从物联网见解到决策的最后飞跃

进步

希望利用物联网的企业正在部署各种数字设备和传感器，这使他们可以访问前所未有的原始数据。但是，对于许多企业（尤其是中小型公司），管理所有这些数据并在最大程度上利用它可能很困难。

在我的上一篇文章中，我广泛讨论了企业如何通过适用于元学习的下一代方法来克服这一挑战机器学习- 教导机器自动执行数据科学家必须执行的时间和劳动密集型步骤以构建高度准确的预测模型的过程。这将使企业能够通过自动化数据科学生命周期来将其数据转化为洞察力。

采取预测

但是，这只是过程中的一步。企业可以使用他们的分析为了获得世界上最准确的预测，但是如果他们不能及时对这些见解采取行动，那么他们就不会充分利用它们。在这种情况下，所有时间都花在准备数据，创建和验证模型并将这些模型投入生产中的所有时间都是徒劳的。

这不仅是在预测上行事，还要创建灵活的业务流程以促进将预测转化为可行的决策。采用一个常见的用例进行预测分析：预测设备停机时间使用IoT数据。只需钉住模型即可预测机器故障本身就是一项全面的任务。但是，如果一家公司在全球范围内部署了数千台机器，其中一些机器在该领域的偏远地区运行呢？该公司还需要专门针对每种情况下的预测行事的业务流程，以确保可以及时解决问题，而不会受到干扰。

在这种情况下，企业不仅需要一个预测结果，而且还需要预测结果来触发特定的动作。这可能与向现场服务代理发送通知一样简单。但是，越来越多的过程越来越复杂 - 在不久的将来，它可能涉及将通知发送给服务代理，以及可以在增强现实中显示的维修说明。业务应用程序逻辑也可以集成到库存管理系统中，以说明用于维修的零件，并将其置于面向客户的功能中，以重新安排维修或转移服务到另一台有能力的机器，以跟上生产。随着技术的不断改进，企业应用程序将能够在促进不同的行动方面发挥更大的作用，但前提是企业首先可以使用这些功能开发应用程序。

从物联网洞察到决定

在上述情况下，预测机器停机时间修复设备只是一个全面的过程中的一小步，从而影响所有参与人员，从现场代理到最终客户。假设企业具有处理能力，他们也需要将此能力绑定到其他业务流程中。从应用程序开发的角度来看，业务需要考虑：

多通道用户体验：根据机器的位置，服务代理可能需要不同的工具来进行维修和调整。从诊断公用事业到维修手册的所有内容都应针对用于完成这项工作的设备，无论现场代理使用平板电脑，某些专有移动工具还是甚至增强了现实。
复杂的业务逻辑：该申请需要能够收到故障设备的通知，然后根据其他条件决定正确的行动方案。当更重要的一台机器也即将失败时，企业不想将资源用于维修一台机器。从一天中的时间到机器价值的所有内容都需要考虑。
与其他相关业务应用程序集成：做出预测只是一个步骤。该应用程序需要将应用程序紧密整合到其他相关应用程序中，以确保可以迅速采取预测，而不会遇到任何其他干扰。从客户管理系统到库存管理，集成必须是无缝的。
支持新的应用程序工作负载：业务状况总是在变化，应用程序需要适应以匹配该应用程序。在上面描述的情况下，应用程序将通知转发给了用户，然后他们需要进行服务。但是，随着时间的流逝，应用程序本身可以处理更多步骤，以减少对人类运营商的依赖。仅当应用程序从一开始就可以支持新的应用程序工作负载时，才会发生这种情况。
机器学习和预测分析：一旦做出预测并触发了过程，应用程序就需要根据所遇到的各种生产场景和总体结果不断改进其模型。机器环境的变化，操作特性的变化和有关模型准确性的信息都需要回到模型中，以便可以改进它们。

使用来自物联网的数据获得洞察力和预测的其他来源是改善业务运作方式的关键第一步。但是，为了真正充分利用这些见解，企业还需要应用程序来进行预测并将其转变为可实施的决策。这需要具有复杂业务逻辑，无缝集成，灵活性和出色用户体验的全面业务应用程序。

建立这样的全面业务应用并非易事，但是全球许多企业都开始采用这种方法 - 他们取得了一些不错的成果。当您关注未来并尝试弄清楚如何改善分析过程和应用程序开发过程，请记住这种综合方法。这将使您的业务能够在流程中迈出下一步，从简单地做出准确的预测到主动执行决策。

所有的物联网议程网络贡献者都负责其帖子的内容和准确性。意见是作家的，不一定会传达物联网议程的思想。