这是基本指南的一部分: 工业物联网的使用案例凸显了物联网的好处和挑战
评估 权衡你正在考虑的技术、产品和项目的利弊。

物联网POC:岩石和坚硬的地方!

“除非你走得太远,否则你永远不会发现自己的极限。”——阿伦·拉斯顿进退两难

工业物联网的宏伟愿景是数万亿美元的经济价值和数千亿美元的所需投资。光是这一前景就足以让终端用户行业和技术供应商对物联网革命将带来的前景垂涎三丈。随着技术供应商努力推动物联网的采用,以及终端用户都太愿意花技术供应商的钱,没有什么比物联网概念证明更合适的了(POC首先。因此,在进入物联网的生产规模领域之前,游戏的最后阶段将会进入正义的POC阶段。物联网POC成为我们通往物联网天堂的必经之路。

然而,仍然有一个小故障!POC的炼狱把我们囚禁起来了。这就像是穿越一个无法突破的深渊。POC方法象征着“三思而后行”的精神,这种精神通常弥漫在任何大型技术项目中。这是三十年前ERP革命开始时的一个可怕的提醒,当时最初的方法只是从财务会计功能开始(尽管所有的ERP都在谈论集成功能!)经过一段时间之后,我们才将所有核心模块整合到一起,实现了课程修正。闸门最终打开,我们看到了ERP的大规模采用。

麦肯锡的一项调查显示,71%的工业物联网计划陷入了POC的炼狱(41%处于试点阶段,30%处于不确定阶段)启动阶段)。思科的另一项研究表明,60%的物联网项目在POC阶段停滞不前,只有26%的公司拥有他们认为完全成功的物联网项目。虽然有一些萌芽的迹象,但这些可扩展但有限的物联网倡议显然不足以在未来十年实现数万亿的经济价值。

以下是为什么孤立的物联网POCs是一个坏主意,以及避免相同的关键要点。

只见树不见林:通常,POCs的结构方式是,他们努力证明该技术是可行的。这最终导致的结果是,管道工作得很好,但主干仍然是关闭的。只关注POC的技术方面,而不考虑业务度量标准,无疑会导致灾难。它确实得到了技术人员的支持,但是由于缺乏相关的业务案例来证明ROI,它并没有得到管理层的支持。

结论:进行详细的诊断评估,以选择正确的业务用例,以解决关键业务指标并交付正确的业务影响。

采用散弹射击方法:通常情况下,物联网倡议是由热情但基本上不干涉的管理团队发起的。那些被委托推动计划的人,没有任何领导指导,最终产生了多个POCs(通常是不同的供应商!)质量和注意力被牺牲在数量的祭坛上,让每个人都有机会获得免费的POC。

总结:确保一个具有一致焦点的整体方法(你不可能在生产阶段使用四种不同的技术)。选择互补的合作伙伴在彻底的评估之后,明智地和他们一起创造。

抑制加速返回定律的:雷·库兹韦尔(Ray Kurzweil)的加速定律回归到这样一种状态:虽然我们人类本质上是线性的,但技术却是指数级的。将物联网计划限制在狭义POC的范围内,意味着将其囚禁,限制其翅膀,不允许其飞行——这违反了加速返回的定律。最终的结果是,最终结果的整体吸引力有限,因为它关注的是一个非常小的维度,只能处理有限的一小部分数据,而且缺乏有意义的见解。

要点:确保POC具有合理的规模(功能和复杂性),使用足够的数据,并辅以适当的上下文来代表真实生活场景。

不知如何是好:通常情况下,人们过分关注POC,却没有明确定义POC将如何发展为成熟的产品展示。一旦POC结束,度量标准度量是模糊的,下一步是不清楚的,主要涉众没有一致,扩展POC所需的细微差别也没有得到解决。POC陷入了困境。

总结:定义从POC到生产的路线图,并确保与关键利益相关者进行充分的社会化,这些利益相关者将确保成功地过渡到生产。

机器学习涅槃的(虚假)诱惑:爬,走,跑——这就是生活的运作方式。期望机器学习能带来即时的满足感是一个错误。机器学习项目至少花几个月的艰苦努力来收集和整理数据,调整算法以得出相关的见解。即使到了那个时候,也没有什么灵丹妙药,没有什么高价商品。随着时间的推移,所有的小分析的胜利都在累积,所以指望一个单独的POC神奇地传递见解是一个神话。

总结:对机器学习在什么时间框架内能够提供什么内容有现实的期望。确保用例有足够的燃料(即数据)来启动机器学习算法。

最后,尽管工业物联网革命是真实存在的,但我们肯定会目睹这些早期错误的开端和增长阵痛。要实现工业物联网的真正承诺,还需要克服与领导力、技能和专业知识、ROI量化、安全和实施相关的重大障碍。与其他技术采用一样,我们最终将跨越鸿沟,扩大工业物联网倡议——希望很快就能实现。在那之前,我们会进退两难!

所有IoT Agenda网络贡献者都对其帖子的内容和准确性负责。意见是作者的,不一定传达物联网议程的想法。

搜索首席信息官

搜索安全

搜索网络

搜索数据中心

搜索数据管理

关闭