البيانات والمنتجات والخدمات المتصلة هي وجهان لعملة واحدة.
الدرس الأول: ابدأ من المشكلة أو احتجت إلى حلها ، وليس بالحل ، ببساطة من خلال هدف توصيل منتجك.
التناظر مع تحليل البيانات: ينطبق الأمر نفسه على محللي البيانات ، الذين قد يبدأون في تحليل كميات هائلة من البيانات دون معرفة أول ما يبحثون عنه. ما هو السؤال الكبير الذي تحاول الإجابة عنه؟ النصيحة هنا هي ، مرة أخرى ، للبدء من المشكلة التي تريد حلها ، وليس من البيانات.
الدرس 2: إعطاء الأولوية لتنفيذ مشاريع إنترنت الأشياء استناداً إلى التأثير على نتيجتك في المدى القصير والطويل.
القياس مع تحليل البيانات: هو نفسه لمحللي البيانات. السؤال الذي يستحق الحل أولاً؟ أين يجب أن تركز وقتك وطاقتك؟
الدرس 3: فكر بشكل كبير ، وابدأ الصغيرة ، وفشل بسرعة (تعلم) واتساع النطاق.
نحتاج إلى نسخ مصغرة من فكرتنا الكبرى حتى نتمكن من التحقق من أجزائها ، ثم نقوم بالتكرار والتكرار باستمرار. ونرى في كثير من الأحيان أن الشركات الكبرى تفكر بشكل كبير ، ولكن بعد ذلك تخطط وتستعد لسنوات حتى تطلق أول منتج من حيث الحجم. يمكن أن يكون لهذا النهج العديد من المخاطر حيث تتغير التكنولوجيا والاتجاهات بشكل أسرع وتتحرك المنافسة (خاصة من الشركات الناشئة) بشكل أسرع. الاضطراب قادم من العديد من الجوانب وهو سريع. بالإضافة إلى ذلك ، إذا لم نبدأ في النمو ، فلن نكون قادرين على تلقي ردود الفعل القيمة للسوق ، وضبط منتجاتنا وتحديد ما سوف ننتهجه في النهاية. يساعد تكتيك "البدء الصغير" أيضًا في التفاعل مع أصحاب المصلحة الداخليين ويحافظ على اهتمامهم والتزامهم العالي.
التناظر مع تحليل البيانات: في البداية ، تحتاج إلى اختبار عينات من بياناتك بسرعة ، دون التأثير على مجموعات البيانات بأكملها. تحتاج إلى الفشل والتعلم بسرعة ، حاول مرة أخرى ، الاستفادة من الدروس القديمة ، وأخيرا العثور على الإجابة على السؤال الذي تبحث عنه.
الدرس 4: كسر الصوامع من أقسام الشركة والبيانات.
التناظر مع تحليل البيانات: نحن بحاجة إلى نفس النهج فيما يتعلق بالبيانات. يجب على كل قسم أن يكون لديه البيانات بنفس الشكل وأن يوفرها بطريقة آمنة ومأمونة للمحللين ، حتى يتمكنوا من دمجها واللعب بها. دمج البيانات من مختلف الإدارات ومصادر البيانات يمكن أن يخلق رؤى لم يكن لدى الشركة أي فكرة. في بعض الحالات ، يمكن أن يكون حتى لعبة تغيير.
الدرس 5: شرح البيانات مع سرد القصص.
مجرد جمع البيانات من أجهزة الاستشعار أو الأنظمة الداخلية ولاحقاً دمج جميع مجموعات البيانات هذه لا يكفي. يجب تحليل البيانات ثم تقديمها بطريقة بسيطة وفي السياق الصحيح وفي شكل جذاب. أفضل طريقة لتحقيق ذلك هي عن طريق استخدام الطريقة الفعالة في سرد القصص ، إلى جانب التصور الصحيح.
الدرس 6: قم بتمكين وتدريب وإعطاء مشاكل مثيرة لموظفي خدمة إنترنت الأشياء الخاصة بك حتى يمكنك الاحتفاظ بها خلال 2018.
إن إنترنت الأشياء جديد تمامًا ، لذلك تجد الشركات التي تسعى إلى إنترنت الأشياء واستراتيجيات البيانات الضخمة صعوبة في توظيف المواهب المناسبة من خلال فهم شامل للبيانات والاتصالات ، والبرمجيات ، والإعلانات التجارية ، والاستراتيجية ، وما إلى ذلك. لهذا السبب ، من المهم أن تستثمر الشركة باستمرار في تدريب موظفيها ، لا سيما في مجالات البيانات والأعمال والتكنولوجيا ، حتى يكون لديهم فهم واسع لتطبيقات إنترنت الأشياء وآثارها. خلاف ذلك ، لن تستمر الشركة فقط في توظيف العمال الذين يفتقرون إلى المهارات الحديثة التي تتطلبها بيئة أعمال تنافسية ، ولكنها ستفقد أيضًا أفضل مواهبهم. وكلا النتائج بالنسبة للشركة كافية للتنبؤ بمستقبل ذي إمكانات محدودة للنجاح.
الدرس 7: تطبيق جميع الدروس الستة السابقة بشكل مستمر.
يجب تذكر الدروس المذكورة أعلاه لفترة طويلة ، حيث أن مشاريع إنترنت الأشياء والبيانات طويلة وتتطور تدريجيًا. إذا طبقنا هذه التكتيكات في البداية ، لكن ننسى هذه الدروس بعد ستة أو ثمانية عشر شهراً ، فمن السهل جداً أن ينتهي الأمر ببعض الأخطاء الكبيرة أو فقدان فرص جيدة.