数据如何变废为宝？

　　采集、利用物联网时代的海量数据，是企业构建竞争优势的新维度。

　　大量被废弃的数据——即所谓“数据废气”（data exhaust）——实际有很大利用价值，可以用来形成新的竞争优势。该观点来自沃顿商学院高级研究员斯科特.斯奈德（Scott Snyder）和火箭车（Rocket Wagon，一家企业物联网及数字服务公司）副总裁亚历克斯.喀斯特鲁尼斯（Alex Castrounis）。

　　相对于物联网，或许，更准确的说法应该是“物联数”（data of things）或是“数联网”。海量价值

　　根据思科可视化网络指数2016，截至2018年，物联网一年生成的数据可达400ZB（相当400万亿GB），容量惊人。这一惊人的数据量无处不在：从可穿戴式设备、智能家电，到波音787这类飞行1小时即生成40TB的高端连接平台，或像力拓公司的采矿作业，1分钟即能生成2.4TB数据，超过推特一天内生成数据容量的20倍。

　　物联网产生的数据增量巨大，只有小部分（8.6泽字节）被送往数据中心存储并进行后续研究——“数据废气”比实际用于分析的数据要多得多。

　　得益于超长距、低功耗的物联网连接，体积小、成本低的传感器发展，以及运用人工智能的云计算和边缘计算等领域的迅速发展，数据废气能更多地进行深入分析，且可被转化为实时操作。自动驾驶就是很好的实例，借助大量传感器数据，其在各个新场景中可学习安全、高效的驾驶行为。

　　据波士顿咨询公司的研究，在最具创新力的公司中，80%会利用数据强化其商业优势，这就不难解释，美国前进保险（Progressive Corp.）、耐克和约翰迪尔（JohnDeere）等公司，会在产品感应能力上持续投资，从消费者洞察、经济和商业模式创新中获益。

　　对于大多数公司，数据价值是在开发新产品或提供新服务之后产生的，更别说用以提升商业运营了。他们并非从挖掘数据潜在价值开始，只关心让物“连接”起来。

　　或许，有些事自始至终就不应被连接起来，比如i.Con智能安全套，可追踪男性用户在性爱时的热量消耗；Juicera互联榨汁机，除了其1.2亿美元融资引人瞩目外，基本已无人问津。

　　假如一开始数据就是生产力，整体解决方案基于如何利用生成的数据进行构建呢？一个常见误解是，数据价值在于硬件和连接性能，其实物联网提供了更高效、更无缝收集数据的方式，甚至可获取过去得不到的数据。

　　例如，哮喘或慢性阻塞性肺病（COPD）患者的呼吸机中植入一枚传感器，即可收集实时信息，了解患者何时何地在使用呼吸机，这帮助创业公司Propeller改善了管理呼吸道疾病的方式。结合患者人群的详细使用数据以及诸如天气、空气质量等外部数据，并提供实时、个性化的治疗意见，Propeller将突发性哮喘发作率减少了50%，这可能节省数十亿美元的医疗费用。

　　相似地，前进保险公司从其“快照式”车辆传感器中得到驾驶行为数据，用于改进风险模型，表现好的司机可获得较低保费。现在，这已占公司直接渠道收入的20%以上。两则例子涉及的公司，正利用物联网在无形中收集无缝数据，为自身及顾客创造价值。

　　在B2B模式中，约翰迪尔这样的公司已利用物联网数据转换其商业模式。2014年，平均每家农场每天生成19万数据点，到2020年，预计可生成410万数据点，这源于农场及设备“传感器化”迅速推进。将数据流转化为洞察和分析，或转为基于数据的自动化决策，约翰迪尔以其数据优势为引导，从销售农场设备转为提供“精确耕作服务”。

　　以约翰迪尔为例，物联网数据通过监控每个产品和平台的使用状况，提升其可靠性，使“一切皆服务”（XaaS）的商业模式，在航空、采矿、交通和建筑等其他资产密集型产业均成为可能。

　　当你了解去哪、如何寻找数据时，数据即含有重要价值及信息。数据的价值不仅体现在其内含的信息上，于公司而言，可与潜在合作伙伴一起利用数据，其可以出售、进行交易等。要从数据中释放价值并最终获取竞争优势，必须进行各种形式的分析和货币化操作。

　　数据制胜

　　专业的赛车运动体现了一种物联网化的形式，车充当“物”的角色，而车辆内置传感数据实时传输给工程师以备分析。该数据通过基于射频（RF）技术的遥测，传输给维修区的工程师，也可能以网络（如无限局域网络或蜂窝技术）传输给正处某个远程位置上的工程师，比如赛车组总部。

　　典型的印地赛车（IndyCar）拥有高达80个传感器。假设一个样本的采样率为1000kHz，即每秒8万个数据样本，等于说，在Indy 500大赛中将产生6400亿个数据。每次赛车在轨道上行驶时，均产生海量数据，竞争优势的一个主要来源，即将大量数据以近乎实时状态转化为可操作的价值，进入到分析状态。

　　“双车PK”类型的印地赛车团队，年预算接近1500万美元并不少见，部分一级方程式赛车队年支出高达5亿美元。就现有车队而言，其获得赞助的能力和金额，完全取决于车队的历史成绩和竞争优势，包括实际成绩和心理感知。赛车组优化表现并提升竞争优势的方式有两种：一是“让车跑得更快”（这是许多赛车组成员常说的一句话），二是占据心智中的定位，并可能以上佳的比赛策略或突发事件赢得一场比赛。

　　单单借助数据分析，就能帮助汽车跑更快。数据可能取自于车辆内置传感器和数据采集、司机反馈、风洞、七柱振动筛、计算机模拟、轨道测试、轮胎测试、流体动力学模拟和测试、发动机测试等等；实战中制定更好竞争策略战胜对手，则相当大程度上取决于历史和实时数据的影响。

　　无论何种情形，利用“高级分析”（advanced analytics）都能帮助赛车队将数据转为赛道上的更佳表现（车速更快，单圈时间更短），或能制定若干策略实现比赛结果最优化。部分分析工作是数据科学家和工程师手工进行的，部分则是自动化的，涉及的分析方法可以是描述性分析、数据可视化、统计分析和高级分析，其中包括人工智能和机器学习的技术和算法应用。

　　赛车越快，比赛成绩通常越好，赛车队更容易挣到钱，这和商业运营一个道理：一家企业形成的竞争优势越多，财政状况越好，因此更容易获取并笼络客户。

　　变数据为宝

　　拥有竞争性优势，意味着一个个体或一家企业，能提供竞争对手无法赋予的价值，优势可以是创新力、卓越执行力、更好用户体验或是更大的获取或转换数据的能力。

　　数据已改变决策行为，将之从基于直觉或由历史经验而来的有根据推测，转变为基于模式和预测的客观决策。数据帮助我们量化基本假设，对可能性分布和数量级进行匹配。确实，数据帮助我们理解：我们能在多大程度上能改进某些事情。

　　物联网不只是代表一种机会，可大量收集更多关于产品、服务和操作的数据，且能使企业有可能自我驱动、形成竞争优势，就像印地赛车队一样。要释放这种潜能，需要在“赛车日”前打好基础以便能赢得比赛，其中包括以下要点：

　　1.核算产出。要识别数据产生价值的潜在机会，并决定收集数据最流畅、实惠的方法。举例来说，如果一名运动员平时已在穿钉鞋或运动衫，也许可直接将传感器嵌入到里边，而不是非得制造一个新设备去计算其消耗。

　　比如，耐克已花费巨大投资扩展“Nike+”平台（连接运动鞋、可穿戴设备和应用程序），以便收集700多万名跑步者更为精细的数据，并通过智能替换（知道何时鞋底损坏）和更个性化的鞋服以增加销售。

　　安德玛（Under Armour）花费了近5亿美元来连接1.5亿名数字健身和健康用户，并推出HealthBox获取数据采集机会，以便在健康数据上获得更为深入的观察。除了识别数据采集最有效的方法（利用传感器和连接性）外，公司需要创造一个大数据环境来存储、管理和分析不同的物联网数据流。

　　2.最优转化。一旦安装设备收集和存储数据，需有智力资源和工具将物联网数据转化为可实现商业价值的洞察力和决策。这意味着，需要一个由数据科学家、数据工程师和架构师组成的团队，既能解答已有问题以优化性能，也可依靠发掘隐匿于数据中的模式来处理新问题。

　　比如，在智能城市应用中，即存在着一个课题，如何掌握车流量状况并选定优化交通的方案。假设在某些区域拼车会对交通产生负面影响，因为公共交通使用率减少将会造成新问题。这意味着，需要有数据分析团队，能使用最新预测分析和人工智能平台（如TensorFlow，Torch，或H20.ai），可快速提出并验证假设，由此得出正确的策略和行动方案，从而产生理想结果。

　　找到这类具有批判性思维的数据科学家并不容易，可能需要整合技能各异的员工（Python程序员、建模师、统计学家和业务分析师），同时以其他渠道建立交流桥梁（比如在Kaggle网举行公开数据竞赛，或赞助学生项目来识别新人才）。

　　3.疾速制胜。拥有数据、洞察和正确行动，将能进一步优化当前的业务或平台。完全释放数据的价值，通常要反思公司的全部产品及经营模式，以数据及其运用能力作为核心优势加以利用。

　　鉴于物联网可从当前业务操作和客户体验中，产生规模惊人的数据，各公司迎来一个难得机会，转向以数据为中心的商业模式，并以一种持续服务的方式向客户提供商品：比如，一家制药公司从单纯销售药物转为提供疾病管理（以病患监护形式）服务，或是一家汽车制造商从销售汽车转向提供运输服务。此外，公司可在革新过程前——而非作为一种事后反思——集成物联网数据资产和数据能力，开发出全新的关联产品。

　　总而言之，如果物联网是新生代的互联网，那么数据就是新石油，不应让物联网数据沦为白白浪费的“废气”，或许恰恰能从这些数据中发现提升竞争优势的新洞察，并在市场中赢得未来的竞争。

　　不过，首要的前提是，必须建立能高效捕获和分析这些数据的能力，然后改进创新流程，将物联网生成的“数据能量”用于产品、服务和商业模式，唯有此，才能在众多竞争中脱颖而出。

　　本文由沃顿知识在线提供授权，翻译有删减，查询原文可登录http：//www.knowledgeatwharton.com.cn/

　　译/胡小艺

关注读览天下微信， 100万篇深度好文， 等你来看……