如何差异化您的物联网产品:提供见解而不是数据

简介: 物联网产品以产生大量数据而闻名。甚至有人认为部署物联网产品的原因是产生并收集所有这些数据,数据本身就是提供价值的要素。我不这么认为。物联网产品需要提供见解。在这篇文章中,我描述了拥有数据策略的重要性,并分享了我是如何艰难地发现这一点的。

7.26-Provide-Insights-not-Data-1068x641_副本.jpg

物联网产品以产生大量数据而闻名。甚至有人认为部署物联网产品的原因是产生并收集所有这些数据,数据本身就是提供价值的要素。我不这么认为。物联网产品需要提供见解。


在这篇文章中,我描述了拥有数据策略的重要性,并分享了我是如何艰难地发现这一点的。


你的数据策略是什么?


归根结底,物联网产品与客户心目中的任何其他产品都没有什么不同。它要么带来价值,要么没有价值。


我为什么要告诉你这些?因为公司在构建物联网产品时面临的最大挑战之一是制定数据战略 - 如何从数据中获取价值的计划。


数据策略超越了数据的收集和管理。它首先定义你想用你的产品实现的最终目标,然后遍历物联网技术栈,了解你需要在栈的每一层收集、存储、分析和传输什么数据。这是在物联网决策框架中通过数据决策区域的关键目标之一。


Framework-Data-1_副本.png

数据越多越好,对吗


错了。让我来分享一个关于拥有清晰的数据策略的重要性的故事。


在我职业生涯的早期,我为一家半导体制造公司开发了一个物联网的交钥匙解决方案。我的客户,我们姑且叫他凯文吧,雇佣了我工作的公司,让他们为新硬件芯片的特性自动处理。表征(Characterization)只是一个花哨的词,指的是把一个计算机芯片放入你能想象到的每一个可能的输入,然后记录它的输出,以确保它尽可能接近工程师用来设计芯片的数学模型。


手动配置每个可能的输入组合是一项不可能完成的任务。但是,如果您可以让一台计算机为您做输入,并将所有输出数据存储在云中,那么您可以节省大量时间并提高产品的整体质量。这就是我们的切入点。


当我们安装并提供了解决方案,Kevin和他的团队非常兴奋,因为这是他们第一次能够执行之前无法测试的各种输入组合。这个项目非常成功。


几个月后,我接到凯文的求助电话。“我们被数据淹没了,”他说,“我们不知道该怎么处理它。”“我们开发的系统有很多高速传感器和执行器,每秒能产生数十亿字节的数据。”


仅仅运行系统几分钟就会产生大量的数据,他们需要几周时间才能理解所有的新信息。他们已经解决了可见性的问题,但是在这样做的过程中,他们又产生了另一个(可能更大的)问题,即他们无法以任何有意义的方式管理、分析或处理大量数据。


始终用数据策略来引领


我们应该更好地理解客户的最终目标,而不是仅仅交付他们在这个定制解决方案中所要求的东西。


别误会,从我公司的角度来看,这次部署是成功的。我们按时并在预算内交货,客户很高兴地接受了他们闪亮的新系统。但实际上,我们让问题变得更糟了。


这个故事不是一次性的。事实上,当我与世界各地的产品人员交谈时,我看到这种情况一次又一次地发生。公司太过关注于解决问题的症状,而不是深入了解客户真正想要实现的目标。更常见的情况是,我们把重点放在提供数据上,而不是提供真知灼见。


我很幸运,凯文非常信任我的公司,让我们回来帮助他们完成项目的第二阶段,解决数据过多的问题。这一次,我们小心翼翼地深入了解整个公司的需求,而不仅仅是他的团队的需求。


我们很快了解到,他们没有操纵数据的专业技能,他们没有数据分析师,他们真的没有必要的知识来接管我们为他们开发的系统。


接下来的几个月,我与他们一起实施了一个数据策略和一个数据管理解决方案来解决这些问题。我们降低了他们产生的数据量,并能够将所有数据(甚至来自其他部门的数据)集中到私有云中,稍后我们在私有云中添加了分析和可视化层。事情在那之后看起来好多了。


我永远不会忘记那个教训。


机器或“事物”可以产生大量数据。他们永不疲倦,因此可以日夜不停地生成数据。如果没有明确的数据策略和明确的途径来为这些数据提供价值,则物联网解决方案将毫无用处。


行业知识的重要性


有一个古老的笑话是这样的:一个牧羊人正照看他的羊群,而突然之间,一辆跑车中的年轻人停下来了。那个年轻人问牧羊人:“如果我能猜出你有几只羊,我能养一只吗?” 牧羊人同意。这位年轻人开始使用最新最先进的技术来运行计算。 “你有280只羊,”他说。


牧羊人叹了口气,对年轻人说:“如果我猜你的职业是什么,我能要回我的羊吗?”年轻人同意了。“你是个顾问,”他说。年轻人惊讶地问:“你怎么知道的?”“嗯,你要价太高了,你是在告诉我一些我已经知道的事情,显然你对我的生意一无所知,因为你要带走的是我的狗!”


这个故事也适用于产品经理。对于pm来说,为我们不太熟悉的行业开发产品并不罕见,因此我们最终解决了一个不需要解决的问题,或者只是产生了大量的数据,却没有任何价值。


回顾过去,由于缺乏行业知识,我们在构建Kevin的系统时遇到了一些问题。对我(和我的公司)来说,这是一个全新的行业。我们知道如何为其他行业构建高性能的物联网解决方案,尽管解决方案的空间转换得很好,但问题空间非常不同。


我们花了大量的时间来了解我们的客户和他们的痛苦,但是我们没有一个参考框架来应对这个行业的挑战。其结果是:一个部分有价值的产品,但并没有完全解决问题。


那么,牧羊人的故事的寓意是什么?


了解客户所在的行业。产品经理需要尽可能多地了解客户的业务。换句话说,你需要有深入的领域知识。


当您成为您的客户及其同行所面临挑战的专家时,您可以提出更好的问题并为您的产品做出更好的决策,从而为您的客户提供更多的价值。


总结:提供见解


如今,许多物联网产品关注的是生成数据,而不是真知灼见。这将导致失望的客户无法利用解决方案的价值,并被迫做额外的工作来从数据中提取有用的信息。


作为产品经理,我们有责任了解客户的世界,包括对目标行业最常见的挑战有很好的理解。只有这样,我们才能制定出一个可靠的数据策略来解决客户的需求。


原文链接
相关实践学习
钉钉群中如何接收IoT温控器数据告警通知
本实验主要介绍如何将温控器设备以MQTT协议接入IoT物联网平台,通过云产品流转到函数计算FC,调用钉钉群机器人API,实时推送温湿度消息到钉钉群。
阿里云AIoT物联网开发实战
本课程将由物联网专家带你熟悉阿里云AIoT物联网领域全套云产品,7天轻松搭建基于Arduino的端到端物联网场景应用。 开始学习前,请先开通下方两个云产品,让学习更流畅: IoT物联网平台:https://iot.console.aliyun.com/ LinkWAN物联网络管理平台:https://linkwan.console.aliyun.com/service-open
相关文章
|
5月前
|
XML 传感器 JSON
【开源视频联动物联网平台】产品管理
【开源视频联动物联网平台】产品管理
39 3
|
关系型数据库 物联网 PostgreSQL
沉浸式学习PostgreSQL|PolarDB 11: 物联网(IoT)、监控系统、应用日志、用户行为记录等场景 - 时序数据高吞吐存取分析
物联网场景, 通常有大量的传感器(例如水质监控、气象监测、新能源汽车上的大量传感器)不断探测最新数据并上报到数据库. 监控系统, 通常也会有采集程序不断的读取被监控指标(例如CPU、网络数据包转发、磁盘的IOPS和BW占用情况、内存的使用率等等), 同时将监控数据上报到数据库. 应用日志、用户行为日志, 也就有同样的特征, 不断产生并上报到数据库. 以上数据具有时序特征, 对数据库的关键能力要求如下: 数据高速写入 高速按时间区间读取和分析, 目的是发现异常, 分析规律. 尽量节省存储空间
737 1
|
2月前
|
物联网 数据管理 Apache
拥抱IoT浪潮,Apache IoTDB如何成为你的智能数据守护者?解锁物联网新纪元的数据管理秘籍!
【8月更文挑战第22天】随着物联网技术的发展,数据量激增对数据库提出新挑战。Apache IoTDB凭借其面向时间序列数据的设计,在IoT领域脱颖而出。相较于传统数据库,IoTDB采用树形数据模型高效管理实时数据,具备轻量级结构与高并发能力,并集成Hadoop/Spark支持复杂分析。在智能城市等场景下,IoTDB能处理如交通流量等数据,为决策提供支持。IoTDB还提供InfluxDB协议适配器简化迁移过程,并支持细致的权限管理确保数据安全。综上所述,IoTDB在IoT数据管理中展现出巨大潜力与竞争力。
57 1
|
消息中间件 传感器 监控
IoT企业物联网平台,数据服务开发实战
IoT企业物联网平台开发实战
401 0
|
2月前
|
存储 传感器 监控
理解并利用物联网(IoT)数据的技术探索
【8月更文挑战第11天】物联网数据是数字化转型的重要资源。通过深入理解物联网数据的特性和价值,并采取有效的收集、处理和分析策略,我们可以更好地利用这些数据为企业决策提供支持、优化运营效率、创造新的商业模式并推动数字化转型的深入发展。
|
3月前
|
物联网
好的资源链接,gitee全糖咖啡,B站视频转成mp4,全糖咖啡 / 物联网网关数据上传,,全糖咖啡 / springboot+百度智能车牌检测
好的资源链接,gitee全糖咖啡,B站视频转成mp4,全糖咖啡 / 物联网网关数据上传,,全糖咖啡 / springboot+百度智能车牌检测
|
3月前
|
分布式计算 DataWorks 大数据
MaxCompute产品使用合集之如何实现嵌入式设备到物联网平台再到PAI DSW的云边结合
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
|
4月前
|
机器学习/深度学习 传感器 算法
物联网(IoT)数据与机器学习的结合
【6月更文挑战第6天】物联网和机器学习加速融合,驱动数据收集与智能分析。通过机器学习算法处理 IoT 数据,实现智能家居、工业生产的智能化。示例代码展示如何用线性回归预测温度。结合带来的优势包括实时监测、预警、资源优化,但也面临数据质量、隐私安全、算法选择等挑战。未来需强化技术创新,应对挑战,推动社会智能化发展。
135 0
|
4月前
|
存储 安全 算法
物联网中的数据加密技术
【6月更文挑战第1天】物联网中的数据加密技术
471 0
|
5月前
|
数据采集 SQL Oracle
助力工业物联网,工业大数据之DWD层构建:数据抽取分析【十一】
助力工业物联网,工业大数据之DWD层构建:数据抽取分析【十一】
84 0

相关产品

  • 物联网平台
  • 下一篇
    无影云桌面