数字化线程您的物联网成功之路

物联网不仅仅是连接设备。充分利用物联网的潜力可以帮助组织实现业务成果，而不仅仅是试验。

如果设备制造商的工程师可以通过远程传感器反馈自动通知他们其中一个设备在现场出现故障，该怎么办？如果这些工程师可以在制造时立即从生产线上连接到故障设备的测试数据呢？这可以揭示什么有价值的见解？如果工程师可以访问整个设备生命周期的现场数据，甚至覆盖来自其他记录系统的关键服务和物流数据，会怎样？这将如何影响产品设计、制造和其他业务领域？如果物联网 (IoT) 和数据分析之间能够实现丰富的连接，那么这个结果是可能的。

分析是释放物联网真正潜力的关键组成部分。通过数据分析，公司可以战略性地使用物联网来创造有意义的业务成果。您可以“预测和预期”，而不是“实现和反应”。当物联网做得正确时，您可以在设备出现故障之前进行干预并减少客户服务呼叫量。大多数组织通常在这方面做得不够。这些项目很容易陷入试点模式，无法完全实现其范围内的所有物联网数据。

那么是什么让数据分析和物联网区分开来，我们如何才能将它们结合在一起呢？

物联网成功的障碍

内部差异是一个反复出现的主题。我们在公司构建物联网运营时采用的“科学博览会”方法中看到了这一点。不同的团队根据自己的特定要求和概念证明在他们自己的项目部分工作——所有这些都在追求创新，但不是以一种与业务成果（如运营化和货币化）相关的协调方式。大量的时间和精力都花在了实验上，而忽略了业务目标。为了物联网，它变成了物联网，没有真正的回报。分析正在发挥作用，但从未以战略方式发挥作用。他们在“履行和反应”阶段停滞不前。进入“预测和预期”阶段是物联网开始发挥作用的地方。

在建立物联网平台的过程中，数据通常不会偏离其来源太远。虽然一些数据孤岛在此过程中被打破，但很容易复制或创建新的数据孤岛。对于全面实现的物联网运营，领导者必须齐心协力，广泛、实时地共享数据。在孤岛中，您冒着使丰富的数据冗余和跨团队重复工作的风险。由此产生的瓶颈阻碍了快速行动。数据是物联网的眼睛和耳朵；没有它，你只是在黑暗中工作。

最后，采用物联网运营并非易事。这是一种高度复杂的技术形式，必须随着时间的推移而适应和变化。没有多少组织拥有构建平台的技术专长，更不用说在构建平台后承担维护和发展的负担。仅就分析而言，需要一组专门的数据科学家从物联网设备将收集的大量数据中提取和最大化价值。

编织数字线

在 IoT 运营中确定数据优先级的最佳方法是创建数字线程 。 这是贯穿整个组织的常见直通线。它连接产品、系统、人员、客户和合作伙伴。数据可以轻松通过这条线路，方便各方访问。您可以在线程中确定不同数据集的优先级，互连任何孤岛，并将信息集中到一个更易于管理的中央控制点。

例如，数字线程可以编织产品的整个端到端生命周期。它整合了每个阶段产生的数据——包括设计、制造、运输、现场使用、维护和退役。数据存在于一个成熟的广泛闭环中，可以进行挖掘。例如，一旦您在正确的位置拥有正确的数据，您就可以得出预测性见解，从而以新的方式改善产品生命周期。这是您可以信任并据以实现业务成果的数据驱动型洞察力。

在您的组织中编织这个数字线程需要以下内容：

• 最高买入，导致最低买入 - 数字线程是一项巨大的业务转型，其成功需要高管层的专门赞助。尽快获得他们的支持，并向他们展示早期的成就，让他们参与进来。由于最高管理层对项目的可见和积极的执行赞助，更广泛的公司更有可能支持它并改变行为以使其成功。您组织的各个部分会更自然地凝固。否则，预计会在工作水平上遇到阻力。

• 业务部门的明确支持—— 与获得高层支持同样重要的是获得业务部门的支持，尤其是在技术方面。这建立了以业务为主导的用例，这些用例将促进一种“拉动”机制，该机制可以与由集中式组织（例如 IT）领导的“推动”机制协同工作。否则，很可能会出现集中的挫败感，并且不会取得实质性的业务成果。

• 在您的组织内增强数据科学文化 – 创建一个专门的数据分析团队，负责在整个组织中解锁数据驱动的洞察力。这个团队由数据科学家和其他高端数据用户组成，将形成你的“数据英雄”，他们将拥有处理数据并知道如何处理数据的专业知识。否则，即使业务部门正在寻求“提取”数据，在技术上也可能超出他们的能力范围。

• 干净、自动化的数据流 – 自动化将数据转化为洞察力的过程。减少或消除业务线参与的手动流程。与主题专家密切合作，确保数据干净，甚至带注释，从而最大限度地减少业务采用的障碍。否则，内部数据消费者不确定要选择哪些数据，也会对其完整性失去信心。

物联网不仅仅是连接设备。数据和人员也必须与协同工作联系起来。将所有部件组装在一起后，您就可以充分利用物联网的潜力，实现业务成果，而不仅仅是试验。