设为首页 加入收藏

TOP

地磅物联网大数据应用的原则与策略
2019-07-10 09:28:03 来源:http://www.scalesh.com 作者:http://www.scalesh.com 【 】 浏览:0次 评论:0

一、引言

中国制造业要从粗放走向精细, 从制造走向创造, 离不开大数据的挖掘和应用。更多数据资源的运用和共享, 促进了创新资源的自由流动。大数据未来将成为企业的核心资产, 洞察数据背后的本质, 挖掘数据的潜在价值, 利用大数据了解自己在市场中的位置和创造差异化, 对于企业提升竞争力和战略布局具有重要意义。

二、大数据应用要遵循以下原则

(一) 遵循实时、全时、适时, 才能组成一个高效服务系统。

(二) 数据价值必须来自场景, 知道用户是谁决定了企业数据收集行为的意义。

(三) 在业务目标与信息缺口上, 明确收集方向。在信息质量上, 需评估信息整合难度和数据源头的质量, 在数据应用后, 关注使用情况及在场景中的反馈结果, 在数据缝合上, 必须关注细节, 形成信息收集、分析、整合的优化过程。

(四) 大数据本质上是对客户需求, 尤其是对客户内心深处潜在的真实需求的一个量化过程, 如同无中生有, 需要进行充分的观察、理解、收集、提炼。

(五) 大数据必须是共赢的, 要利他又利己, 共利共赢。当利益高于竞争时, 数据共享就容易实现。而满足双方或多方共同诉求的关键是找出客户痛点, 并找到解决方案, 不断迭代开发产品与服务。应用大数据解决用户问题时, 必须保持对小样本、小数据的敏锐性, 不放过隐性偏差, 也不迷信大数据, 确保数据本源真实, 确保应用场景的质量。

(六) 数据与业务密切有关, 数据集成应适时反映业务变化, 如果发生断裂, 数据就会失真, 影响对市场、对客户的判断。数据质量不仅是技术部门的事情, 更是业务部门的事情, 甚至是整个公司的事情, 需要我们共同努力。

(七) 平时要通过数据收集和汇总, 找到用户核心需求数据量化的计算和获取方法, 以促进客户数据的快速增长, 提高客户的活跃性黏性, 并通过创新服务, 留住核心客户。

三、在以上原则情况下, 衡器物联网大数据应用还要重点考虑以下几个问题。

(一) 考虑用户的需求点。对于终端用户来讲, 数据实时共享和准确性是用户的一个痛点, 数据信息化也是用户尤其是大中型企业用户的刚性需求。因此, 确保数据的准确性和信息化是分析工业衡器用户大数据的出发点。为了满足客户对数据的准确性和信息化的需求, 第一步就是要做好数据的收集和汇总工作, 这即包括对秤台自身应变情况的监控数据、基础变化数据、环境影响数据, 又包括传力机构影响数据、传感器内码和零点变化数据、传感器所处环境影响数据、接线盒内部环境数据、总线和仪表工作状态数据, 以及可能影响准确度的各类大数据, 应注意收集和汇总, 不断试验及读取现场样本, 逐步形成大数据分析。同时, 对数据进入用户信息化管理系统的应用, 以及应用后的反馈, 也要进行大数据汇总和分析, 对数据准确性有问题或应用上有问题的用户, 进行微信平台提示和沟通, 以确保大数据的价值有效性。这也要求业务部门、设备用户和终端用户保持有效的联络沟通, 倾听用户声音, 将用户的需求通过周报或月报方式反馈到大数据分析部门, 对用户可能潜在的需求进行进一步的挖掘和提炼, 形成有价值的数据。对于设备制造厂家来讲, 其痛点是如何以最高性价比的产品和服务提炼终端用户的价值, 他们对大数据的需求既包括设备应用于不同行业客户归类、不同类型需求点客户分类、不同环境下制造差异化选择, 也包括用户使用过载情况数据分析、使用频率分析、使用季节影响、在线离线情况、用户使用设备数量和连线汇总需求数据、设备维修保养记录和服务质量数据;还包括设备类型和衍生的附加价值功能, 即根据大数据分析结果, 对终端用户使用称重设备的二次价值进行发掘和应用跟踪, 形成用户购买行为, 延长产品链, 实现衡器产品的二次定义和价值链的形成, 实现自身产品个性化场景定制和最优化成本结构。

(二) 衡器物联网大数据应用要从源头上保证样本的准确性和代表性、衍生性。在准确性, 要定义好数据库字典, 其基础不仅包括ERP、条形码建设, 也包括产品生命周期管理、数字车间建设。要有扎实和雄厚的基础数据管理, 同时对输入UI用户界面的部分数据要求必须按顺序顺位全输入, 从数据源上保证仪表标定、设置、称重软件使用、服务器和整个设备初始化数据的完整严谨, 其中包括确切的传感器个数、重量单位、小数点位数、行业、地址、用户名、首次使用记录、时间正确性、应用场景初始化等, 要在软件设置和界面选择上下功夫, 以便为大数据样本分析奠定数据技术支持。在代表性上, 对不同行业、客户类型、使用环境, 都要有一定数量和质量的样本, 重点研究不同行业客户量程和吨位选择, 运用大数据反推秤体制作工艺和附件选择的普遍的规律;对不同类型客户, 重点研究用户数据去向和价制度, 以此反推信息化需求和防作弊、防故障需求;对不同环境客户, 重点研究在不同应用环境下设备及核心部件选型和环境数据变化监控情况, 为设备制造厂家研发产品提供依据, 以保证设备的环境适配性。在衍生性上, 重点考虑无人值守的音频、图像合成、视频等人工智能技术与大数据的结合, 考虑TFT屏界面、扫描枪、自然语言、摄像头所形成的大数据分析体系。

(三) 应用衡器物联网大数据必须关注商业模式。大数据收集、分类、算法、体炼最终必须回归于用户价值。尽管称重数据之于终端用户、状态数据之于设备厂家都有利益上和安全上的困扰, 只有当大数据分析提供给终端用户和设备厂家的利益大于他们对安全的担心, 物联网的价值才能体现, 才能深入营运。除了技术保障、购买保险等手段外, 还要在商业模式上创新, 才能使数据分析得以生存维持下去。

四、结论

对设备厂家来说, 在权衡利弊时, 要登高望远、变革创新, 在组织体系和人力培养、市场引导和产品体系调整、销售策略和跨界融合上, 面向终端, 进行坚持不懈的推广和标配操作。一要加强客户黏性, 二要实现企业转型升级, 既要重视眼前利益, 又要发现客户的核心诉求, 不断协同生态系统, 朝着用户价值发现和沉淀方向前进。在终端用户方面, 要建立合作伙伴关系, 在不同行业、客户类型、环境要求上选择代表性终端用户, 重点针对防作弊、故障报警、行业设备选型、多台设备联网、环境设备特殊要求等客户的痛点需求, 进行大数据收集、筛选、分析、提炼, 并运用大数据分析结果, 满足终端用户的内心需求, 为用户创造价值。

Tags:地磅 责任编辑:admin
】【打印繁体】【投稿】【收藏】 【推荐】【举报】【评论】 【关闭】 【返回顶部
分享到QQ空间
分享到: 
上一篇:没有了 下一篇:光子秤技术在地磅行业的创新应用..

相关栏目

最新文章

图片主题

热门文章

推荐文章

相关文章

广告位

安全联盟