根據(jù)調(diào)研機構(gòu)麥肯錫公司的估計，2020年全球物聯(lián)網(wǎng)市場規(guī)模為1.6萬億美元，到2030年B2B市場規(guī)?？赡軙鲩L到3.4至8.1萬億美元。這項評估表明，未來幾年仍有大量價值機會有待實現(xiàn)。
為了實現(xiàn)這一價值，各行業(yè)的企業(yè)實施數(shù)字戰(zhàn)略需要克服一些障礙并抓住機遇。物聯(lián)網(wǎng)硬件的快速發(fā)展以及存儲大數(shù)據(jù)的能力奠定了數(shù)據(jù)增長的基礎(chǔ)，這些年來這方面的成本都已顯著降低?，F(xiàn)在的重點是如何使用這些正在獲取的數(shù)據(jù)來創(chuàng)造價值。
1.實現(xiàn)系統(tǒng)互操作性以獲取更好的數(shù)據(jù)
事實證明，擴展數(shù)字化轉(zhuǎn)型是企業(yè)在物聯(lián)網(wǎng)領(lǐng)域遇到的最主要的障礙之一。許多項目無法擴大規(guī)模，限制了采用率和價值實現(xiàn)。造成這種情況的原因之一是由于使用專有的封閉生態(tài)系統(tǒng)，以及傳統(tǒng)系統(tǒng)、不同數(shù)據(jù)架構(gòu)和定制物聯(lián)網(wǎng)傳感器語言的混合，造成了生態(tài)系統(tǒng)的障礙。為了從高級分析中受益，需要在生態(tài)系統(tǒng)之間獲取和共享數(shù)據(jù)，以便可以在整個企業(yè)范圍內(nèi)收集見解。為了實現(xiàn)這一目標，企業(yè)需要要求所有未來采購具有互操作性，并計劃解決遺留問題。
2.為未來的高級分析規(guī)劃數(shù)據(jù)存儲
高級分析、人工智能和機器學(xué)習(xí)使用原始的非結(jié)構(gòu)化格式的大數(shù)據(jù)。企業(yè)需要改變捕獲、存儲和管理這些數(shù)據(jù)的方式。對于預(yù)測分析而言，時間序列數(shù)據(jù)至關(guān)重要，因此企業(yè)應(yīng)該計劃使用云數(shù)據(jù)倉庫并采用圖形數(shù)據(jù)庫，以便充分利用新的高級分析技術(shù)。
3.企業(yè)范圍內(nèi)的高級分析計劃
當(dāng)企業(yè)在運營過程中擴展并開始使用高級分析(如人工智能和機器學(xué)習(xí))時，就會實現(xiàn)更多的價值。企業(yè)需要規(guī)劃在整個企業(yè)中使用的高級分析，而不是在小型試點項目采用或限制在內(nèi)部數(shù)據(jù)科學(xué)團隊內(nèi)。當(dāng)企業(yè)的員工開始分析數(shù)據(jù)以幫助他們了解日常工作時，就會出現(xiàn)數(shù)據(jù)民主化。麥肯錫公司估計，價值創(chuàng)造的最大潛力在于優(yōu)化制造業(yè)的業(yè)務(wù)運營，可以提高資產(chǎn)和人員的管理效率。
4.無代碼機器學(xué)習(xí)和MLOps
自動化高級分析是工業(yè)企業(yè)的下一個重大機遇。隨著技術(shù)的進步，無代碼機器學(xué)習(xí)(ML)現(xiàn)在正在被世界各地的企業(yè)廣泛部署。無代碼機器學(xué)習(xí)(ML)使專家和運營人員無需任何編碼或編程知識即可快速創(chuàng)建其資產(chǎn)或操作的模型。這些模型是自動部署的，可以從實時和歷史數(shù)據(jù)中學(xué)習(xí)，并提供關(guān)鍵見解以幫助優(yōu)化運營。可以看到它被用于預(yù)測性維護和實時狀態(tài)監(jiān)控。MLOps是通過自動化應(yīng)用持續(xù)集成測試和持續(xù)部署，提供可擴展的最新數(shù)據(jù)模型，以實現(xiàn)機器學(xué)習(xí)的工業(yè)化。通過機器學(xué)習(xí)的工業(yè)化，模型自動化才得以實現(xiàn)，有助于企業(yè)實現(xiàn)高級分析的可擴展性。
5.實現(xiàn)遠程和自動化操作
向遠程工作和集中操作的轉(zhuǎn)變推動了遠程監(jiān)控等創(chuàng)新，并在許多運營環(huán)境中提高了自動化程度。這些創(chuàng)新將有助于降低運營成本和人員安全風(fēng)險，并有助于進一步提高物聯(lián)網(wǎng)可以產(chǎn)生的價值。提高預(yù)測生產(chǎn)故障或錯誤的遠程監(jiān)控和接收警報的能力將會提高團隊的效率。高級分析將提供根本原因分析，確保將正確的人員和部件調(diào)派到現(xiàn)場，并提供見解使操作員能夠做出明智的決策，例如調(diào)整流程或設(shè)備以確保不會出現(xiàn)生產(chǎn)力損失。
6.排放達標和減少排放
各行業(yè)的企業(yè)都在制定碳排放目標，下一步是確保實現(xiàn)這些目標。物聯(lián)網(wǎng)和高級分析可以幫助企業(yè)確定目標設(shè)置的基準，并可以監(jiān)控持續(xù)使用的情況。可以識別使用大量能源的領(lǐng)域以及潛在改進的機會。AutoML可以用于預(yù)測能源使用峰值，以協(xié)助儲存能源和實現(xiàn)廢物最小化。
7.企業(yè)的整體分析
整合企業(yè)的數(shù)據(jù)和高級分析為改進預(yù)測、報告和合規(guī)性提供了機會。其數(shù)據(jù)可用于推動增長、優(yōu)化和多元化戰(zhàn)略。所提出的見解可用于改進流程，并有助于不同部門和業(yè)務(wù)部門之間的知識共享。
物聯(lián)網(wǎng)和高級分析的每個用例的價值可能會有很大差異。因此，獲取價值的最終目標是將創(chuàng)新嵌入到整個企業(yè)中，這將從企業(yè)高管開始，數(shù)字化轉(zhuǎn)型不再局限于IT部門或創(chuàng)新團隊。為了使真正的價值得到認可，它需要融入到企業(yè)的使命中。
很多企業(yè)面臨的挑戰(zhàn)是擴大規(guī)模，以便快速獲取價值。這反過來將有助于改變內(nèi)部文化、程序和方法。隨著試點項目轉(zhuǎn)向推廣，并進行改進以減少瓶頸，可以提高決策的準確性，并全面改善企業(yè)的業(yè)務(wù)。
版權(quán)聲明：本文為企業(yè)網(wǎng)D1Net編譯，轉(zhuǎn)載需注明出處為：企業(yè)網(wǎng)D1Net，如果不注明出處，企業(yè)網(wǎng)D1Net將保留追究其法律責(zé)任的權(quán)利。
京公網(wǎng)安備 11010502049343號