公平地說，物聯(lián)網(wǎng)正朝著正確的方向發(fā)展，但還沒有完全實現(xiàn)。原因很簡單。據(jù)報道，大約有2%的思科物聯(lián)網(wǎng)設備“打電話回家”。對于工業(yè)制造商來說，情況是一樣的，但由于它們必須依靠其未連接的安裝基礎來實現(xiàn)任何售后市場增長，這一事實更加惡化了。幾年甚至幾十年前安裝的設備當然沒有聯(lián)系。那么，您如何在未連接的資產(chǎn)上部署失敗前的修復?

　　數(shù)據(jù)科學來拯救

　　數(shù)據(jù)科學可以在物聯(lián)網(wǎng)不能拯救的地方進行。許多制造商每天都在問的問題是：我們?nèi)绾卧诟鞣N系統(tǒng)(如CRM，擔保，服務合同等)中利用客戶數(shù)據(jù)(如訂單，服務記錄，呼叫中心日志，銷售機會等)...... )提取客戶行為和用法的模式以預測客戶需求?但還有更多。這些公司如何更好地預測流動客戶的健康狀況?他們?nèi)绾翁岣呖蛻舻穆?lián)動率，讓更多的資產(chǎn)處于合同之下?他們?nèi)绾巫罱K提高我們客戶的連接速度，以便他們通過恢復丟失的錢包份額來提高收入?

　　數(shù)據(jù)科學可以并且確實提供一些答案。像Entytle Insyghts這樣的AI驅(qū)動平臺正在幫助B2B制造商利用其歷史和新客戶數(shù)據(jù)的力量來增加安裝基礎知名度，識別模式并預測客戶服務和銷售需求。最終，公司的服務，市場營銷和銷售團隊需要根據(jù)這些見解采取措施：這意味著需要發(fā)生一定程度的變更管理。

　　采用這種新方法的制造商正在將其售后市場方式從被動變?yōu)橹鲃?。他們正在改善與客戶的連接，為客戶帶來更好的結(jié)果。正如Nvidia首席執(zhí)行官Jensen Huang 所說的那樣：“軟件可能會吃掉世界，但人工智能會吃軟件。

　　IIoT對B2B制造商的承諾

　　IIoT的承諾是巨大的：利用機器數(shù)據(jù)，傳感器，故障日志，運營信息等來驅(qū)動非常具體和有針對性的見解，其主要目標是預先排除故障事件并確保高資產(chǎn)正常運行時間。這些想法并不新鮮; 大約25年前，通用電氣，勞斯萊斯和其他發(fā)動機制造商將定期從發(fā)動機獲取性能數(shù)據(jù)，以了解故障，工作周期等?，F(xiàn)在很難再容易得多了。

　　然而，GE和勞斯萊斯發(fā)動機模型仍然存在一些問題。首先，并非所有領域都是勞斯萊斯引擎。事實上，大多數(shù)安裝的設備不是，這些資產(chǎn)也沒有傳感器。結(jié)果是：絕大多數(shù)制造商的安裝基地大部分是未連接的，并且連接的時間線是未來的方式。它變得更糟：對于連接的少數(shù)設備來說，從這些設備獲取可操作的數(shù)據(jù)仍然是一個長期目標。

　　最后，那些與傳感器連接并且能夠遠程提取數(shù)據(jù)的制造商自滿地收集了它的采樣和采樣，并迅速將相同的數(shù)據(jù)轉(zhuǎn)移到很少被觸及的系統(tǒng)中。

　　物聯(lián)網(wǎng)用于未連接的東西

　　公司正坐在日常與客戶互動收集的大量信息之上。這包括訂單輸入事件，發(fā)票，現(xiàn)場服務電話，技術(shù)支持，CRM記錄等等。這些數(shù)據(jù)集具有很高的價值獨立性，但在集體分析時可以提供有關客戶和資產(chǎn)行為的深刻見解。數(shù)據(jù)現(xiàn)在可以用來預測故障，服務事件，銷售機會等。更重要的是，它有助于推動與客戶的及時，有針對性和主動的參與，最終推動制造商的忠誠度和終身收入增長。

　　這些數(shù)據(jù)已經(jīng)存在，可以在今天部署“明天”進行審查和分析。物聯(lián)網(wǎng)是無關聯(lián)的東西。