طبق گزارش شرکت تحقیقاتی IDC، دادههای اینترنت اشیا (Internet of Things) تا سال 2020 حدود 10 درصد از کل دادههای ثبتشده در جهان را تشکیل خواهند داد. با این حال، شرکتها و دولتهایی که از IoT استفاده میکنند، تازه شروع به برداشتن اولین قدمها برای بهرهبرداری حداکثری از این دادهها و کشف ارزش بالقوه جریان عظیم دادهها کردهاند.
البته این مسیر با چالشهای بزرگی مثل امنیت دادهها، مالکیت دادهها، ایجاد زیرساخت برای اشتراک و کسب درآمد از دادهها و راهحلهایی برای تحلیل و درک دادهها همراه است. سال 2018 نشان خواهد داد که چگونه شرکتها، صنایع و دولتها این چالشها را مدیریت میکنند و استراتژیهای نوآورانه و تحولآفرین برای استفاده موفق از دادههای IoT ارائه میدهند.
استفاده مجدد از دادههای IoT برای افزایش کارایی و کاهش هزینهها
طبق گزارش McKinsey، بیشتر کاربران IoT نمیتوانند از دادههای خود بهخوبی استفاده کنند یا فقط بخش کوچکی از ارزش آن را به دست میآورند. برای مثال، تنها یک درصد از دادههای بهدستآمده از 30 هزار حسگر در یک شبکه نفتی به اطلاعات عملی تبدیل میشود.
علاوه بر این، این دادهها بیشتر برای رصد مشکلات عملیاتی آنلاین مثل نظارت (Monitoring) و تشخیص خرابی (Failure Detection) استفاده میشوند، نه برای پیشبینی (Prediction) و بهینهسازی (Optimization). در حالی که پیشبینی و بهینهسازی کلید اصلی باز کردن پتانسیل واقعی دادههای IoT و ایجاد تأثیر اقتصادی بزرگ در عملیات مختلف هستند.
تحلیل پیشبینانه (Predictive Analytics) و نگهداری پیشبینانه (Predictive Maintenance) با استفاده از هوش دادههای بزرگ در سال 2018 به یکی از روندهای کلیدی IoT تبدیل شدهاند. این یعنی شرکتها متوجه شدهاند که افزایش حجم دادهها فرصتهای زیادی به همراه دارد و آمادهاند تا با سرمایهگذاری، اقدام کنند.
این روند در سطوح مختلف و در صنایع گوناگون توسعه خواهد یافت. برای مثال، در تولید با کمک IoT و بخش انرژی پاک، دادههای بزرگ به کار گرفته میشوند تا کنترل و نگهداری از حالت “تعویض و تعمیر” به “پیشبینی و پیشگیری” تغییر کند. این کار منابع نگهداری را بهینه میکند، خرابیها را کاهش میدهد و در نهایت عملیات کمهزینهتر و بدون ریسک را به ارمغان میآورد.
McKinsey تخمین میزند که مدلهای پیشبینانه میتوانند هزینههای نگهداری را تا 40 درصد کاهش دهند و زمان خرابی تجهیزات را در برخی صنایع تا 50 درصد کم کنند.
در مراقبتهای بهداشتی (Healthcare)، مدلهای پیشبینانه مبتنی بر تحلیل هوش مصنوعی (AI) از دادههای قدیمی و لحظهای IoT میتوانند ترافیک بیماران را مدیریت کرده و کارایی عملیاتی بیمارستانها را بهبود دهند.
در خردهفروشی (Retail)، تحلیل پیشبینانه دادههای مصرفکننده فرصتهای بیپایانی مثل بهبود موجودی بر اساس تقاضا و بازاریابی دادهمحور بر اساس الگوهای رفتاری و انتخابهای خرید مشتریان فراهم میکند.
واضح است که این قابلیتهای پیشبینانه به ابزارها و خدماتی برای نمایش پیشرفته، تجسم و تحلیل دادههای IoT نیاز دارند. امروزه، شرکتهای پیشرو مثل IBM و GE پلتفرمهایی برای نگهداری پیشبینانه و اتوماسیون ارائه میدهند. در سال 2018 احتمالاً شاهد راهحلهای سفارشی و SaaS بیشتری در این زمینه خواهیم بود.
دسترسی و اشتراک دادههای IoT
برای به حداکثر رساندن ارزش دادههای IoT و بهرهبرداری از 60 درصد پتانسیل آن (طبق گزارش McKinsey)، باید یاد بگیریم چگونه دادهها را از سیستمهای مختلف IoT ادغام و تحلیل کنیم. به عبارت دیگر، بازار به یک زیرساخت داده باز و کمهزینه نیاز دارد که در آن دادههای جریان پاکشده در دسترس و مقرونبهصرفه باشند تا همه از مزایای متقابل بهرهمند شوند. در این صورت، کاربران IoT میتوانند تصویر کاملتری ببینند و تصمیمهای دادهمحور عینیتری بگیرند.
این نیاز از دیروز به وجود نیامده است. شرکتهایی مثل مایکروسافت (Microsoft)، بوش (Bosch)، سامسونگ (Samsung)، سیسکو (Cisco)، فوجیتسو (Fujitsu) و اورنج (Orange) با همکاری بلاکچین IOTA یک بازار داده باز راهاندازی کردهاند که به هر بازیگری اجازه میدهد با پرداخت هزینهای اندک به بخشهای ارزشمند دادههای IoT دسترسی پیدا کند. این راهحل یک مدل کسبوکار جدید مبتنی بر پرداختهای خرد ارائه میدهد که در آن دستگاههای مجهز به IoT میتوانند تراکنشهای مالی را برای دریافت دادههای موردنیاز از دیگر موجودیتهای IoT آغاز کنند و عملکرد خود را بهینه کنند.
بهطور کلی، بازار داده باز یکی از پایههای اصلی اکوسیستم در حال ظهور IoT محسوب میشود. در سال 2018 شاهد توسعه این زیرساخت خواهیم بود. امروزه این کار به پذیرش بیشتر بلاکچین و فناوری Tangle برای امنیت پرداختهای خرد و تدوین استانداردهای داده نیاز دارد.
مهمتر از همه، دسترسی متقابل و اشتراک امن و قانونی دادههای IoT نیازمند توسعه روشهای جدید کسبوکار، سیاستهای مالکیت داده و نگرشی مبتنی بر همکاری با دیگر موجودیتهای IoT است.
با این حال، چالشهای کلیدی همچنان پابرجاست. شرکتها و مقامات هنوز در حال بررسی پتانسیل همکاری و اشتراک دادههای IoT، تصمیمگیری برای سرمایهگذاری در بازار داده IoT و انجام تغییرات سازمانی و فنی برای همگام شدن با این سرعت هستند.
کسب درآمد از دادههای IoT
با وجود مزایای اثباتشده استفاده از دادههای IoT، بسیاری از موجودیتها قصد ندارند از داراییهای دادهای خود ارزش استخراج کنند، فقط به این دلیل که فرصتها را نمیشناسند. در عوض، بسیاری از شرکتها و حتی صنایع مجهز به IoT، دادهها را بهعنوان یک “محصول جانبی” به دست میآورند.
در حالی که این دادههای “اضافی” میتوانند دارایی ارزشمندی برای بخشهای دیگر باشند. برای مثال، دادههای کیفیت فاضلاب تولیدی ممکن است برای خود شرکت ارزش کمی داشته باشد، اما تأثیر بزرگی بر عملکرد نیروگاه برقآبی نزدیک آن بگذارد.
کسب درآمد از دادههای IoT، از جمله دادههای اضافی، مدل جدیدی است که در سال 2018 در دستور کار بسیاری از تصمیمگیرندگان قرار خواهد گرفت. علاوه بر مشارکت در بازارهای داده باز در حال ظهور، انتظار میرود شرکتها استفاده از دادههای خود را بازنگری کنند و روی استخراج ارزش اضافی از زیرساخت IoT خود تمرکز کنند. این یعنی تبدیل دادههای IoT به یک مرکز سود.
با این حال، چالشهای زیادی در مسیر ایجاد این مدلهای کسب درآمد وجود دارد. اول اینکه، سیاستها و استانداردهای مالکیت داده هنوز شفاف نیستند. حتی امروز، بسیاری از پروژههای توسعه IoT موضوع مالکیت داده و انتقال حقوق را به وضوح تعریف نمیکنند. سیاستگذاران هنوز باید استانداردهایی برای جمعآوری، اشتراک و استفاده از دادهها ایجاد کنند، در حالی که مصرفکنندگان نسبت به اشتراک و اهدای دادهها اطمینان ندارند. بدون ذکر نبود روشهای مشخص برای اشتراک دادههای عمومی و مبتنی بر اجازه.
بازطراحی محصولات و خدمات با استفاده از دادههای IoT
استفاده از دادههای IoT فرصتهای زیادی برای بازطراحی، تنظیم و سفارشیسازی عملیات، فرایندها، محصولات و خدمات در صنایع مختلف، از تولید خودرو گرفته تا خردهفروشی و خدمات دیجیتال، به ارمغان میآورد. به همین دلیل، انتظار میرود طراحی مبتنی بر استفاده در سال 2018 بهطور گسترده گسترش یابد.
اخیراً، ابوظبی کنترل ترافیک تطبیقی را فعال کرده که از دادههای لحظهای IoT از ردیابها و حسگرهای جادهها و تقاطعها برای اطمینان از جریان روان ترافیک، اولویت دادن به عبور آمبولانسها و خودروهای اضطراری و حفظ دقت برنامه حملونقل عمومی استفاده میکند. این نمونهای است از اینکه چگونه دادههای IoT به کسبوکارها اجازه میدهد عملیات روزمره را متحول کنند و کارایی را افزایش دهند.
طراحی مبتنی بر استفاده برای هر فرایند کسبوکاری مرتبط است. استفاده از دادههای IoT میتواند به خردهفروشان کمک کند پیشنهادهای سفارشی و بهموقع ارائه دهند، چیدمان فروشگاهها را بهبود ببخشند و محصولات را بر اساس الگوهای استفاده بازطراحی کنند.
بانکها میتوانند محصولات مالی را بر اساس دید لحظهای از بهرهبرداری سرمایه تنظیم کنند. بیمهگران میتوانند سیاستهای چابکتری بر اساس شرایط لحظهای سلامت مشتری یا وضعیت کسبوکار ارائه دهند.
تولیدکنندگان محصولات میتوانند از دادههای عملکرد برای اولویتبندی اصلاح عملکرد، حذف ویژگیهای کماستفاده، سادهسازی تغییرات فوری، بازطراحی وظایف و مشاغل و ایجاد رویکرد استراتژیک آگاهانهتر برای توسعه آینده استفاده کنند.
سیستمهای متصل IoT و همکاری در حال ظهور، طراحی مبتنی بر استفاده را بهبود خواهند داد. دسترسی به دادههای IoT از دیگر موجودیتها تصویر کاملتری از نحوه استفاده از محصولات و خدمات ارائه میدهد. بنابراین، شاهد طراحیهای ظریفتر، جریانهای کاری بهتر و استراتژیهای پیشرفتهتر خواهیم بود.
طبق تحقیقات McKinsey، IoT تا سال 2025 میتواند تأثیر اقتصادی کل تا 11.1 تریلیون دلار در سال داشته باشد. هنوز راه درازی در پیش است، اما استفاده هوشمندانه از دادههای IoT امروز، اولین کاربران را قادر میسازد تا در آینده نزدیک سهمی از این حجم به دست آورند.
منبع: iotforall