Как отличить свой продукт IoT:предоставлять аналитические данные, а не данные

Целью продуктов Интернета вещей должно быть понимание продукта, а не получение данных. Некоторые люди даже утверждают, что причина развертывания продуктов IoT состоит в том, чтобы производить и собирать все эти данные, что данные сами по себе представляют ценность. Я так не думаю. В этом посте я описываю важность наличия стратегии обработки данных, которая дает понимание, а не данные, и расскажу вам, как я обнаружил это на собственном горьком опыте.

Какова ваша стратегия обработки данных?

В конце концов, продукт Интернета вещей ничем не отличается от любого другого продукта в сознании покупателя. Он либо приносит пользу, либо нет. Он либо решает ту работу, для которой был нанят, либо нет.

Почему я вам это говорю? Потому что одна из самых серьезных проблем, с которыми компании сталкиваются при создании продуктов Интернета вещей, - это иметь стратегию работы с данными - план того, как вы собираетесь извлекать пользу из своих данных. Способ поделиться ценной информацией, а не данными.

Стратегия данных выходит за рамки сбора данных и управления ими. Он начинается с определения конечной цели, которую вы хотите достичь с помощью своего продукта, а затем с обхода стека технологий Интернета вещей, чтобы понять, какие данные вам нужно собирать, хранить, анализировать и передавать на каждом уровне стека.

Это одна из ключевых задач прохождения области принятия решений по данным в структуре принятия решений IoT.

Чем больше данных, тем лучше, верно?

Неправильно. Позвольте мне рассказать историю о важности четкой стратегии обработки данных.

В начале своей карьеры я разработал "под ключ" IoT-решение для компании, производящей полупроводники. Мой клиент, назовем его Кевин, нанял компанию, в которой я работал, чтобы автоматизировать их процесс определения характеристик новых аппаратных микросхем.

Характеристика - это просто причудливое слово для обозначения компьютерного чипа через все возможные входы, которые вы можете себе представить, а затем записи его вывода, чтобы гарантировать, что он работает как можно ближе к инженерам математических моделей, которые использовались для проектирования этого чип.

Настройка всех возможных комбинаций ввода вручную - невыполнимая задача. Но если бы у вас был компьютер, который делал входные данные за вас и сохранял все выходные данные в облаке, вы могли бы сэкономить много времени и улучшить общее качество вашего продукта. Вот где мы и пришли.

После того, как мы установили и подготовили решение, Кевин и его команда были очень взволнованы, поскольку впервые они смогли выполнить все виды входных комбинаций, которые они не могли тестировать раньше. Проект имел большой успех.

Несколько месяцев спустя мне позвонил Кевин и попросил о помощи. «Мы тонем в данных, - сказал он, - и не знаем, что с ними делать». Система, которую мы разработали, имела множество высокоскоростных датчиков и исполнительных механизмов, производящих много гигабайт данных в секунду. Да, в секунду.

Запуск системы всего на несколько минут приведет к накоплению такого объема данных, что потребуются недели, чтобы разобраться во всей новой информации. Они решили проблему видимости, но при этом создали еще одну (возможно, более серьезную) проблему наличия большого количества данных, которыми они не могли управлять, анализировать или обрабатывать каким-либо значимым образом.

Всегда сосредотачивайтесь на аналитике, а не на данных

Говорят задним числом 20-20. Сегодня мне ясно, что мне следовало лучше понять конечную цель клиента, а не просто доставлять то, что они просили, в этом индивидуальном решении. Не поймите меня неправильно, с точки зрения моей компании развертывание прошло успешно. Мы выполнили поставку вовремя и в рамках бюджета, и заказчик с радостью подписался на их блестящую новую систему. Но на самом деле мы усугубили проблему.

Эта история не разовая. Фактически, я вижу, как это происходит снова и снова, когда я разговариваю с людьми, работающими с продуктами, по всему миру. Компании слишком часто сосредотачиваются на устранении симптомов проблемы, вместо того чтобы копаться глубже, чтобы понять, чего на самом деле пытается достичь клиент. Чаще всего мы уделяем большое внимание предоставлению только данных, а не аналитической информации.

Мне повезло, что Кевин достаточно доверял моей компании, чтобы вернуть нас, чтобы помочь им на втором этапе проекта, чтобы решить проблему слишком большого количества данных. На этот раз мы постарались глубже погрузиться в потребности всей компании, а не только его команды.

Мы быстро узнали, что у них не было опыта в манипулировании данными, у них не было аналитиков данных в штате, и у них действительно не было необходимых знаний, чтобы взять на себя систему, которую мы для них разработали. Следующие несколько месяцев я работал с ними, внедряя стратегию обработки данных и решение для управления данными для решения этих проблем. Мы уменьшили объем производимых ими данных и смогли централизовать все данные (даже данные, поступающие из других отделов) в частном облаке, куда позже добавили уровень аналитики и визуализации. После этого все стало намного лучше.

Я никогда не забуду этот урок. Машины или «вещи» могут производить огромное количество данных. Они никогда не устают, поэтому могут производить данные днем ​​и ночью. Без остановки. Без четкой стратегии обработки данных и четкого пути к обеспечению ценности этих данных решения Интернета вещей бесполезны. Они просто добавляют шума.

Важность отраслевых знаний

Есть старая шутка, которая звучит примерно так:пастух ухаживает за своим стадом, как вдруг мимо останавливается молодой человек на спортивной машине. Молодой человек спрашивает пастуха:«Если я угадаю, сколько у вас овец, могу ли я оставить одну из них?» Пастух соглашается. Молодой человек начинает проводить расчеты с использованием новейших и лучших технологий. «У вас 280 овец», - говорит он.

Пастух вздыхает и говорит молодому человеку:«Если я угадаю, какая у вас профессия, могу ли я вернуть своих овец?» Молодой человек соглашается. «Вы консультант», - говорит он. Удивленный молодой человек спрашивает:«Как ты узнал!» «Ну, вы взимаете с меня высокую цену, вы рассказываете мне то, что я уже знаю, и, очевидно, вы ничего не знаете о моем бизнесе, потому что вы забираете мою собаку!»

Эта история применима и к менеджерам по продукту. Менеджеры по маркетингу нередко разрабатывают продукты для отраслей, с которыми мы не так хорошо знакомы, и поэтому в конечном итоге мы решаем проблему, которую не нужно было решать, или просто производили много данных и не представляли никакой ценности.

Оглядываясь назад, можно сказать, что недостаток отраслевых знаний усугубил проблемы, с которыми мы столкнулись при создании системы Кевина. Это была новая отрасль для меня (и моей компании). Мы знали, как создавать высокопроизводительные решения IoT для других отраслей, и, хотя пространство решений транслировалось очень хорошо, пространство проблем было совсем другим.

Мы потратили много времени на то, чтобы узнать о наших клиентах и ​​их проблемах, но у нас не было системы координат для решения проблем этой отрасли. Результат:продукт, который был частично ценным, но не решал проблему полностью.

Так в чем же мораль нашей истории о пастыре-консультанте? Знайте отрасль своего клиента. Менеджеры по продуктам должны понимать как можно больше о бизнесе своих клиентов. Другими словами, вам необходимо иметь глубокие знания в предметной области. Когда вы станете экспертом в решении проблем, с которыми сталкиваются ваши клиенты и их коллеги по отрасли, вы сможете задавать более точные вопросы и принимать более обоснованные решения в отношении своего продукта и, в свою очередь, приносить больше пользы своим клиентам.

Итог

Многие продукты IoT сегодня сосредоточены на получении данных, а не на аналитических данных. Это приводит к разочарованию клиентов, которые не могут извлечь выгоду из стоимости решения и вынуждены выполнять дополнительную работу по извлечению полезной информации из данных.

Как менеджеры по продукту, мы обязаны понимать мир наших клиентов, в том числе хорошо разбираться в наиболее распространенных проблемах нашей целевой отрасли. Только тогда мы сможем разработать надежную стратегию работы с данными, которая удовлетворит потребности наших клиентов.