工业物联网与数据分析的七个经验教训：如何打造成功之路

在工业物联网领域，我们经常听到诸如“让我们现有的机器或工具连接起来，然后我们会找到创造价值或货币化的方式”，或“我们需要越来越多的数据，以便解决业务问题”。这种方法足够吗？从连接产品和收集大量数据开始思考过程是一个好主意吗？

在工业物联网领域，数据和物联网团队面临着许多相似问题。这激发了我为数据和采用物联网服务和技术的物联网（IoT）团队写了一些经验教训。我们不应该忘记，数据和连接产品就像同一枚硬币的两面。

第1点：从问题开始，需要您了解想解决的问题，而不是解决方案

许多公司开始开发连接工具，机器或基础设施，而无需对其客户，业务模型和潜在挑战进行必要分析。他们决定的驱动因素有时就是竞争对手在做什么或者什么是“酷”。显然，这些不够好的原因。如果你不问这些问题，那么有很大机会最终浪费金钱，时间和精力，而没有看到你的运营，业务和利润的影响。

与数据分析的类比：数据分析师也是如此，他们可能会开始分析海量数据，而无法首先了解他们在寻找什么。你试图回答什么是大问题？这里的建议同样是从你想解决的问题开始，而不是从数据开始。

第2点：优先执行IIoT项目

物联网中的每个人都有很好的想法，特别是在IIoT中。这项技术进步如此之快，以至于现在的公司有机会让他们的想法变得非常简单。但是，考虑到技术，法规，业务需求和客户变化的速度有多快，优先考虑要解决的最具影响力的问题并决定您应该实施哪个IoT项目至关重要。例如，选择最经济，最简单或最酷的项目往往不是最好的主意。首先定义您的标准（长期影响，能力，与现有解决方案的集成），然后确定优先顺序。

与数据分析类比： 数据分析师也是如此。首先应该解决哪个问题？你应该在哪里关注你的时间和精力？

第3点：认真思考，从小处着手，快速失败然后学习并快速扩展

我们需要宏伟想法的微缩版本，以便于我们验证，然后不断迭代和调整。我们经常看到，大公司经常有很宏大的想法，但随后计划并准备好几年，直到他们推出第一批产品或在整个业务中实施物联网解决方案。由于技术和趋势变化更快，而且竞争（特别是初创公司）的加快，因此这种方法可能会面临多种风险。扰乱来自许多方面，并且很快。此外，如果我们不从小事做起，我们将无法获得有价值的市场反馈，调整我们的产品并决定我们最终的规模。“开始小小”的策略也有助于与内部利益相关者进行接触，并保持高度的兴趣和承诺。

与数据分析类比： 开始时，您需要快速测试数据样本，而不影响整个数据集。你需要快速的失败并快速学习改正，再试一次，利用以前的教训，最后找到你正在寻找的问题的答案。

第4点：打破公司部门和数据的孤岛

当我们计划开始设计和后续执行IIoT项目时，高级领导团队需要确保不同部门的利益相关者之间的协作，支持和参与，以利用不同领域的专业知识，并保证所有部门的持续性。否则，我们可能会看到一个团队负责一个项目，但没有任何其他部门关心它，好像这不是他们的工作或责任。对于任何IIoT项目来说，这种态度都可能是灾难性的，特别是对于大型项目。此外，尽量定期参与所有相关利益相关方的工作，包括更新，研讨会，小型交付品等。

与数据分析类比： 我们需要关于数据的相同方法。理想情况下，每个部门都需要以相同的格式提供数据，并以安全的方式将其提供给分析师，以便他们可以将其整合并与之一起使用。整合来自不同部门，产品和服务的数据。在某些情况下，它甚至可以改变游戏规则。

第5点：用讲故事解释数据

仅仅从传感器或内部系统收集数据，然后整合所有这些数据集是不够的。数据需要进行分析，然后在合适的环境下进行简单的介绍，并以有吸引力的形式呈现，观众可以是内部或外部客户。实现这一目标的最佳方式是使用讲故事的有效方法，并结合适当的可视化。要明确，我并不是指IIoT分析平台的仪表板和功能。相反，我关注人类（分析师，平台用户等）如何阅读和描述分析数据的结果的重要性。使用讲故事的方法，大多数员工，决策者和客户将能够理解和使用结果。

与数据分析类比： 大数据团队（或名称相似的团队）需要能够将数据转换为信息，并将信息转化为其他业务（或客户）的可操作性。数据中那些隐藏的模式不容易被看到，但一位优秀的数据分析师可以找到他们并有效地与正确的讲故事和可视化进行沟通。

第6点：授权，培训和为您的IIoT员工提供问题

物联网是全新的，因此，追求物联网和大数据战略的工业企业发现，通过全面了解数据，电信，软件，商业广告，战略等招聘合适的人才具有挑战性。特别是，如果我们认为他们正在与Google，IBM，CISCO，Vodafone等众多科技公司竞争人才。因此，公司必须不断投资于员工培训，特别是在数据，业务和技术，以便他们对物联网应用及其影响有广泛的了解。否则，公司不仅会继续聘用缺乏现代技能的员工，而且需要具有竞争力的商业环境，也会失去最好的人才。此外，赋予培训和职业发展方向对于保持劳动力的积极性和激励至关重要。考虑到缺乏物联网人才，人力资源团队尝试将业务需求与雄心勃勃的员工的兴趣和职业目标相匹配是一个好主意。否则，很难长期留住组织中的优秀人才。

与数据分析类比： 分析专业知识的供应尤其短缺，随着该领域的扩大，预计它将变得越来越稀缺。对于许多IIoT领域的公司来说，今天的关键往往是数据科学家或数据架构师，但这往往是最具挑战性的。因此，持续授权，培训和参与令人兴奋但困难的问题可能有助于提高数据员工保留率。

第7点：连续反复应用上述六点

上述教训需要长期记住。如果我们在开始时应用这些策略，但在六或十八个月后忘记这些教训，那么很容易造成一些大的错误或失去良好的机会。