IoT-succes ontgrendelen door digital threading

IoT is meer dan alleen apparaten verbinden. IoT volledig benutten kan organisaties helpen zakelijke resultaten te realiseren in plaats van alleen te experimenteren.

Wat als het mogelijk was voor ingenieurs bij een apparaatfabrikant om automatisch genotificeerd te worden via remote sensor feedback dat een van hun apparaten in het veld faalt? En wat als die ingenieurs direct verbinding kunnen maken met de testdata van het faalende apparaat van de productielijn toen het gebouwd werd? Welke waardevolle inzichten zou dit onthullen? Wat als de ingenieur toegang kan krijgen tot velddata doorheen de levenscyclus van het apparaat en zelfs belangrijke service- en logistiekdata van andere systemen van record kan overlappen? Hoe zou dit productontwerp, productie en andere bedrijfsgebieden kunnen beïnvloeden? Als een rijke verbinding tussen het Internet of Things (IoT) en data-analytics bereikt kan worden, is dit resultaat mogelijk.

Analytics is een sleutelcomponent in het ontgrendelen van het echte potentieel van IoT. Door data-analytics kunnen bedrijven IoT strategisch inzetten om betekenisvolle zakelijke resultaten te creëren. In plaats van "leveren en reageren", kunt u "voorspellen en anticiperen." Wanneer IoT goed gedaan wordt, kunt u ingrijpen voordat een apparaat faalt en het volume klantenservice-oproepen reduceren. De meeste organisaties komen hierin doorgaans tekort. Deze projecten raken gemakkelijk vast in pilot-fase en slagen er niet in om alle IoT-data binnen hun bereik volledig te operationaliseren.

Wat houdt data-analytics en IoT uit elkaar, en hoe kunnen we ze samenbrengen?

De barrières voor IoT-succes

Interne dispariteit is een terugkerend thema. We zien dit in de "wetenschapsbeurs"-benadering die bedrijven hanteren bij het opbouwen van hun IoT-operatie. Verschillende teams werken aan hun eigen onderdelen van het project met hun eigen specifieke eisen en proofs of concept – allemaal achter innovatie aan maar niet op een gecoördineerde manier die gelinkt is aan zakelijke resultaten zoals operationalisering en monetarisatie. Veel tijd en energie gaat verloren in experimenteren terwijl de zakelijke doelen uit het oog verloren gaan. Het wordt IoT voor IoT's wil zonder echte opbrengst. Analytics spelen mee maar nooit op strategische wijze. Ze stranden in de "leveren en reageren"-fase. De overstap naar de "voorspellen en anticiperen"-fase is waar IoT begint verschil te maken.

In het opzetten van een IoT-platform blijft data doorgaans niet ver van zijn bron. Terwijl sommige datasilo's in dit proces worden afgebroken, is het heel makkelijk om nieuwe te repliceren of creëren op hun plaats. Voor een volledig gerealiseerde IoT-operatie moeten leiders een gecoördineerde inspanning leveren om data breed en in realtime te delen. In silo's loopt u het risico rijke data redundant te maken en inspanningen te dupliceren over teams. De resulterende knelpunten verhinderen snelle acties. Data zijn uw ogen en oren in IoT; zonder het werkt u gewoon in het donker.

Tot slot, een IoT-operatie adopteren is geen kleine klus. Het is een hoogst complexe vorm van technologie die moet aanpassen en veranderen over tijd. Niet veel organisaties hebben de technische expertise om een platform te bouwen, laat staan de lasten van onderhouden en evolueren ervan na opbouw aan te nemen. Voor analytics alleen is een toegewijde groep datawetenschappers vereist om waarde te extraheren en maximaliseren uit de enorme hoeveelheden data die uw IoT-verbonden apparaten zullen verzamelen.

De digitale draad weven

De beste manier om data te prioriteren in uw IoT-operatie is door een digitale draad te creëren. Dit is een gemeenschappige doorlopende lijn door uw organisatie heen. Het verbindt producten, systemen, mensen, klanten en partners. Data kan gemakkelijk over deze lijn reizen voor eenvoudige toegang door alle partijen. U kunt verschillende datasets in de draad prioriteren, silo's met elkaar verbinden en informatie in een centraal, beter beheersbaar controlepunt leiden.

Een digitale draad kan bijvoorbeeld de complete end-to-end levenscyclus van een product weven. Het incorporeert data geproduceerd in elke fase – inclusief ontwerp, productie, verzending, in-veld gebruik, onderhoud en decommissionering. De data leeft in een uitgebreide gesloten lus die rijp is voor mining. Eenmaal de juiste data op de juiste plek is, kunt u bijvoorbeeld voorspellende inzichten afleiden om de productlevenscyclus op nieuwe manieren te verbeteren. Het is de data-gedreven inzicht waar u op kunt vertrouwen en kunt handelen om zakelijke resultaten te bereiken.

Deze digitale draad door uw organisatie weven vereist het volgende:

• Top-down buy-in, wat leidt tot bottom-up buy-in – Een digitale draad is een enorme bedrijfstransformatie, en haar succes vereist toegewijde sponsoring op executief niveau. Krijg hun buy-in zo snel mogelijk en toon ze vroege prestaties om ze aan boord te krijgen. Met de zichtbare en actieve executive sponsoring van de C-suite is het breidere bedrijf waarschijnlijker om het te steunen en gedrag te verschuiven om het succesvol te maken. De stukken van uw organisatie zullen natuurlijker samenvloeien. Anders kunt u weerstand op werkniveau verwachten.

• Duidelijke buy-in van zakelijke eenheden— Net zo belangrijk als buy-in van boven is buy-in van de business lines, vooral op technisch vlak. Dit vestigt business-geleide use cases die een "pull"-mechanisme faciliteren dat in tandem kan werken met het "push"-mechanisme dat geleid wordt gecentraliseerde organisaties, zoals IT. Anders is gecentraliseerde frustratie waarschijnlijk, en zullen geen substantiële zakelijke resultaten behaald worden.

• Een cultuur van data science in uw organisatie stimuleren – Creëer een toegewijd data-analytics team belast met het ontgrendelen van data-gedreven inzichten in uw organisatie. Samengesteld uit datawetenschappers en andere high-end data-gebruikers, vormt dit team uw "data helden," die de expertise hebben om data te worstelen en weten wat ermee gedaan moet worden. Anders, zelfs als business lines data willen "pullen", kan het technisch buiten hun bereik liggen.

• Schone, geautomatiseerde dataflow – Automatiseer het proces van data naar inzicht. Verminder of elimineer handmatige processen voor business lines om te engageren. Werk nauw samen met subject matter experts om te zorgen dat data schoon is en zelfs geannoteerd zodat barrières voor zakelijke adoptie geminimaliseerd worden. Anders zijn interne dataconsumenten onzeker welke data te selecteren en zullen ze ook vertrouwen in de integriteit verliezen.

IoT is meer dan alleen apparaten verbinden. Data en mensen moeten ook gelinkt worden om in unisono te werken. Eenmaal alle stukken passen, kunt u IoT volledig benutten, zakelijke resultaten realiseren in plaats van alleen te experimenteren.