НОВОСТИ

Слияние цифровых данных и физического мира
Новости

Слияние цифровых данных и физического мира

Представьте, что Вы находитесь в незнакомом городе, через час у Вас назначена деловая встреча. Вам нужно сосредоточиться на презентации, но вам также нужно что-нибудь поесть. Ваши умные часы находят несколько местных ресторанов быстрого обслуживания и выбирают один, исходя из того, насколько он занят, какова затратная политика вашей компании, а также ваши диетические предпочтения – используя данные о вашей жизненной активности с целью обеспечить вам сбалансированную диету. (У вас действительно были блинчики с ветчиной  на завтрак?). Пока вы продолжаете работать, часы отдают команду вашему автомобилю с самоуправлением отвезти вас в ресторан. Используя данные о локальном трафике, умные часы предупредят вас, когда придет время отправиться на встречу. И поскольку вы спешите, они оплатят ваш счет. Надеюсь, он оставит соответствующий совет.

Этот волшебный мир ближе, чем вы думаете. Существуют приложения, которые помогут вам плавно перемещаться с места на место, используя самую последнюю информацию о пассажирских нагрузках на общественном транспорте и транспортных потоках в городе. Эти приложения будут предупреждать вас о выходе из поезда, когда вы достигнете своего пункта назначения, и даже помогут вам прогрессом с друзьями, которых вы собираетесь встретить. Что касается самоуправляемых автомобилей, то они уже сегодня ездят по на нашим дорогам, пусть пока и в очень малом количестве.

Мы привыкли подчеркивать разрыв между цифровым и физическим, но он быстро исчезает: когда цифровые данные о физическом мире являются всеобъемлющими, свободно доступными в реальном времени, физическое и цифровое способствуют расширению и укреплению друг друга. Это наиболее очевидно в навигационных приложениях, которые мы используем каждый день, и которые накладывают на цифровые карты информацию о физическом мире для создания расширенного представления, гораздо более богатого и полезного, чем физическое или цифровое представление в отдельности.

Розничные сети, занимающиеся электронной торговлей, также накапливают показатели производительности, такие как эффект рекламных акций, в режиме реального времени путем добавления на веб-страницу кода из нескольких строк для считывания необходимых данных. Это означает, что они могут постоянно настраивать поведение покупателей, например, исходя из их реакции на специальные предложения и изменения цен, чтобы обеспечить наилучший для потребителей результат и получение прибыли. В отличие от большинства розничных продавцов традиционного формата, розничные торговцы в электронной коммерции рождаются не только цифровыми, они рождаются глобальными.

Приведение розничных торговцев традиционного формата к паритету данных с электронной торговлей не будет простым. В течение десятилетий розничные продавцы собирают целостный взгляд на свой бизнес, используя хранилища данных и программное обеспечение для бизнес-аналитики. Но это мнение ограничено. Розничные продавцы обычно не знают, смотрел  ли потребитель на дисплей перед покупкой, и используют аналитические методы на основе продаж для выявления влияния дисплея.

Чтобы получить полную картину физической розничной сети, розничные торговцы должны собирать и интегрировать данные из огромного количества источников в режиме реального времени; данные должны быть свежими и релевантными в момент их использования. Например, Walmart использует более 200 потоков внутренних и внешних данных, каждый час обрабатывая 2,5 петабайта данных, чтобы создать в интегрированной реальности представление о своей деятельности (1).

Традиционные методы хранилищ данных не могут справиться с разнообразием, объемом и скоростью данных, поэтому розничные торговцы адаптировали технологии больших данных и потоковой передачи, используемые компаниями в электронной коммерции. Но традиционные ритейлеры должны менять не только свою технологию, но и культуру. Недавний опрос аналитического агентства McKinsey показал, что наибольшая разница между компаниями с высокими и низкими показателями связана не с внедрением ими инструментов для работы с большими объемами данных, а с тем, что у высокопроизводительных пользователей гораздо больше шансов сделать данные доступными для всей организации, обеспечить бизнес-пользователей аналитикой самообслуживания и быть уверенными в том, что у них есть инструменты и опыт для работы с неструктурированными данными в режиме реального времени (2).

Как розничным торговцам традиционного формата можно развить свои возможности и культуру, чтобы осуществить необходимый переход? Самое главное, что им нужно сделать, – это изменить способ мышления и управления данными.

Традиционные компании по-прежнему живут в реалиях высокоструктурированного корпоративного хранилища данных, а не в мире цифровых титанов, в котором нет схем. Хранилище данных предприятия пыталось моделировать бизнес нейтральным и открытым способом, но на большинство моделей сильно влияла операционная практика бизнеса и его взгляд на мир.

Пытаясь соответствовать специфическому, уникальному бизнес-взгляду на самих себя, организационные модели создают инерцию, которая работает против изменений и ограничивает способность людей мыслить творчески. Любая специфичность в модели также затрудняет обмен информацией с третьими лицами или включение данных третьих сторон в ее интегрированную реальность. Это особенно важно, когда вам нужно использовать более 200 источников данных, чтобы получить полное представление о вашем бизнесе.

Поскольку мир меняется непредсказуемо, и информационная экосистема ваших партнеров постоянно развивается, имеет смысл описать ваши данные как можно более нейтрально, минимизируя запатентованные аспекты модели с использованием открытых или отраслевых стандартов. Беспрепятственный обмен данными является основополагающим в рамках таких инициатив, как Industrie 4.0, которые оцифровывают сложные цепочки создания стоимости посредством сотрудничества между предприятиями, товарами и потребителями.

Один из лучших способов сделать данные понятными, полезными и гибкими – сохранить их прозрачными и позволить потребителям данных решать, как лучше всего их использовать, а не пытаться предугадать их потребности, предоставив предварительно заготовленные ответы. Для этого критически важно иметь обширные метаданные. И лучше всего предоставить в обработку самые полные, необработанные данные и позволить машинам принимать решения.

После того как данные будут интегрированы автоматически и практически в режиме реального времени, их можно использовать для управления традиционной розничной торговлей таким образом, чтобы была возможность конкурировать с электронной торговлей.

Эта автоматизация начинается с таких вещей, как наблюдение за цепочкой поставок для пополнения запасов на складах, и заканчивается мониторингом и настройкой процесса продвижения. Этот путь долгий, но необходимый.