱۰ تا ۲۰ است. درآمدهای جدید از داده‌ها می‌توانند تأثیر بیشتری بر عملکرد کلی مالی یک شرکت B2B داشته باشند. به این توجه کنید: تولید ۱ درصد از درآمد افزایشی از طریق داده می‌تواند منجر به افزایش ۱۰ درصد کسب درآمد و افزایش بیش از ۲۵ درصدی ارزش شود. پول‌سازی از داده‌های خارجی فراتر از تسخیر و فروش دوباره داده‌های خام است. در صنایع بسیاری، از جمع‌آوری و تجزیه‌وتحلیل اشکال مختلف داده برای فراهم کردن بینش‌های مفید، ارزش بسیار بیشتری می‌توان کسب کرد که یک قدم مهم به‌سوی هماهنگ کردن اکوسیستم است. انجام موفق این کار ضروری است شرکت‌ها بین پیشنهاد‌های خود تمایز قائل شوند. شرکت‌ها می‌توانند به طرق مختلفی این کار را با موفقیت انجام دهند:

• اهرم قرار دادن قابلیت‌های داده‌ای منحصربه‌فرد: ایرباس اخیراً اسکای وایز[۱] را راه‌اندازی کرد. اسکای وایز یک پلتفرم حمل‌ونقل هوایی جدید است که هدف آن تبدیل‌شدن به یک پلتفرم مرجع برای تمامی بازیگران حمل‌ونقل‌های هوایی است که در پی ارتقاء عملیات خود هستند. ایرباس با پلانتیر تکنولوژی[۲] همکاری کرد. پلانتیر در یک تجزیه‌وتحلیل پیشرفته و یکپارچه‌سازی بزرگ داده‌ها، تکنولوژی پلتفرم فناوری و تخصص فراهم می‌کند. اسکای وایز داده‌هایی را که به‌طور تاریخی در انبارهای داده‌ای انبارش شده‌اند را یکپارچه می‌کند (مانند سفارش‌های کاری، مصرف قطعات یدکی، پیکربندی هواپیما و ناوگان، داده‌های درجه دوم حین پرواز و برنامه‌های پرواز) در یک پلتفرم مبتنی بر رایانش ابری. این یکپارچه‌سازی دارایی داده، انواع پیشنهاد‌ها تجزیه‌وتحلیل جدید شامل خدمات متمرکز بر کاهش اختلالات پرواز را ممکن ساخته و هزینه‌های نگهداری را کاهش داده و عملیات پرواز را بهبود بخشیده است.
• دسترسی به دارایی‌های داده‌های منحصربه‌فرد: پرفرد نتورکس[۳]، یک کسب و کار نوپا هوش مصنوعی ژاپنی که در سال ۲۰۱۴ تأسیس شد، کسب‌وکاری ایجاد کرد که بیش از ۲ میلیارد دلار ارزش داشت. این کسب و کار نوپا با ارائه فناوری‌های یادگیری ماشینی (مخصوصاً یادگیری عمیق) به دو شرکت تولیدی پیشرو ژاپنی یعنی تویوتا و سازنده ربات صنعتی فانوک به این امر دست‌یافت. ارزیابی کسب و کار نوپا بیش از قابلیت‌های تحلیلی آن انجام می‌شود؛ همکاری‌های این شرکت منجر به دسترسی میزان عظیمی از داده‌های تجهیزات کارخانه می‌شود. پرفرد نتورکس از این دارایی‌های نرم‌افزار هوش مصنوعی منحصربه‌فرد برای آموزش الگوریتم‌های یادگیری عمیق خود استفاده می‌کند و ازاین‌رو این شرکت را قادر می‌سازد پیشنهادهای تجزیه‌وتحلیلی متمایزی را باقابلیت کاربردی در سرتاسر طیف گسترده‌ای از محیط‌های تولیدی توسعه دهد. به این دلیل که یادگیری ماشینی و الگوریتم‌های هوش مصنوعی باید در داده‌های مختص وظیفه آموزش داده شود، بنابراین دسترسی داده‌های پرفرد نتورکس مزیتی ارائه می‌دهد که دیگران به‌سختی می‌توانند آن را ارائه دهند.
• هدف قرار دادن بازارهای جدید: نوکیا، یک شرکت تجهیزات ارتباط از راه دور، برای اپراتورهای شبکه تلفن همراه خدمات جدید داده‌های اینترنت اشیا را ارائه می‌دهد که این خدمات شامل نصب و مدیریت حسگر، پردازش و ذخیره داده، تجزیه‌وتحلیل داده و پلتفرم امن پرداخت مبتنی بر بلاک چین می‌باشند. این خدمات در عوض اپراتورهای شبکه تلفن همراه را قادر می‌سازند از تجهیزات ارتباط راه دور موجود خود استفاده کنند تا داده‌هایی در مورد کیفیت هوا، نویز و صدا گردآوری کنند؛ یافته‌ها منجر به شکل‌گیری پایه محصولات داده می‌شود که می‌توانند آن‌ها را به شرکت‌های شهر هوشمند، ارائه‌دهندگان خدمات سلامت، شرکت‌های بیمه و سایرین ارائه دهند.
• یکپارچه کردن خدمات مرتبط: چمبرلین گروپ[۴] فناوری مای کیو[۵] خود را در هر یک از بازکننده درب گاراژ لیفت مستر[۶] خود ترکیب می‌کند و مشتریان خود را قادر می‌کند درب‌های گاراژ خود را از راه دور باز کنند، اعلان‌های وضعیت دریافت کنند و زمان‌بندی انجام دهند. درحالی‌که این خدمات اصلی به‌صورت رایگان ارائه می‌شوند، اما برای هزینه عضویت، مشتریان گزینه ترکیب عملکرد بازکننده درب گاراژ خود با برنامه‌های شریک مانند گوگل هوم و صفحه لمسی ایو تسلا را دارند. این ادغام ارزش پیشنهاد مشتری را افزایش می‌دهد و چمبرلین گروپ را قادر می‌سازد درآمدهای مضاعف را با خدمات داده محور خود ادغام کند.

اکوسیستم‌های داده‌ای اینترنت اشیا چگونه رقابت B2B ها را متحول می‌کند – بخش سوم

اکوسیستم‌های داده‌ای اینترنت اشیا چگونه رقابت B2B ها را متحول می‌کند – بخش چهارم

[۱] – Skywise

[۲] – Palantir Technologies

[۳] – Preferred Networks

[۴] – Chamberlain Group

[۵] – MyQ

[۶] – LifeMaster