物聯(lián)網(wǎng)(IoT)產(chǎn)品的特色之一，就是會產(chǎn)生大量的數(shù)據(jù);甚至也有很多人認為，產(chǎn)生、收集、并且利用這些數(shù)據(jù)，才是物聯(lián)網(wǎng)IoT產(chǎn)品真正的重點。但其實并非如此：物聯(lián)網(wǎng)IoT應(yīng)該提供的，應(yīng)該是經(jīng)過有計劃的深入分析之后，產(chǎn)生出來的信息與洞見。

　　這一點，是筆者在經(jīng)過許多失敗之后才得到的領(lǐng)悟，在這里跟各位讀者分享。

　　你的數(shù)據(jù)運用策略是什么?

　　對于一般用戶來說，物聯(lián)網(wǎng)IoT產(chǎn)品跟其他產(chǎn)品并沒有太大的區(qū)別，要嘛就是有用、不然就是沒用，差別只在于來自用處的價值。

　　之所以這樣說，是因為廠商在設(shè)計物聯(lián)網(wǎng)IoT產(chǎn)品時遭遇的最大挑戰(zhàn)，就是擬定這個產(chǎn)品的“數(shù)據(jù)運用策略”，也就是一套“如何從收集到的數(shù)據(jù)中萃取出價值”的計劃。

　　一套好的數(shù)據(jù)運用策略，絕不僅止于數(shù)據(jù)的收集和管理;它的起點在于“定義這個產(chǎn)品想達成的最終目的”，然后打造一個對應(yīng)的物聯(lián)網(wǎng)IoT技術(shù)層級(IoT Technology Stack)，進而了解在每個層級中希望收集、儲存、分析、轉(zhuǎn)移的數(shù)據(jù)內(nèi)容。

 
 

　　而上述這個步驟，也是下圖中物聯(lián)網(wǎng)IoT決策架構(gòu)(IoT Decision Framework)中數(shù)據(jù)決策區(qū)域(Data Decision Area)的主要作用。

　　IoT決策架構(gòu)：提供信息，而不只是數(shù)據(jù)數(shù)據(jù)收集越多越好，對吧?

　　錯。

　　在這里，讓筆者來說明一下為什么明確的資料運用策略很重要。

　　早年，筆者曾經(jīng)幫某半導(dǎo)體制造商開發(fā)過一個IoT快速應(yīng)用方案;這家客戶請我當時工作的公司設(shè)計一套自動化流程，來為新的硬件芯片進行定性(Characterization)。

　　看起來很專業(yè)的“定性”這個詞，其實意思就是用各種方式對芯片輸入數(shù)據(jù)、并且記錄輸出狀況，以確保芯片的實際表現(xiàn)跟設(shè)計工程師的數(shù)學(xué)模型盡可能相符。

　　要用手工來進行所有的輸入設(shè)定，是幾乎不可能的事情;但如果可以用計算機來進行輸入、并且將輸出資料儲存到云端，不僅可以省下許多時間，還可以提升產(chǎn)品本身的質(zhì)量。

　　也因為如此，客戶才聘請我們來設(shè)計一套這樣的系統(tǒng)。

　　當這套系統(tǒng)設(shè)計并安裝完成之后，客戶非常高興;因為從此之后，他們可以進行過去不可能做到的完整輸入測試。總而言之，這個案子非常成功。

　　幾個月之后，我接到一通客戶打來的電話，他說：“我們快被數(shù)據(jù)淹死了，怎么辦啊啊啊?”

　　因為我們開發(fā)的系統(tǒng)中，包含了許多的高速傳感器與致動器，所以每秒鐘(對，每秒鐘)都會產(chǎn)生數(shù)以GB計的數(shù)據(jù)。

　　也就是說，系統(tǒng)一旦啟動，幾分鐘之內(nèi)就會產(chǎn)生花幾個星期都分析不完的數(shù)據(jù)?；蛟S新系統(tǒng)幫他們解決了數(shù)據(jù)收集不足的問題，但卻創(chuàng)造了新的(而且可能更嚴重的)問題：產(chǎn)生出來的數(shù)據(jù)根本來不及管理和分析，更不用說匯整成有意義的信息了。

　　一定要先有數(shù)據(jù)運用策略

　　回頭來看，我們除了幫客戶開發(fā)新系統(tǒng)之外，也應(yīng)該要多花點時間了解客戶要的究竟是什么，而不是只花心思滿足他們表面上的需求。

　　請別誤會我的意思。從案子本身的角度來看，這套系統(tǒng)是很成功的;我們在客戶的預(yù)算和時限之內(nèi)交出了成品，客戶也很開心的驗收了。但就結(jié)果來看，我們卻幫客戶制造了更大的問題。

　　多花時間了解客戶真正要的東西，而不是只滿足他們表面上的需求。

　　這并不是個單一案件。在跟世界各地負責產(chǎn)品的同仁談過之后，我發(fā)現(xiàn)同樣的事情一直在發(fā)生;有太多公司把目標放在“消除癥狀”上，而沒有進一步去了解顧客真正想要的是什么。

　　以這個案例而言，問題就出在我們太強調(diào)提供“數(shù)據(jù)”，而不是“信息”。

　　幸好，客戶還是很信任我們，也讓我們繼續(xù)進行第二階段的計劃，來解決“被資料淹死”的問題;而這次我們也更深入的去了解客戶整家公司(而不只是使用單位)的需求。

　　于是我們很快發(fā)現(xiàn)，客戶并不具備運用大量資料的能力、團隊中也沒有資料分析專家;更麻煩的是，團隊成員沒有足以順利接手操作這套系統(tǒng)的背景知識。

　　接下來的幾個月，我跟客戶一同擬定數(shù)據(jù)運用策略、也建置一套數(shù)據(jù)管理系統(tǒng)，來解決上述的問題;方法包括減少數(shù)據(jù)的產(chǎn)量、并且追加了具有數(shù)據(jù)分析和可視化功能的私有云服務(wù)器，以便集中(即使數(shù)據(jù)來自其他部門)管理。

　　從此之后，狀況就好多了;而這也成為我日后不可或忘的重要案例。

　　機器和“聯(lián)網(wǎng)物”都可能產(chǎn)生極為巨量的數(shù)據(jù)，而且它們不會因為疲勞而放慢腳步。所以，如果沒有擬定出清楚的運用和處理策略，讓這些數(shù)據(jù)得以轉(zhuǎn)換成有效信息，IoT就沒有意義，只會成為制造垃圾數(shù)據(jù)的來源。

　　產(chǎn)業(yè)知識的重要性

　　有個老笑話是這樣說的：

　　有個年輕人開著跑車，經(jīng)過一位牧羊人和他的羊群，于是停下來問道：“如果我猜對了總共有幾只羊的話，可以帶走一只嗎?”

　　牧羊人答應(yīng)了，于是年輕人拿出計算機，用最新的尖端科技開始計算羊只的數(shù)量。算完之后，他說：“你的羊總共有280只。”然后順手抓了一只。

　　聽了這個數(shù)字之后，牧羊人回答：“年輕人，如果我猜對你的職業(yè)的話，可以把這只羊要回來嗎?”

　　年輕人答應(yīng)了;于是牧羊人說：“我猜你是個管理顧問。”

　　年輕人大驚：“你怎么知道!”牧羊人說：“第一，你收的費用很貴;第二，你告訴我的是我已經(jīng)知道的事情。第三，你完全不懂我養(yǎng)的是什么，因為你抓走的是我的狗。”

　　這個寓言也同時適用于產(chǎn)品經(jīng)理這個角色。很多產(chǎn)品經(jīng)理在開發(fā)產(chǎn)品之前，并不了解客戶的業(yè)務(wù)性質(zhì)，導(dǎo)致我們往往在解決“其實不需要解決的問題”、或者只是在制造一大堆沒有價值的數(shù)據(jù)。 技術(shù)上表現(xiàn)很好的系統(tǒng)，也可能帶來無法預(yù)期的問題。

　　同樣的，我們?yōu)榭蛻糸_發(fā)的這套系統(tǒng)，也犯了“沒有先弄懂顧客業(yè)務(wù)性質(zhì)”的錯誤。我們雖然懂得如何幫特定產(chǎn)業(yè)的客戶開發(fā)物聯(lián)網(wǎng)IoT系統(tǒng)，但這位客戶的產(chǎn)業(yè)我們當時確實不熟。所以，雖然系統(tǒng)在技術(shù)上表現(xiàn)很好，但卻產(chǎn)生了過去沒有預(yù)期到的問題。

　　雖然我們并不是沒有花時間了解客戶的產(chǎn)業(yè)、以及他們遭遇的困難，但我們并沒有更深入的去觀察這個產(chǎn)業(yè)面對的挑戰(zhàn)。換言之，我們開發(fā)的系統(tǒng)在某些方面是有價值的，但并沒有徹底解決顧客的問題。

　　那么，這個“牧羊人與顧問”的故事告訴了我們什么?

　　最大的重點就是“了解顧客的產(chǎn)業(yè)”;身為顧問或產(chǎn)品經(jīng)理，研究顧客的產(chǎn)業(yè)是必須要做的功課，而不是一味強迫推銷自認為的“專業(yè)”。換言之，必須培養(yǎng)自己對于特定產(chǎn)業(yè)的知識，也就是所謂的“domain knowledge”。

　　如果能讓自己成為客戶業(yè)務(wù)領(lǐng)域的專家、了解他們面對的困難，就可以問出更精準的問題、讓自己的產(chǎn)品定位更正確，進而為客戶提供更有價值的服務(wù)。

　　重點：提供具有深入洞見的“信息”

　　許多現(xiàn)今的物聯(lián)網(wǎng)IoT產(chǎn)品，重點都在于生出很多數(shù)據(jù)，而不是提供有用的信息，導(dǎo)致客戶無法從產(chǎn)品的功能中轉(zhuǎn)換出收益、或是付出額外的成本來獲得信息，因而對產(chǎn)品失望。

　　身為產(chǎn)品經(jīng)理，了解客戶的產(chǎn)業(yè)、以及他們最常受到的挑戰(zhàn)，都應(yīng)該是理所當然的事情;做到這個基本要求，我們才能打造出有效的數(shù)據(jù)運用策略、滿足客戶真的的需要。