Более того, продукты не являются единственным источником интерактивных данных. Множество различных источников могут генерировать интерактивные данные с помощью датчиков. Такие данные могут поступать от поставщиков, от активов, от различных процессов (таких как сборка, производство, заявки на банковский кредит, страховые случаи), от логистических служб, с полок магазинов и т.д. . Такие данные могут быть объединены с традиционными базами данных компании и с альтернативными источниками данных, такими как социальные сети.

Таблица 0.1

Преобразование характеристик данных

Преобладающие характеристики

Новые характеристики

- Эпизодические: генерируются в результате дискретных событий (например, каждый раз, когда продается какой-либо товар, например, матрас)

- Интерактивные: генерируются в процессе постоянного взаимодействия (например, непрерывная передача данных о частоте сердечных сокращений и дыхания для оценки качества сна с помощью датчиков в матрасе)

- Хранятся в агрегированном виде (например, агрегированная выручка по различным типам матрасов, розничным каналам или географическим регионам)

- Хранятся для создания индивидуальных профилей (например, насколько спокойно спит человек с течением времени)

- Извлечение ценности в основном из анализа данных, хранящихся в памяти (например, почему продажи конкретной модели матраса, в определенном розничном канале или географии растут или падают)

- Извлечение ценностей как из интерактивных данных в реальном времени, так и из сохраненных данных (например, улучшение отдыха во время сна пользователя с использованием данных в реальном времени и понимание закономерностей сна на основе анализа архивных данных)

Ряд других технологических достижений еще более расширяет возможности компаний по работе с такими новыми массивами данных и сочетанию данных, получаемых в режиме реального времени и накопленных "постфактум". Новейшие облачные технологии позволяют компаниям поддерживать обширные хранилища профилей и осуществлять постоянный поиск данных в режиме реального времени для каждого сенсорного устройства. Такие технологии, как искусственный интеллект (ИИ), машинное обучение и аналитика данных, еще более усиливают процессы формирования информации по каждому профилю. Фирмы также могут обмениваться отдельными аспектами данных в режиме реального времени по различным подключенным активам, связанным с помощью IoT. Например, с помощью подключенных парковок компания Ford может с разрешения водителя передавать данные о местоположении автомобиля, чтобы направить водителя к свободному месту парковки. Более того, несмотря на то, что сенсорные устройства обмениваются данными в режиме реального времени, их взаимодействие может быть сформировано на основе накопленных данных. Компания Babolat может использовать накопленные данные об уровне мастерства теннисиста, полученные с помощью подключенных теннисных ракеток пользователей, для подбора ему других игроков с аналогичными навыками или подходящих тренеров. По разным оценкам, в ближайшие годы 30-50 млрд. таких подключенных активов, что создает широкие возможности для раскрытия ценности данных в целях получения конкурентных преимуществ.

Таблица 0.2

Расширение роли данных

Примеры

Преобладающая роль данных

Новая роль данных

Компания по производству матрасов

- Упорядочить поступление материалов от поставщиков

- Оптимизация планирования производства, запасов и логистики распределения

- Дизайн изделий

- Приспособление маркетинговых и торговых усилий к потребностям клиентов

- Отслеживание взаимодействия матраса с пользователем для контроля качества сна (с помощью датчиков)

- Улучшение качества сна за счет адаптации матрасов к данным сна в режиме реального времени

- Улучшение качества сна за счет обмена данными о сне в реальном времени с внешними объектами в комнате (например, освещением, успокаивающей музыкой)

- Генерирование новых услуг и доходов на основе данных путем превращения матрасов в продукт для здоровья и хорошего самочувствия

Страховая компания

- Оценка рисков в популяциях (например, в популяциях домов для страхования жилья)

- Ценовая выгодная и конкурентная политика

- Повышение эффективности обработки претензий после нанесения ущерба

- Разработка эффективных маркетинговых кампаний, ориентированных на различные сегменты рынка, с целью увеличения численности населения, снижения оттока клиентов и уменьшения средних рисков

- Мониторинг индивидуальных рисков (например, отдельных домов с помощью датчиков)

- Прогнозирование ущерба (например, вероятность замерзания труб)

- Предупреждение ущерба с помощью оповещения (например, просьба к домовладельцам пустить горячую воду по трубам до их замерзания)

- Предоставление услуг после ущерба (например, отправка ремонтных бригад, если ущерб не удалось предотвратить)

- Переориентация страхового бизнеса с возмещения ущерба на предотвращение и обслуживание ущерба за счет новых услуг и потоков доходов, основанных на данных

Тенет 2: Понимание новых цифровых экосистем

Для раскрытия нового потенциала данных компании необходима сеть получателей данных, с которыми можно обмениваться информацией. Некоторые из этих получателей являются внутренними в цепочке создания стоимости компании. Например, данные с датчиков о каком-либо компоненте автомобилей Ford передаются таким получателям, как отделы разработки программного обеспечения, центры искусственного интеллекта, подразделения, координирующие работу цифровых сервисов, склады запасных частей, сервисные дилеры - все они являются частью организации Ford. Эти получатели могут координировать свою деятельность для создания новых цифровых ценностных предложений, например, услуг по предиктивному обслуживанию. Другие получатели сенсорных данных являются внешними по отношению к цепочке создания стоимости компании. Amazon (через смарт-динамик Alexa), Starbucks, банки, а также поставщики приложений о погоде или пробках - вот примеры получателей данных, которые координируют свои действия для реализации описанного ранее сервиса Ford по продаже кофе. Сеть генераторов и получателей данных составляет цифровую экосистему компании. Для унаследованных компаний такая сеть состоит из двух компонентов: один, внутренний для цепочек создания стоимости, - это производственные экосистемы; другой, внешний для цепочек создания стоимости, - это экосистемы потребления.

Производственные экосистемы

Производственные экосистемы возникают благодаря цифровым связям между различными организациями, активами и видами деятельности внутри компании, связанными с производством и реализацией продукции, включая поставщиков, НИОКР, производство, сборку и каналы сбыта. Такие связи возможны благодаря оснащению датчиками и подключению к IoT всех звеньев цепочки создания стоимости компании. Таким образом, производственные экосистемы предоставляют компании внутренние возможности для раскрытия ценности данных. Например, создав сенсорную сеть в цепочке поставок, компания добивается более четкой координации запасов на основе данных об их использовании в режиме реального времени. Используя датчики на своих "умных" заводах, компании могут еще больше повысить эффективность производства, синхронизируя взаимодействие машин, роботов или производственных и сборочных подразделений для оптимизации рабочих процессов.

Благодаря наличию датчиков в продуктах производственные экосистемы помогают раскрыть новую ценность, направляя генерируемые продуктом данные на создание новых функций и услуг, связанных с его эксплуатационными характеристиками. Это возможно, когда продукция адаптирует свои свойства к данным об использовании отдельных потребителей. Кроме того, результаты предоставления таких услуг можно отслеживать, улучшать и отображать в виде осязаемых показателей. Компания GE внедрила услуги, основанные на "результатах", для своих авиационных двигателей, основываясь на гарантиях снижения затрат на топливо, если пилоты будут следовать указаниям двигателей во время полета. Доходы GE от этих услуг дополняют доходы от традиционных продаж реактивных двигателей.

Другие компании могут пойти по аналогичному пути, предлагая "умные" продукты, которые адаптируются к данным об использовании потребителем и улучшают качество продукции. Например, "умные" зубные щетки Oral-B улучшают привычку пользователей чистить зубы, отслеживая и отображая результаты чистки зубов в приложениях для смартфонов. Компания Caterpillar сокращает время простоя своих машин на строительных площадках благодаря датчикам, которые в режиме реального времени отслеживают их использование и износ. Это примеры того, как компании могут извлекать новую ценность из своих производственных экосистем. Подразделения НИОКР, разработки продукции, маркетинга, продаж и послепродажного обслуживания - при наличии цифровой связи для получения, анализа, генерирования, обмена и реагирования на данные датчиков - могут обеспечить такую ценность. Чем шире и разветвленнее сенсорная сеть компании среди таких подразделений, тем крупнее ее производственные экосистемы.

Экосистемы потребления

Экосистемы потребления отличаются от производственных экосистем тем, что в них основное внимание уделяется связям, внешним по отношению к цепочкам создания стоимости. Экосистемы потребления возникают на основе сети внешних субъектов, которые дополняют данные, получаемые от датчиков продукта. Примером дополнения может служить розничная сеть, например Starbucks, которая предлагает водителю кофе на основе данных, передаваемых с датчиков в автомобиле. Другой пример - парковочное место, которое в цифровом виде сигнализирует автомобилю о том, что оно свободно. В отличие от подразделений и организаций, входящих в цепочку создания стоимости, фирма не контролирует эту сеть напрямую. Эта сеть независимых субъектов также расширяется по мере того, как все больше активов подключается к ней с помощью цифровых технологий. Например, экосистемы потребления компании Ford расширяются, когда большее количество розничных магазинов (помимо Starbucks) или большее количество активов (например, парковочные места) получают возможность дополнить данные датчиков цифровыми данными.