The Future of Competitive Strategy: Unleashing the Power of Data and Digital Ecosystems - Mohan Subramaniam;
И все же, когда мы сужаем круг тех технологий, которые оказывают наибольшее влияние на превращение отраслевых сетей в цифровые экосистемы, то выделяем несколько. Это технологии, позволяющие унаследованным фирмам генерировать интерактивные данные и обмениваться ими так, как это делают титаны цифровых технологий (об этом говорилось в главах 1 и 2). Эти технологии расширяют границы возможностей традиционных компаний в отношении того, что они могут делать со своими данными. Тремя такими современными технологиями являются сенсоры, IoT и искусственный интеллект.
Датчики позволяют компаниям собирать интерактивные данные в реальном времени от активов, продуктов и клиентов. IoT позволяет подключать различные физические объекты к Интернету с помощью таких протоколов, как Wi-Fi, Bluetooth или Zigbee. Возможности подключения растут по мере увеличения количества объектов, оснащенных датчиками и программными интерфейсами, а также при увеличении мощности телекоммуникаций, например, за счет более широкой полосы пропускания беспроводной связи, доступной в технологии 5G. ИИ - это термин, охватывающий множество различных технологий, таких как статистическое машинное обучение, нейронные сети, обработка естественного языка или автоматизация роботизированных процессов. В рамках данной книги под термином "ИИ" мы понимаем технологию, позволяющую распознавать закономерности в больших объемах данных, которые человек может не заметить. Она также позволяет делать вероятностные прогнозы на основе этих закономерностей, что может помочь в принятии решений.
Датчики, IoT и искусственный интеллект экспоненциально повышают операционную эффективность, обеспечиваемую традиционными ИТ. При этом они также способствуют достижению первоначальных целей сетей цепочки создания стоимости - поддержке продуктов и их позиционированию. Однако еще важнее то, что эти технологии позволяют сетям цепочки добавленной стоимости выйти за пределы их традиционной продуктоориентированности. Эти технологии позволяют унаследованным компаниям использовать свои отраслевые сети для создания новых услуг, основанных на данных, и цифрового опыта.
Повышение эффективности производственной деятельности
Сначала рассмотрим, как датчики, IoT и искусственный интеллект повышают операционную эффективность, обеспечиваемую традиционными ИТ-услугами в сети цепочки создания стоимости Ford. Датчики могут собирать широкий спектр интерактивных данных. Они универсальны. Они вездесущи. Они могут быть установлены на существующие активы. Они могут быть соединены в обширные сети, позволяющие генерировать данные и обмениваться ими через IoT поверх инфраструктуры ИТ-системы. Таким образом, датчики и IoT позволяют генерировать и обмениваться данными в большем объеме, чем это могут обеспечить ИТ-системы.
Важно отметить, что датчики, IoT и ИИ не заменяют функции различных ИТ-систем. Эти ИТ-системы развивались годами, обеспечивая сложные и изощренные способы автоматизации различных комплексных рабочих процессов. Датчики, IoT и ИИ дополняют эти системы, создавая поверх них более широкую сеть генерации и обмена данными. Благодаря повсеместному распространению датчиков эта сеть может генерировать гораздо больше данных. Модернизированные датчики позволяют объектам генерировать данные, которые ранее не были предусмотрены создателями их базового программного обеспечения или ИТ-систем. Сеть может настраивать типы данных, генерируемых множеством различных объектов, активов и видов деятельности, благодаря универсальности датчиков в генерировании различных типов данных. Кроме того, данные могут передаваться внутри сети для использования системами искусственного интеллекта с целью получения дополнительных сведений. И действительно, искусственный интеллект придает сети значительную мощь, позволяя использовать данные для решения проблем в цепочке создания стоимости. Все эти возможности повышают операционную эффективность.
Рассмотрим сценарий, в котором ИТ-система одного из сборочных подразделений компании Ford обнаруживает всплеск дефектов в дверных узлах, полученных с производственного подразделения. Затем эта ИТ-система оповещает другую ИТ-систему в производственном подразделении, выпускающем дверные узлы. В этом оповещении содержится запрос на увеличение объема поставок дверных блоков. Это делается для того, чтобы иметь достаточное количество бездефектных дверных блоков, чтобы не нарушить технологический процесс сборки. Очевидно, что такая генерация и обмен данными решают непосредственную задачу поддержания рабочего процесса сборки. Однако это решение не позволяет устранить первопричину или источники дефектов.
Датчики и IoT открывают гораздо более широкие возможности для сбора и обмена данными за пределами разрозненных ИТ-систем сборочных и производственных подразделений. Вооружившись более объемными данными из более широкого круга источников, ИИ получает больше шансов обнаружить основной источник проблемы. Его решение выходит за рамки предотвращения прерывания рабочего процесса на одном конкретном сборочном узле. Решение направлено на сокращение общего времени, необходимого для производства автомобиля. В главе 4 приведены дополнительные примеры, поясняющие, как компании могут разработать стратегию производственных экосистем для повышения эффективности производства с помощью датчиков, IoT и ИИ.
Новые услуги, основанные на данных
Гораздо более существенное отличие сенсоров, IoT и ИИ от традиционных ИТ-систем заключается в их способности создавать новые функции и услуги для продуктов, основанные на данных. Эти новые функции и услуги становятся возможными, когда компании устанавливают на свои продукты датчики и отслеживают взаимодействие продукта с пользователем. В отличие от преимуществ операционной эффективности, позволяющей снизить затраты, услуги, основанные на данных, могут генерировать новые потоки прибыли для компаний. С помощью данных они могут расширить сферу своей конкурентоспособности, выйдя за пределы возможностей своих продуктов на новые просторы. Услуги, основанные на данных, могут изменить взаимодействие компании с клиентами. Они даже могут помочь компании заново создать себя.
Услуги, основанные на данных, возникают из новых функций продукта, основанных на данных, которые обеспечивают дополнительные преимущества и новый опыт для клиентов компании. Например, автомобили Ford самостоятельно паркуются. Они помогают водителям оставаться в своей полосе движения. Они тормозят перед столкновением. Компания Ford монетизирует такие функции, предлагая их в качестве дополнительных опций по повышенным ценам и с повышенной маржой.
Услуги, основанные на данных и основанные на таких интеллектуальных функциях продукта, могут быть расширены двумя особыми способами в зависимости от типа генерируемых данных, продукта, генерирующего эти данные, и потребностей клиентов. Первый - это предиктивные услуги. На основе данных датчиков и искусственного интеллекта компания Ford может определить вероятность отказа компонентов автомобиля, таких как двигатель, мост или тормоза, и заранее предупредить об этом водителя. Такие прогностические услуги, предлагаемые в качестве опций, могут обеспечить новые источники дохода. Компания Ford использует эти услуги для своих клиентов из автопарков (например, компаний по прокату автомобилей и полиции), чтобы сократить время простоя их автопарков. Предиктивные услуги по техническому обслуживанию особенно ценны в ситуациях, когда простои продукции обходятся дорого. Предиктивные услуги могут использоваться
