So differenzieren Sie Ihr IoT-Produkt:Stellen Sie Erkenntnisse statt Daten bereit

Das Ziel von IoT-Produkten sollte Produkterkenntnisse sein, nicht Daten. Einige Leute argumentieren sogar, dass der Grund für die Bereitstellung von IoT-Produkten darin besteht, all diese Daten zu produzieren und zu sammeln, dass die Daten an sich den Wert liefern. Ich glaube nicht. In diesem Beitrag beschreibe ich die Bedeutung einer Datenstrategie, die Erkenntnisse liefert, nicht Daten, und teile mit Ihnen, wie ich dies auf die harte Tour entdeckt habe.

Wie sieht Ihre Datenstrategie aus?

Letztendlich unterscheidet sich ein IoT-Produkt in den Augen des Kunden nicht von jedem anderen Produkt. Entweder liefert es einen Wert oder nicht. Es löst entweder die Aufgabe, für die es eingestellt wurde, oder nicht.

Warum erzähle ich Ihnen das? Denn eine der größten Herausforderungen für Unternehmen bei der Entwicklung von IoT-Produkten ist eine Datenstrategie – ein Plan, wie Sie aus Ihren Daten einen Mehrwert ziehen. Eine Möglichkeit, Erkenntnisse zu liefern, keine Daten.

Eine Datenstrategie geht über das Sammeln und Verwalten der Daten hinaus. Es beginnt damit, dass Sie ein ultimatives Ziel definieren, das Sie mit Ihrem Produkt erreichen möchten, und dann den IoT-Technologiestapel durchlaufen, um zu verstehen, welche Daten Sie auf jeder Schicht des Stapels sammeln, speichern, analysieren und übertragen müssen.

Dies ist eines der Hauptziele beim Durchlaufen des Data Decision Area im IoT Decision Framework.

 Je mehr Daten, desto besser, oder?

Falsch. Lassen Sie mich eine Geschichte darüber erzählen, wie wichtig eine klare Datenstrategie ist.

Zu Beginn meiner Karriere habe ich eine schlüsselfertige IoT-Lösung für ein Halbleiterfertigungsunternehmen entwickelt. Mein Kunde, nennen wir ihn Kevin, hat die Firma, für die ich gearbeitet habe, beauftragt, ihren Prozess zur Charakterisierung neuer Hardware-Chips zu automatisieren.

Charakterisierung ist nur ein schickes Wort, um einen Computerchip durch jede erdenkliche Eingabe zu schicken und dann seine Ausgabe aufzuzeichnen, um sicherzustellen, dass er den Ingenieuren der mathematischen Modelle, mit denen dies entworfen wurde, so gut wie möglich entspricht Chip.

Alle möglichen Eingabekombinationen von Hand zu konfigurieren ist eine unmögliche Aufgabe. Aber wenn Sie einen Computer die Eingaben für Sie erledigen lassen und alle Ausgabedaten in der Cloud speichern könnten, könnten Sie viel Zeit sparen und die Gesamtqualität Ihres Produkts verbessern. Hier kamen wir ins Spiel. 

Nachdem wir die Lösung installiert und bereitgestellt hatten, waren Kevin und sein Team sehr begeistert, da sie zum ersten Mal alle möglichen Eingabekombinationen ausführen konnten, die sie vorher nicht testen konnten. Das Projekt war ein großer Erfolg.

Ein paar Monate später erhielt ich einen Anruf von Kevin mit der Bitte um Hilfe. "Wir ertrinken in Daten", sagte er, "und wir wissen nicht, was wir damit anfangen sollen." Das von uns entwickelte System hatte viele Hochgeschwindigkeitssensoren und -aktoren, die viele Gigabyte an Daten pro Sekunde produzierten. Ja, pro Sekunde.

Wenn das System nur wenige Minuten lang laufen würde, würden so viele Daten anfallen, dass es Wochen dauern würde, um alle neuen Informationen zu verstehen. Sie hatten das Problem der Sichtbarkeit gelöst, aber dadurch ein weiteres (vielleicht größeres) Problem geschaffen, nämlich viele Daten zu haben, die sie nicht in sinnvoller Weise verwalten, analysieren oder verarbeiten konnten.

Konzentrieren Sie sich immer darauf, Erkenntnisse zu liefern, nicht Daten

Sie sagen, im Nachhinein ist 20-20. Heute ist mir klar, dass ich das ultimative Ziel des Kunden besser hätte verstehen sollen, anstatt nur das zu liefern, was er in dieser kundenspezifischen Lösung verlangt hat. Verstehen Sie mich nicht falsch, der Einsatz war aus Sicht meines Unternehmens ein Erfolg. Wir haben pünktlich und im Rahmen des Budgets geliefert, und der Kunde hat sich gerne für sein glänzendes neues System entschieden. Aber in Wirklichkeit haben wir das Problem verschlimmert.

Diese Geschichte ist kein Einzelfall. Tatsächlich sehe ich dies immer wieder, wenn ich mit Produktmitarbeitern auf der ganzen Welt spreche. Unternehmen konzentrieren sich zu oft darauf, die Symptome des Problems anzugehen, anstatt tiefer zu graben, um zu verstehen, was der Kunde wirklich zu erreichen versucht. Meistens legen wir großen Wert darauf, nur Daten bereitzustellen, nicht Erkenntnisse.

Ich hatte das Glück, dass Kevin meinem Unternehmen genug vertraute, um uns zurückzuholen, um sie in Phase 2 des Projekts zu unterstützen, um das Problem der zu vielen Daten zu lösen. Diesmal haben wir darauf geachtet, tiefer in die Bedürfnisse des gesamten Unternehmens einzutauchen, nicht nur seines Teams.

Wir haben schnell festgestellt, dass sie keine Erfahrung mit der Manipulation von Daten hatten, keine Datenanalysten im Personal hatten und wirklich nicht das notwendige Wissen hatten, um das von uns entwickelte System zu übernehmen. Ich verbrachte die nächsten Monate damit, mit ihnen zusammenzuarbeiten, um eine Datenstrategie und eine Datenverwaltungslösung zu implementieren, um diese Bedenken auszuräumen. Wir haben die von ihnen produzierte Datenmenge reduziert und konnten alle Daten (auch die Daten aus anderen Abteilungen) in einer privaten Cloud zentralisieren, wo wir später eine Analyse- und Visualisierungsebene hinzugefügt haben. Danach sah es viel besser aus.

Diese Lektion werde ich nie vergessen. Maschinen oder „Dinge“ können enorme Datenmengen produzieren. Sie werden nie müde, sodass sie Tag und Nacht Daten produzieren können. Nonstop. Ohne eine klare Datenstrategie und einen klaren Weg zur Wertschöpfung mit diesen Daten sind IoT-Lösungen nutzlos. Sie tragen nur zum Lärm bei.

Die Bedeutung von Branchenkenntnissen

Es gibt einen alten Witz, der ungefähr so ​​lautet:Ein Hirte kümmert sich um seine Herde, als plötzlich ein junger Mann in einem Sportwagen vorbeikommt. Der junge Mann fragt den Hirten:„Wenn ich erraten kann, wie viele Schafe Sie haben, kann ich dann eines davon behalten?“ Der Hirte stimmt zu. Der junge Mann beginnt mit den Berechnungen mit der neuesten und besten Technologie. „Sie haben 280 Schafe“, sagt er.

Der Hirte seufzt und sagt dem jungen Mann:"Wenn ich errate, was Ihr Beruf ist, kann ich dann meine Schafe zurückbekommen?" Der junge Mann stimmt zu. „Sie sind Berater“, sagt er. Überrascht fragt der junge Mann:„Woher wissen Sie das?“ „Nun, Sie verlangen von mir einen hohen Preis, Sie erzählen mir etwas, was ich bereits weiß, und offensichtlich wissen Sie nichts von meinem Geschäft, weil Sie meinen Hund wegnehmen!“

Diese Geschichte gilt auch für Produktmanager. Es ist nicht ungewöhnlich, dass PMs Produkte für Branchen entwickeln, mit denen wir nicht so vertraut sind, und so lösen wir am Ende ein Problem, das nicht gelöst werden musste oder einfach nur viele Daten und keinen Wert produziert.

Rückblickend hat ein Mangel an Branchenkenntnissen zu den Problemen beigetragen, die wir beim Aufbau von Kevins System hatten. Es war eine neue Branche für mich (und mein Unternehmen). Wir wussten, wie man leistungsstarke IoT-Lösungen für andere Branchen entwickelt, und obwohl der Lösungsraum sehr gut übersetzt wurde, war der Problemraum ganz anders.

Wir hatten viel Zeit damit verbracht, unseren Kunden und seine Probleme kennenzulernen, aber wir hatten keinen Referenzrahmen für die Herausforderungen dieser Branche. Das Ergebnis:ein Produkt, das teilweise wertvoll war, aber das Problem nicht vollständig löste.

Was ist also die Moral unserer Hirten-Berater-Geschichte? Kennen Sie die Branche Ihres Kunden. Produktmanager müssen so viel wie möglich über das Geschäft ihrer Kunden wissen. Mit anderen Worten, Sie müssen über fundierte Domänenkenntnisse verfügen. Wenn Sie ein Experte für die Herausforderungen werden, mit denen Ihre Kunden und ihre Branchenkollegen konfrontiert sind, können Sie bessere Fragen stellen und bessere Entscheidungen für Ihr Produkt treffen und so wiederum Ihren Kunden mehr Wert bieten.

Das Endergebnis

Viele IoT-Produkte konzentrieren sich heute darauf, Daten statt Erkenntnisse zu produzieren. Dies führt zu enttäuschten Kunden, die den Wert der Lösung nicht nutzen können und gezwungen sind, zusätzliche Arbeit zu leisten, um nützliche Informationen aus den Daten zu extrahieren.

Als Produktmanager liegt es in unserer Verantwortung, die Welt unserer Kunden zu verstehen, einschließlich eines guten Verständnisses der häufigsten Herausforderungen unserer Zielbranche. Nur dann können wir eine solide Datenstrategie entwickeln, die die Bedürfnisse unserer Kunden erfüllt.