消費智能化，萬物皆互聯的物聯網思維

快速革新的數字化時代，消費者在衣食住行等各個方面越來越傾向於選擇智能產品和服務，這對傳統企業帶來了極大的挑戰，如果這些企業不能及時、有效地從戰略、決策、產品和運營等方面進行數字化轉型，在未來數十年，甚至數年內，他們就可能從公眾視野中消失。

產品和服務智能化的首要任務是場景和功能設計，需要以目前產品和服務的核心功能為基礎，藉助於數字化能力和人工智慧，挖掘產品功能在優化、增強、創新和升級方面的需求，為下一步真正的數字化實施和轉型提供基礎。

物聯網，產品和服務轉型的關鍵

作為近幾年IT行業發展最迅猛的領域之一，物聯網（IoT）已深入介入了每個人的工作和生活。據IDC預計，到2025年，全球會有800億台設備處於「連接」狀態！

面臨如此廣闊的市場，企業應立即考慮如何儘快制定戰略、開展行動，思考如何藉助IoT來優化產品、促進創新，打造消費者喜聞樂見的智能產品和服務，同時進一步提高運營和生產效率。

我所在的微軟數字化轉型諮詢團隊脫胎於微軟企業服務部，藉助在1000多個客戶服務項目中積累的大量經驗，總結出了成功實施業務轉型的模式和實踐。我們將轉型方法分為三個階段：夢想（Dream）、設計（Design）和交付（Deliver），此謂之微軟數字化諮詢服務（DAS: Digital Advisory Service）三部曲。

為了幫助傳統企業利用物聯網技術進行數字化轉型和產品創新，我們提供了一系列IoT諮詢及解決方案支持服務，具體措施包括：

數字化轉型規劃和IoT成熟度評估：從規劃層面，利用企業IoT成熟度模型對客戶現狀進行分析，並基於成熟度分析結果，從人員、技術和業務方面提出改進建議和策略。

物聯網系統解決方案：微軟提供完整的諮詢服務和解決方案支持，並已協助大量企業應用IoTa技術進行產品優化和創新。企業可結合自身的規模、產品、不同階段，靈活選擇不同解決方案。

考慮到不同企業的具體需求和情況，我們提供了下列三種IoT實施方式：

無需開發，開箱即用：如果企業想儘快應用IoT技術，但技術開發、運維能力和資源有限，可直接選擇軟體即服務（SaaS）的IoT Central。

利用IoT Central，企業可在數小時內配置（定義產品、數據與介面、監控規則與行動觸發、用戶與許可權管理等）出一個功能完整的IoT系統，在按標準接入設備後，可立即在儀錶板上查看可視化數據並進行各種分析。

該方式適合於初創類、產品周期迭代快的企業，但大型企業也可利用它來進行快速原型驗證。

少量開發，快速上線：如果需要更多自定義能力和擴展性，可利用物聯網套件（IoT Suite）。它提供了設備遠程監控、預測性維護、智能工廠等典型場景和功能。

藉此企業可在30分鐘內根據模板快速創建出具備現代應用程序架構（微服務）的IoT系統，之後根據自身特定要求直接修改IoTSuite在Github上開放的源代碼來實現完全的自定義，這樣可以在數天內開發出滿足企業特定需求且具有可擴展性的IoT系統，為企業產品的數字化轉型提供快速有效支持。

自主控制，功能強大：如果需要建立完全可控，支持多樣化產品，需要與企業現有系統緊密集成，或具備多租戶支持的IoT系統，可利用Azure IoT自底向上搭建完全自有的IoT平台。

Azure IoT提供了建立IoT平台的基礎功能和核心服務，包括各種產品和設備SDK、邊緣和網關設備的Runtime和擴展模式、能處理億萬級消息的IoT Hub、大量設備的預配（Provision）服務，海量異構數據存儲，冷熱數據處理服務、數據集成與展示服務、機器學習和人工智慧（AI）服務能力以及相關的管理、監控、安全基礎能力等。為了方便企業利用這些服務構建IoT系統，微軟提供了參考架構，如下圖所示：

藉此企業能夠依據自身需求，建立非常靈活、可擴展、可控的物聯網平台，為大規模產品的數字化、後續不斷改進完善提供堅實的基礎。

物聯網硬體：除了軟體和解決方案，微軟同眾多合作夥伴一起提供了經Azure IoT認證的設備目錄，企業可快速尋找高質量硬體，滿足自己獨特的業務需求。

三步完成物聯網實施

第一步：Things——連接產品

IoT的第一步是安全地將企業產品連接到數字網路中。

在產品和設備接入網路後，用戶就可以通過智能設備來隨時隨地了解產品運行狀態，如開機時間、使用時長、使用時段、位置信息或感測器數據，如溫度、濕度、亮度、空氣質量、水質等，控制產品的功能。企業在保護用戶隱私的前提下也可收集設備和用戶使用數據，供後續分析使用。

接入過程中要考慮諸多因素，最重要的是安全性，包括設備本身的安全、連接安全、身份與標識安全、隱私保護等，其次要考慮到設備生命周期管理，對於規模和數量較大的產品與設備，要考慮如何高效地預配（Provision）。

第二步：Insights——數據洞察

在收集到源源不斷上送的設備數據後，就需要對其進行統計和高級分析來挖掘其中蘊含的巨大商業價值。可以先從基礎報表入手，對數據進行初步的匯總和統計，展示產品數量、使用人數、地域、使用情況等現狀，之後可以分析利用儀錶板和關聯分析來尋找各種內在和外在數據之間的潛在關係，以此為基礎，建立機器學習模型並不斷優化完善，確定更多數據之間更準確、可驗證的模式，為後續各種業務預測和自動化處理提供基礎。

數據分析時要考慮冷熱不同數據的處理方式，冷數據實時性要求不高，主要用於匯總分析和人工，熱數據實時性要求高，主要用於實時分析和自動決策。

第三步：Actions——主動行動

有了數據分析結果和機器學習模型之後，企業對內可以改善和提升設計、生產、銷售和客戶服務，如產品使用數據有助於改進和提升產品質量和設計，銷量預測能夠有效指導生產、庫存和資源投入。

部分數據分析的結果也可以展示給用戶，包括使用習慣、偏好等個人數據，同類型人群、地域使用情況比較等群組數據，機器學習模型預測的提醒數據等，來增強產品的個性化和智能化，不斷提高客戶粘性和忠誠度。

來源：網路

免責聲明：本平台轉載文章僅為資源共享、學習參考之目的，並不代表平台贊同其觀點或對其真實性負責，本平台不承擔文章侵權行為的連帶責任。若所轉內容涉及版權等問題，請著作權或版權擁有機構後台聯繫，我方將第一時間處理。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！