Har du set dette udsagn før? Sandsynligvis, ja!
Vi ser konstant historier om virksomheder, der formåede at krydse grænserne for “traditionelle” forretningsmodeller til en, hvor værdi skabes gennem data. Og som regel enten ved at skabe nye industrier eller “disrupte” eksisterende industrier, som det siges på nydansk.
Så tror jeg, det er forkert? Nej! Jeg bakker op om forestillingen, at den eksponentielle vækst af data sammen med nye og stærkere analytiske muligheder, vil give os en ekstremt fascinerende fremtid.
Men, ligesom at binde og gå med et slips er det ikke let at få succes med, og det er ikke til enhver lejlighed. Næsten alle IoT-pitch´er, som jeg ser, indeholder på en eller anden måde en del, hvor data er beregnet til at blive omdannet til en ny indtægtsstrøm. Og ofte når jeg graver ind i det, er der kun få detaljerede detaljer om, hvordan man gør det. Dette er endnu mere sandt, når man ser på “traditionelle” virksomheder, der ønsker at sikre, at de ikke falder bagud ved at gøre deres eksisterende produkter til datagenererende tekniske vidundere. Nogle lykkes, men under hensyntagen til survivors bias, gør det overvældende antal ikke.
Og sandheden er, at et stort flertal af vellykkede IoT-produkter ikke lykkes på grund af deres analytiske muligheder, men alene på grund af at være internetforbundne. Det tilføjer muligvis en vis værdi til tjenesten, men det definerer dem ikke. Nogle forbundne produkter er netop det – produkter der er forbundet – og de behøver ikke at revolutionere hvordan du tjener dine penge.
Men selvfølgelig, at forfølge datadrevne fordele, har en risiko og kan føre den forkerte vej, men at ignorere det er en endnu større risiko. Der er mere eller mindre altid noget at hente fra indsamlede data, og udfordringen er at forstå, hvad den fordel er.
Men forvent ikke at muligheden pludseligt præsentere sig selv. Det kræver meget hårdt arbejde og ekspertise for at identificere mulighederne. Hvilket selvfølgelig er en god ting, da en anden ellers allerede havde gjort det.
Nu går vi videre til et par praktiske tips til, hvordan man nærmer sig dataanalyse inden for IoT.
1 – Forstå de data, der kan indsamles. Hvad måler de indsamlede data faktisk, og hvad er dets granularitet og præcision?
2 – Kortlæg alle andre data, der er relevante. Dette kan være både interne (f.eks. Historiske forbrugerdata) og eksterne data (f.eks. Vejrdata).
3 – Identificer muligheder baseret på de identificerede tilgængelige data. Dette er den svære del og kræver en innovativ tilgang eller en god forståelse af andre casestudier. Her er det afgørende at huske, at ikke alle muligheder vil være revolutionerende. Det er normalt lettere at starte med noget simpelt, der er let at forstå.
4 – Forstå mulighederne. Stoler de på rå eller aggregerede data? Er de baseret på realtidsanalyse, eller er de afhængige af historiske data? Det kræver også et valg af analytisk metode (f.eks. Kan Machine Learning være en mulighed?). Disse valg ændrer den nødvendige arkitektur og infrastruktur markant.
5 – Beslut hvilke data der skal indsamles, og i hvilken form de skal gemmes. Brian Krzanich (Intel CEO) forudsiger, at autonome køretøjer vil forbruge 4 terabyte data hver dag. At beslutte, hvilke data der er relevante at gemme, er vigtigt for ikke at blive overvældet af det. Bør nogle data kun analyseres i realtid og derefter kasseres? Er nogle data kun værdifulde, når de er samlet? Hvor længe er dataene nyttige?
Selvom det bestemt er en udfordring, er det vigtigt at have ekspertisen til at kunne forstå mulighederne ved den eksponentielt større mængde af data, som indsamles. Men på samme tid bør værdien af de indsamlede data ikke pumpes op. En praktisk tilgang med fokus på reelle muligheder, er bedre end et løfte om en undvigende gylden datadrevet fremtid.
For mere information
Partner og seniorrådgiver Mikael Rönde, mikael.ronde@glaze.se, +46 (0) 70 88 66 794
Læs mere om hvordan Beacon Tower understøtter jeres IoT-produkter.