Cómo diferenciar su producto de IoT:proporcione información, no datos

El objetivo de los productos de IoT debe ser obtener información sobre los productos, no datos. Algunas personas incluso argumentan que la razón para implementar productos de IoT es producir y recopilar todos estos datos, que los datos en sí mismos son los que proporcionan el valor. No lo creo. En esta publicación, describo la importancia de tener una estrategia de datos para proporcionar conocimientos, no datos, y les cuento cómo descubrí esto por las malas.

¿Cuál es su estrategia de datos?

Al final del día, un producto de IoT no es diferente a cualquier otro producto en la mente del cliente. Ofrece valor o no. Resuelve el trabajo para el que fue contratado o no.

¿Por qué te digo esto? Porque uno de los mayores desafíos a los que se enfrentan las empresas al crear productos de IoT es tener una estrategia de datos:un plan sobre cómo va a obtener valor de sus datos. Una forma de brindar información valiosa, no datos.

Una estrategia de datos va más allá de la recopilación y gestión de datos. Comienza con la definición de un objetivo final que desea lograr con su producto y luego recorre la pila de tecnología de IoT para comprender qué datos necesita recopilar, almacenar, analizar y transferir en cada capa de la pila.

Este es uno de los objetivos clave de pasar por el área de decisión de datos en el marco de decisión de IoT.

Cuantos más datos, mejor, ¿verdad?

Incorrecto. Permítanme compartirles una historia sobre la importancia de tener una estrategia de datos clara.

Al principio de mi carrera, desarrollé una solución de IoT llave en mano para una empresa de fabricación de semiconductores. Mi cliente, llamémosle Kevin, contrató a la empresa para la que trabajaba para automatizar su proceso de caracterización de nuevos chips de hardware.

Caracterización es solo una palabra elegante para poner un chip de computadora a través de todas las entradas posibles que puedas imaginar y luego registrar su salida para garantizar que funcione lo más cerca posible de los modelos matemáticos que los ingenieros usaron para diseñar ese chip.

Configurar todas las combinaciones de entrada posibles a mano es una tarea imposible. Pero si pudiera hacer que una computadora hiciera las entradas por usted y almacenar todos los datos de salida en la nube, entonces podría ahorrar mucho tiempo y mejorar la calidad general de su producto. Ahí es donde entramos nosotros.

Una vez que instalamos y aprovisionamos la solución, Kevin y su equipo estaban muy emocionados, ya que por primera vez pudieron ejecutar todo tipo de combinaciones de entrada que antes no podían probar. El proyecto fue un gran éxito.

Unos meses después, recibí una llamada de Kevin pidiendo ayuda. "Nos estamos ahogando en datos", dijo, "y no sabemos qué hacer con ellos". El sistema que desarrollamos tenía muchos sensores y actuadores de alta velocidad, que producían muchos Gigabytes de datos por segundo. Sí, por segundo.

Ejecutar el sistema por solo unos minutos crearía tantos datos que necesitarían semanas para entender toda la nueva información. Habían resuelto el problema de la visibilidad, pero al hacerlo, habían creado otro problema (quizás mayor) de tener una gran cantidad de datos que no podían administrar, analizar o procesar de manera significativa.

Concéntrese siempre en proporcionar información valiosa, no datos

Dicen que la retrospectiva es 20-20. Hoy tengo claro que debería haber hecho un mejor trabajo para comprender el objetivo final del cliente, en lugar de simplemente entregar lo que pidieron en esta solución personalizada. No me malinterpretes, desde la perspectiva de mi empresa, la implementación fue un éxito. Entregamos a tiempo y dentro del presupuesto, y el cliente con gusto firmó su nuevo y brillante sistema. Pero, en realidad, empeoramos el problema.

Esta historia no es única. De hecho, veo que esto ocurre una y otra vez cuando hablo con la gente de Productos de todo el mundo. Con demasiada frecuencia, las empresas se centran en abordar los síntomas del problema, en lugar de profundizar más para comprender qué es lo que el cliente realmente está tratando de lograr. La mayoría de las veces, ponemos mucho énfasis en proporcionar solo datos, no información.

Tuve la suerte de que Kevin confiara lo suficiente en mi empresa como para traernos de regreso para ayudarlos en la fase 2 del proyecto, para abordar el problema de demasiados datos. Esta vez tuvimos cuidado de profundizar en las necesidades de toda la empresa, no solo de su equipo.

Rápidamente nos dimos cuenta de que no tenían experiencia en la manipulación de datos, que no tenían analistas de datos en el personal y que realmente no tenían los conocimientos necesarios para hacerse cargo del sistema que desarrollamos para ellos. Pasé los siguientes meses trabajando con ellos para implementar una estrategia de datos y una solución de gestión de datos para abordar estas preocupaciones. Redujimos la cantidad de datos que produjeron y pudimos centralizar todos los datos (incluso los datos provenientes de otros departamentos) en una nube privada donde luego agregamos una capa de análisis y visualización. Las cosas se vieron mucho mejor después de eso.

Nunca olvidaré esa lección. Las máquinas o "cosas" pueden producir una enorme cantidad de datos. Nunca se cansan, por lo que pueden producir datos día y noche. Sin escalas. Sin una estrategia de datos clara y un camino claro para proporcionar valor con esos datos, las soluciones de IoT son inútiles. Simplemente están aumentando el ruido.

La importancia del conocimiento de la industria

Hay un viejo chiste que dice algo como esto:Un pastor está cuidando a su rebaño cuando de repente se detiene un joven en un auto deportivo. El joven le pregunta al pastor:"Si puedo adivinar cuántas ovejas tienes, ¿puedo quedarme con una?" El pastor está de acuerdo. El joven comienza a hacer cálculos utilizando la última y mejor tecnología. "Tienes 280 ovejas", dice.

El pastor suspira y le dice al joven:"Si adivino cuál es tu profesión, ¿puedo recuperar mis ovejas?" El joven está de acuerdo. “Eres un consultor”, dice. Sorprendido, el joven pregunta:"¡Cómo lo supiste!" "Bueno, me estás cobrando un precio elevado, me estás diciendo algo que ya sé y, obviamente, no sabes nada sobre mi negocio porque ¡me estás quitando mi perro!"

Esta historia también se aplica a los gerentes de producto. No es raro que los administradores de proyectos desarrollen productos para industrias con las que no estamos familiarizados, por lo que terminamos resolviendo un problema que no era necesario resolver o simplemente produciendo una gran cantidad de datos y sin valor.

Mirando hacia atrás, la falta de conocimiento de la industria contribuyó a los problemas que tuvimos al construir el sistema de Kevin. Era una nueva industria para mí (y mi empresa). Sabíamos cómo crear soluciones de IoT de alto rendimiento para otras industrias y, aunque el espacio de la solución se traducía muy bien, el espacio del problema era muy diferente.

Habíamos pasado una buena cantidad de tiempo aprendiendo sobre nuestro cliente y sus dolores, pero no teníamos un marco de referencia para los desafíos de esa industria. El resultado:un producto que fue parcialmente valioso, pero que no resolvió el problema del todo.

Entonces, ¿cuál es la moraleja de nuestra historia de pastor-consultor? Conozca la industria de su cliente. Los gerentes de producto deben comprender todo lo que puedan sobre el negocio de sus clientes. En otras palabras, debe tener un conocimiento profundo del dominio. Cuando se convierte en un experto en los desafíos que enfrentan su cliente y sus pares de la industria, puede hacer mejores preguntas y tomar mejores decisiones para su producto y, a su vez, brindar más valor a su cliente.

Conclusión

Hoy en día, muchos productos de IoT se centran en producir datos en lugar de conocimientos. Esto da como resultado clientes decepcionados que no pueden capitalizar el valor de la solución y se ven obligados a hacer un trabajo adicional para extraer información útil de los datos.

Como gerentes de producto, es nuestra responsabilidad comprender el mundo de nuestros clientes, incluido tener una buena comprensión de los desafíos más comunes de nuestra industria objetivo. Solo entonces seremos capaces de diseñar una estrategia de datos sólida que resuelva las necesidades de nuestros clientes.