Libérer le succès de l'IoT grâce au fil numérique

L'IoT est bien plus que connecter des appareils. Utiliser l'IoT à son plein potentiel peut aider les organisations à réaliser des résultats métier au lieu de simplement expérimenter.

Et si les ingénieurs d'un fabricant d'appareils pouvaient être automatiquement notifiés via le retour de capteurs à distance qu'un de leurs appareils est en panne sur le terrain ? Et si ces mêmes ingénieurs pouvaient immédiatement se connecter aux données de test de l'appareil défaillant depuis la ligne de fabrication où il a été construit ? Quels insights précieux cela pourrait-il révéler ? Et si l'ingénieur pouvait accéder aux données terrain tout au long du cycle de vie de l'appareil et même superposer des données clés de service et logistique d'autres systèmes de référence ? Comment cela pourrait-il impacter la conception produit, la fabrication et d'autres domaines métier ? Si une connexion riche entre l'Internet des objets (IoT) et l'analytique de données peut être réalisée, ce résultat est possible.

L'analytique est un composant clé pour débloquer le vrai potentiel de l'IoT. Grâce à l'analytique de données, les entreprises peuvent utiliser l'IoT stratégiquement pour créer des résultats métier significatifs. Au lieu de « livrer et réagir », vous pouvez « prédire et anticiper ». Quand l'IoT est bien fait, vous pouvez intervenir avant qu'un appareil ne tombe en panne et réduire le volume d'appels au service client. La plupart des organisations échouent généralement dans cette entreprise. Ces projets peuvent facilement rester bloqués en mode pilote et ne pas pleinement opérationnaliser toutes les données IoT à leur portée.

Alors qu'est-ce qui sépare l'analytique de données et l'IoT, et comment les réunir ?

Les obstacles au succès de l'IoT

La disparité interne est un thème récurrent. Nous la voyons dans l'approche « foire aux sciences » que les entreprises adoptent pour construire leur opération IoT. Différentes équipes travaillent sur leurs propres parties du projet avec leurs propres exigences spécifiques et preuves de concept – toutes pourchassant l'innovation mais pas de manière coordonnée qui lie aux résultats métier comme l'opérationnalisation et la monétisation. Beaucoup de temps et d'énergie sont dépensés en expérimentation en négligeant les objectifs métier. Cela devient de l'IoT pour l'IoT sans réel retour. L'analytique est en jeu mais jamais de manière stratégique. Ils s'arrêtent à la phase « livrer et réagir ». Passer à la phase « prédire et anticiper » est là où l'IoT commence à faire la différence.

Dans la mise en place d'une plateforme IoT, les données ne s'éloignent généralement pas trop de leur source. Bien que certains silos de données soient brisés dans ce processus, il est très facile d'en reproduire ou d'en créer de nouveaux à leur place. Pour une opération IoT pleinement réalisée, les dirigeants doivent faire un effort concerté pour partager les données largement et en temps réel. Dans les silos, vous risquez de rendre les données riches redondantes et de dupliquer les efforts entre équipes. Les goulots d'étranglement qui en résultent empêchent les actions rapides. Les données sont vos yeux et vos oreilles dans l'IoT ; sans elles, vous travaillez dans le noir.

Enfin, adopter une opération IoT n'est pas une mince affaire. C'est une forme de technologie hautement complexe qui doit s'adapter et changer avec le temps. Peu d'organisations ont l'expertise technique pour construire une plateforme, sans parler d'assumer le fardeau de la maintenir et la faire évoluer après sa construction. Pour l'analytique seule, un groupe dédié de data scientists est requis pour extraire et maximiser la valeur des vastes quantités de données que vos appareils connectés IoT collecteront.

Tisser le fil numérique

La meilleure façon de prioriser les données dans votre opération IoT est de créer un fil numérique. C'est une ligne directrice commune traversant votre organisation. Elle connecte produits, systèmes, personnes, clients et partenaires. Les données peuvent voyager facilement sur cette ligne pour un accès aisé par toutes les parties. Vous pouvez prioriser différents jeux de données dans le fil, interconnecter les silos, et entonnoir l'information vers un point de contrôle central, plus gérable.

Par exemple, un fil numérique peut tisser tout le cycle de vie de bout en bout d'un produit. Il incorpore les données produites à chaque étape – conception, fabrication, expédition, utilisation sur le terrain, maintenance et mise hors service. Les données vivent dans une boucle fermée extensive propice à l'exploitation. Une fois que vous avez les bonnes données au bon endroit, vous pouvez alors, par exemple, dériver des insights prédictifs pour améliorer le cycle de vie du produit de nouvelles façons. Ce sont des insights data-driven en lesquels vous pouvez avoir confiance et agir pour atteindre des résultats métier.

Tisser ce fil numérique à travers votre organisation nécessite :

• L'adhésion du haut, qui mène à l'adhésion du bas – Un fil numérique est une transformation métier énorme, et son succès requiert un parrainage dédié au niveau exécutif. Obtenez leur adhésion le plus tôt possible et montrez-leur des succès précoces pour les embarquer. Avec le parrainage visible et actif de la C-suite, l'entreprise dans son ensemble est plus susceptible de le soutenir et de changer les comportements pour le rendre réussi. Les pièces de votre organisation s'aligneront plus naturellement. Sinon, attendez-vous à de la résistance aux niveaux opérationnels.

• Une adhésion claire des unités métier – Tout aussi important que l'adhésion du haut est l'adhésion des lignes métier, surtout côté technique. Cela établit des cas d'usage métier qui faciliteront un mécanisme de « tirage » qui peut travailler en tandem avec le mécanisme de « poussée » mené par les organisations centralisées, comme l'IT. Sinon, la frustration centralisée est probable, et aucun résultat métier substantiel ne sera atteint.

• Responsabiliser une culture de data science au sein de votre organisation – Créez une équipe d'analytique de données dédiée chargée de débloquer les insights data-driven à travers votre organisation. Composée de data scientists et d'autres utilisateurs avancés de données, cette équipe formera vos « héros de la données », qui auront l'expertise pour dompter les données et savoir quoi en faire. Sinon, même si les lignes métier cherchent à « tirer » les données, cela pourrait être techniquement au-delà de leurs moyens.

• Flux de données propre et automatisé – Automatisez le processus de transformation des données en insight. Réduisez ou éliminez les processus manuels pour que les lignes métier s'engagent. Travaillez étroitement avec les experts métier pour garantir que les données sont propres et même annotées afin que les barrières à l'adoption métier soient minimisées. Sinon, les consommateurs de données internes ne savent pas quelles données sélectionner et perdront aussi confiance en leur intégrité.

L'IoT est bien plus que connecter des appareils. Données et personnes doivent aussi être liées pour travailler en unisson. Une fois toutes les pièces assemblées, vous pouvez utiliser l'IoT à son plein potentiel, réalisant des résultats métier au lieu de simplement expérimenter.