工業(yè)物聯(lián)網(wǎng)的基礎(chǔ)是網(wǎng)絡(luò)互聯(lián),我們看到了令人興奮的互連水平。隨著我們克服以前使用不同格式的不同協(xié)議、語言和數(shù)據(jù)的挑戰(zhàn),這種增強的互連性正在開啟新的創(chuàng)新。
另一個關(guān)鍵是數(shù)據(jù)透明度的提高——這使我們能夠提取以前不容易獲取的數(shù)據(jù),并創(chuàng)造新的見解。
工業(yè)物聯(lián)網(wǎng),如果您準備好了,您從哪里開始呢?
改變之路
重要的是要記住,并非所有物聯(lián)網(wǎng)都是一樣的。能力有一個自然的發(fā)展過程,假設(shè)您的組織想快速過渡到高度成熟的物聯(lián)網(wǎng)部署,但如果您還沒有經(jīng)歷過物聯(lián)網(wǎng)開發(fā)的早期階段,那么這大多是不可能實現(xiàn)的。
使用我們的物聯(lián)網(wǎng)成熟度模型作為框架,您可以為長期持續(xù)成功和盈利奠定基礎(chǔ)。
第1階段:嵌入式設(shè)備
代碼在單臺設(shè)備上獨立運行,不與其他設(shè)備交互。
第2階段:云計算
通過互聯(lián)網(wǎng)獲得的計算服務(wù),如服務(wù)器、存儲、數(shù)據(jù)庫網(wǎng)絡(luò)、軟件、分析和智能。
第3階段:物聯(lián)網(wǎng)
將嵌入式設(shè)備和云計算結(jié)合在一起。代碼通過網(wǎng)絡(luò)連接機器并促進通信。
第 4 階段:預測性維護和分析
使用機器學習從物聯(lián)網(wǎng)設(shè)備收集的數(shù)據(jù)中收集預測性業(yè)務(wù)見解。
第5階段:規(guī)范性分析
使用高級機器學習從物聯(lián)網(wǎng)設(shè)備數(shù)據(jù)中收集規(guī)范性見解,例如基于行為向客戶推薦額外的產(chǎn)品/服務(wù)。
第 6 階段:普適計算
計算能力在整個物理環(huán)境中、企業(yè)內(nèi)部和外部都可用,而用戶在很大程度上是不可見的。
這些階段指明了通往成熟和收入的道路,但在此過程中也有一些陷阱需要避免。
在物聯(lián)網(wǎng)成熟的道路上避免這些陷阱
避免決策癱瘓。我們經(jīng)常看到,擁有大量物聯(lián)網(wǎng)機會的公司難以啟動項目,因為他們無法達成共識或提出令人信服的投資回報模型——通常是因為他們試圖一下子部署太多。不要試圖煮沸海洋,從小處著手,并不斷調(diào)整。
避免巨額、高風險的投資。不要在沒有適當市場驗證的情況下進行巨額投資,相反,從小處著手,用一個唾手可得的項目來證明投資回報。如果這個唾手可得的果實沒有成功,這是一個很好的信號,可以讓您最初的假設(shè)無效并重新考慮進一步的投資。
避免重新發(fā)明輪子。已經(jīng)有一些行之有效的模型。從工作流程的角度來看,這些包括敏捷和精益方法。當談到人工智能并且您正在考慮自建與購買時,請記住——僅僅因為您找不到要購買的東西,并不意味著解決方案必須完全定制。有些模型只需很少的工程工作就可以插入。通過咨詢熟悉這些成熟框架和解決方案的行業(yè)物聯(lián)網(wǎng)專家,將風險降至最低。
避免危及操作安全性。在物聯(lián)網(wǎng)中工作時,保持安全第一的心態(tài)至關(guān)重要。記住,您可能正在通過物聯(lián)網(wǎng)開啟新的攻擊載體,并且不要因為推出最低可行產(chǎn)品(MVP)的壓力就忽視安全性。