Накапливаемые данные датчиков также помогают компаниям разрабатывать подробные сведения по каждому профилю. Компания Caterpillar знает, используют ли ее клиенты автогрейдеры для перемещения тяжелой грязи или легкого гравия. Матрасы Sleep Number знают, насколько хорошо вы спите каждую ночь. Allstate знает, насколько безопасно водит машину абонент, пользующийся ее услугами. Аналогичным образом компания Nike может узнать, использует ли покупатель кроссовок для бега обувь в основном для бега или для ходьбы.
По мере того как датчики продолжают предоставлять данные в режиме реального времени, они помогают компаниям совершенствовать и формировать более тонкие профили продуктов и пользователей. Полученные в результате этого глубокие знания закладывают основу для предложения более индивидуальных функций продукта, новых впечатлений для клиентов и новых возможностей для создания стоимости. Например, компания Caterpillar разработала новую конструкцию автогрейдера для более эффективного перемещения гравия, а не грязи, что позволило снизить себестоимость продукции, предложить более конкурентоспособную цену и повысить маржу. Корпорация Sleep Number предлагает новые оздоровительные услуги, основанные на улучшении качества сна. Allstate может предложить индивидуальные и более привлекательные страховые взносы для более безопасных водителей. Аналогичным образом компания Nike может предложить другую обувь, более точно соответствующую предпочтениям покупателя в ходьбе и беге.
Современные цифровые технологии расширяют роль данных
Те сведения, которые компании теперь могут получить из интерактивных данных, указывают на изменение традиционного назначения продуктов. Продукты больше не предназначены только для обеспечения функциональности, создания бренда или получения прибыли. Вместо этого продукты становятся важным каналом для генерирования данных, которые служат источником новых впечатлений для клиентов. Кроме того, в бизнесе наблюдается изменение роли данных и продуктов. Преобладающая роль данных заключается в поддержке продуктов. Теперь же не данные поддерживают продукты, а продукты поддерживают данные, поскольку продукты становятся проводниками для новых видов данных о взаимодействии продукта и пользователя, получаемых с помощью современных цифровых технологий, таких как датчики и IoT. При такой смене ролей продукты становятся не единственными источниками дохода для традиционных компаний. Данные тоже становятся важным источником дохода. По мере того как современные технологии трансформируют ключевые характеристики данных, они играют все более значительную роль в современных корпорациях (см. табл. 0.1 и 0.2).
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)