Чтобы получить как краткосрочную, так и долгосрочную отдачу от инвестиций в данные, управляйте ими как потребительским продуктом. Продукт данных - это высококачественный, готовый к использованию набор данных, отформатированный таким образом, чтобы люди и системы в организации могли легко получить к нему доступ и применить для решения различных бизнес-задач. Например, продукт данных может предоставлять 360-градусный обзор важного объекта, такого как клиенты, сотрудники, продуктовые линейки или филиалы. Одним из новых направлений является использование продукта данных в качестве основы цифрового двойника, который воспроизводит работу реальных активов.
Подробнее о цифровых двойниках
Цифровой двойник - это виртуальное представление физического актива, человека или процесса. Благодаря огромному количеству данных, получаемых от встроенных датчиков и IoT-устройств, телематике и моделям искусственного интеллекта, которые постоянно обучаются, технология цифровых двойников быстро становится важным компонентом цифровых преобразований и преобразований с использованием искусственного интеллекта.
Цифровые двойники состоят из двух основных частей: эмуляторов и симуляторов. Эмуляторы - это продукты данных, которые объединяют разрозненные наборы данных для мониторинга реальных систем. Эмуляторы обеспечивают возможность захвата, хранения и воспроизведения данных в масштабе (например, мониторинг сбоев в работе сети, выявление узких мест на производственной линии). С другой стороны, симуляторы - это программные приложения, основанные на реальных данных, которые позволяют компаниям экспериментировать с гипотетическими сценариями "что-если", такими как перенаправление запасов через логистическую сеть и изменение конструкции двигателя.
Наиболее зрелые организации, ориентированные на данные, начали объединять эти два элемента для создания цифровых двойников, которые постоянно предупреждают, анализируют, прогнозируют и самообучаются. Такой подход позволяет со временем обогащать данные, что дает возможность проводить дальнейшие моделирования или сценарии использования, в результате чего создается цифровой двойник, способный решать многие бизнес-задачи со значительной рентабельностью инвестиций.
Появляются успешные приложения цифровых двойников. Классическим примером цифрового двойника является 360-градусное представление о клиентах, включающее все данные, которые собирают о них бизнес-подразделения и системы компании - например, поведение при покупке в Интернете и в магазине, демографические данные, способы оплаты и взаимодействие со службой поддержки. Варианты использования ИИ на основе этого двойника могут включать модели склонности клиентов к оттоку или корзину следующих товаров, которые клиент, скорее всего, купит.
В качестве альтернативы двойник может воспроизводить работу реальных активов или процессов (например, всей производственной линии на заводе или критически важных частей оборудования) и генерировать информацию о среднем времени простоя оборудования или среднем времени на завершение работы.
сборка изделий. Варианты использования ИИ могут включать прогнозирование технического обслуживания, автоматизацию и оптимизацию процессов.
Для успешных проектов по созданию цифрового двойника требуются специализированные многопрофильные гибкие команды, включающие специалистов по изучению данных, инженеров по данным, дизайнеров, разработчиков и экспертов в данной области, которые работают в унисон для решения конкретных задач.1
Это представляет собой фундаментальный сдвиг в том, как компании думают о данных и управляют ими (см. иллюстрации 25.1 и 25.2).
Таким образом, продукты данных становятся секретным соусом для масштабирования. Преимущества такого подхода могут быть значительными. Новые бизнес-показатели могут быть реализованы на 90 % быстрее. Общая стоимость владения, включая затраты на технологию, разработку и обслуживание, может снизиться на 30 %. И наконец, можно существенно снизить риски и нагрузку на управление данными.
Продукты данных включают в себя проводку, необходимую для "потребления" данных различными бизнес-системами, например цифровыми приложениями или системами отчетности. У каждого типа бизнес-систем есть свой набор требований к хранению, обработке и управлению данными; мы называем их "архетипами потребления".
Примеры продуктов данных
Продукт данных, представляющий собой 360-градусный обзор телекоммуникационной сети, включает в себя данные датчиков сети (например, данные с вышек сотовой связи, домов или оптоволокна) и описательные данные (например, спецификации элементов сети или данные о потребителях и затратах) и создает цифровое представление всей сети. Полученные данные позволяют использовать их в различных операционных и потребительских целях - например, оценить, что произойдет с качеством обслуживания клиентов, если та или иная часть сети выйдет из строя, и определить улучшения сети, чтобы уменьшить это влияние.
