در دنیای صنعتی IoT، ما اغلب نظرات مانند “بیایید دستگاه ما یا ابزار متصل را بسازیم و بعد راهی پیدا کنیم که ارزش ایجاد کنیم یا درآمد کسب کنیم” یا “ما نیاز به اطلاعات بیشتری و بیشتر داریم تا بتوانیم مشکلات کسب و کار را حل کنیم ” آیا این رویکرد کافی است؟ ایده خوبی است که فرآیند تفکر را از اتصال محصولات و جمع آوری داده های عظیم شروع کنید؟ در فضای صنعتی IoT، داده ها و تیم های IoT با چالش هایی که دارای شباهت های زیادی هستند، روبرو هستند. این مساله الهام بخش برای نوشتن در مورد بعضی از درسها برای تیمهای داده و اینترنت (IoT) شرکتهایی است که خدمات و فناوریهای IoT را اتخاذ میکنند. ما نباید فراموش کنیم که داده ها و محصولات مرتبط مانند دو طرف یک سکه هستند.
درس 1: از مشکل شروع شده یا نیاز به حل آن دارید، نه با راه حل
بسیاری از شرکت ها بدون ایجاد تجزیه و تحلیل لازم از مشتریان، مدل های کسب و کار و چالش های بالقوه خود، ابزار توسعه، ماشین آلات و زیرساخت ها را توسعه می دهند. راننده تصمیم خودش گاهی اوقات همان چیزی است که رقابت انجام می دهد یا چه چیزی که “بامزه” است، به طوری که آنها می توانند با وجود روابط عمومی خوبی اطراف آن ایجاد کنند. ظاهرا این ها به دلایل کافی نیستند. اگر از آن ها نپرسیدید، فرصت های زیادی وجود دارد تا پول، زمان و تلاش خود را صرف هدر ندهید بدون این که در عملیات، کسب و کار و سودتان تأثیری داشته باشید. تحلیل با تجزیه و تحلیل داده ها: همین امر برای تحلیلگران داده درست است، که ممکن است شروع به تجزیه و تحلیل داده های عظیمی از داده ها بدون دانستن آنچه که به دنبال آن هستند، باشند. سوال بزرگ شما که در حال پاسخ دادن به آن هستید چیست ؟ توصیه این است که از مشکلی که میخواهید حل کنید شروع کنید نه از داده ها.
درس 2: اولویت اجرای پروژه های IIoT
هر کس در IoT ایده های خوبی دارد و به خصوص در IIoT. تکنولوژی تا به این حد پیشرفت کرده است که شرکتها امروزه این فرصت را دارند تا ایده های خود را به راحتی بتوانند پیاده کنند. با این حال، با در نظر گرفتن اینکه سرعت تغییرات فناوری، مقررات، نیازهای تجاری و مشتریان چگونه تغییر می کند، مهم است که مهمترین مسئله ای را که می خواهید حل کنید، اولویت بندی کنید و تصمیم بگیرید که کدام پروژه IOT شما باید پیاده سازی کنید. برای مثال، انتخاب، ارزان ترین، ساده تر یا جالبترین پروژه، اغلب بهترین ایده نیست. ابتدا معیارهای خود را تعریف کنید (تاثیرات بلند مدت، صلاحیت ها، ادغام با راه حل های موجود) و سپس اولویت بندی کنید.
تحلیل با تحلیل داده ها: برای تحلیلگران داده یکسان است. کدام سوال ابتدا ارزش دارد؟ کجا باید زمان و انرژی خود را تمرکز کنید؟
درس 3: بزرگ فکر کنید، شروع به کوچک شدن کنید، سریع (یاد بگیرید) سریع و سریع شوید.
ما به نسخه های مینیاتوری ایده اصلی ما نیاز داریم، بنابراین می توانیم قطعات آن را معتبر کنیم، و سپس دائما تکرار و مرتب سازی کنیم. ما اغلب می بینیم که شرکت های بزرگ، بزرگ فکر می کنند ، اما پس از آن برنامه ریزی و آماده شدن برای سال ها تا زمانی که اولین محصول در مقیاس راه اندازی و یا راه حل IoT در سراسر کسب و کار خود را راه اندازی کنند . این رویکرد می تواند خطرات متعددی داشته باشد، زیرا تکنولوژی و روند تغییر سریع و رقابت (به ویژه از راه اندازی) نیز حرکت سریغی دارد. اختلال در بسیاری از موارد وجود دارد و سریع است. علاوه بر این، اگر ما کوچک نمی شویم، نمی توانیم بازخورد ارزشمند بازار را دریافت کنیم، محصولات خود را تنظیم کنیم و تصمیم بگیریم که در نهایت در چه مقیاسی قرار داریم. تاکتیک “شروع کوچک” نیز در برقراری ارتباط با ذینفعان داخلی کمک می کند و علاقه و تعهد خود را بالا می برد.
تحلیل با تجزیه و تحلیل داده ها: در ابتدا، شما باید نمونه های داده های خود را به سرعت، بدون تاثیر بر تمام مجموعه داده ها، آزمایش کنید. شما نیاز به شکست و یادگیری را به سرعت، دوباره امتحان کنید، اهرم درس های قدیمی و در نهایت پیدا کردن پاسخ به سوال شما به دنبال.
