Internet of Things (IoT)-data laten bedrijven niet alleen efficiënter werken, maar ze maken ook nieuwe businessmodellen mogelijk. In dit artikel kijken we naar waarom en hoe je in transport en industrie de transformatie maakt van 'maken en verkopen’ naar een datagestuurd pay-per-use of as-a-service-model.

Nu de innovatie in een duizelingwekkend tempo voortraast, is Internet of Things (IoT) zo'n uitgebreid onderwerp geworden dat er heel specifieke deelgebieden zijn ontstaan. De twee meest onderscheiden gebruikssituaties die we zien zijn B2C-oplossingen voor huishoudelijke apparaten, zoals slimme thermostaten, en industriële of logistieke oplossingen die zich richten op het verzamelen van operationele gegevens uit machines en voertuigen. Terwijl B2C-oplossingen de gebruiker slimme, data-based functionaliteit bieden en bedrijven waardevolle inzichten geven in gedrag, zijn de industriële usecases er meestal op gericht onderhoud en bedrijfsvoering efficiënter te maken.

De transformatie van machine-onderhoud

Stel dat je voertuigen bouwt die gebruikt worden voor lokale logistiek, zoals vorkheftrucks of vliegveldtrekkers. Waarschijnlijk is je product al uitgerust met een groot aantal sensoren en telemetrie-apparatuur die gebruiksinformatie naar jouw systemen doorstuurt. Zo kun je je onderhoudsschema's afstemmen op gebruik en klimaat, in plaats van op algemene criteria als kilometerstand of leeftijd van de machine. In een tropisch klimaat wordt de airco nou eenmaal vaker gebruikt dan op de Poolcirkel. Een koud klimaat betekent dan weer meer slijtage aan mechanische onderdelen. Kilometers vertellen ook niet het hele verhaal, want korte ritten veroorzaken meer slijtage dan lange. Sensordata zorgt er dus voor dat individuele machines onderhoud krijgen wanneer ze dat nodig hebben. Dat geeft je maximale efficiëntie en een kleinere kans dat een machine stuk gaat.

De transformatie van je businessmodel

Dit is een geweldige toepassing van IoT-data, maar het blijft bij het optimaliseren van een bestaand bedrijfsmodel. Als je eenmaal al deze kennis hebt over hoe plaats, klimaat en gebruik van je machines het onderhoud en de totale cost of ownership beïnvloeden, kun je je verkoop- en verdienmodel anders gaan bekijken. Verkoop je machines of voertuigen met een onderhoudscontract, dan loopt dat meestal 3-5 jaar. Na die eerste periode lopen je garanties af en zijn je klanten geneigd hun onderhoud lokaal in te kopen. Om bij deze klant nieuwe omzet te realiseren, moet je een extra of vervangend product verkopen.

Maar je kunt je data gebruiken om een heel nieuw verdienmodel te bouwen. In plaats van machines te verkopen, zou je een 'pay-per-use' model kunnen verkopen dat klanten per rit laat betalen. Of een 'as a service' model dat per maand betaald wordt. Met behulp van predictive analytics kun je voorspellen wanneer je machines aan onderhoud toe zijn. Door een extra voertuig en een technisch team naar de locatie van de klant te sturen garandeer je continuïteit en de klant kan gewoon verder werken. Zo haal je gedurende de hele levensduur voorspelbare inkomsten uit je producten.

Maar het is niet alleen gunstig voor jou. Ook de klant heeft er baat bij. Die is af van de grote investeringen die nodig zijn bij het aankopen van voertuigen of machines. Het flexibel op- of afschalen van activiteiten wordt dus ineens een optie. Plus, het stelt ze in staat het risico van storingen uit te besteden en garandeert continuïteit.

Heb je de infrastructuur?

Dit is natuurlijk niet beperkt tot de logistiek. In bijna elke markt versnelt IoT-technologie de verschuiving van eenmalige verkopen naar het aanbieden van oplossingen ‘as-a-service' of op basis van gebruik. Zo transformeert data businessmodellen en geeft IoT de bedrijven die ermee werken enorme voordelen.

Wat overblijft is de vraag: 'Hoe dan?'

Het verzamelen van IoT-data van je eigen machines is waarschijnlijk het gemakkelijke stuk. Het consolideren, organiseren en transformeren van data om aan je analysebehoeften te voldoen en ze combineren met gegevens uit andere bronnen zoals financiële systemen, ERP en weergegevens kan een ingewikkelder uitdaging zijn. Uiteindelijk gaat het erom of gevalideerde, bruikbare data snel en effectief genoeg van de bron naar je front-end stromen om je processen te kunnen verbeteren, de KPI's te rapporteren die je nodig hebt en je bedrijf te laten groeien.

Dit vraagt om een infrastructuur die een naadloos proces kan creëren, van het ophalen van ruwe data tot het produceren van bruikbare KPI's en benchmarks voor effectieve analyse. Door je analisten, óf door machine learning-algoritmes. Maar je hoeft niet vanaf nul te beginnen. Sterker nog, dit is een uitgelezen kans om de volle kracht te benutten van de cloud-infrastructuur die je al hebt. Microsoft Azure biedt bijvoorbeeld de Azure IoT Hub, een volledig beheerd IoT-applicatieplatform en een enorme collectie machine learning-functies. Ook AWS is al helemaal toegerust om met grote hoeveelheden IoT-gegevens om te gaan, met diensten variërend van besturingssystemen voor apparaten tot volledig geautomatiseerde analyse en eventdetectie.

Zo bouw je een IoT-infrastructuur voor innovatie

Hoe bouw je de juiste infrastructuur? Hoe maak je je data-initiatieven klaar voor the next level in businessmodelinnovatie? Ik zie dat als een proces met zes duidelijke stappen:

1. Verzamel meer data

Hoe meer data je verzamelt, en hoe eerder je begint met het verzamelen ervan, hoe meer je ervan kunt leren. Fabrikanten van apparatuur moeten af van het 'utilitaire' paradigma waarbij ze alleen sensoren inbouwen voor wat ze op dat moment nodig hebben. In plaats daarvan moet iedereen gaan 'denken in mogelijkheden'. Adopteer een innovatie-mindset en verzamel data omdat het kan, niet omdat je denkt dat je ze nodig hebt. Na een tijdje heb je dan grote hoeveelheden historische gegevens waarop je machine learning kunt toepassen, zodat je patronen gaat zien.

2. Automatiseer je ETL

Als je zo veel data verzamelt, dreigt het gevaar dat je verzandt in de technische details van het ophalen, transformeren en laden van data uit veel verschillende bronnen. Data verzamelen en het toevoegen van nieuwe databronnen moeten gemakkelijk zijn. Dat bereik je met automatisering. Bij het bouwen van ETL-processen - continu, asynchroon, batched, real-time of een combinatie daarvan - streef je ernaar menselijke tussenkomst tot een minimum te beperken. Opslaan, bewerken, normaliseren en samenvoegen van tabellen tot gestructureerde data, het moet allemaal gebeuren zonder dat jij je er zorgen over hoeft te maken. Cloudtools als Azure Data Factory en Azure Integration Services zorgen dat al je ETL-processen schalen als dat nodig is. Dat voorkomt dat je proces bij pieken vastloopt. Door ongebruikte processen af te schalen houd je de kosten onder controle.

3. Bouw je data warehouse

Je cloud-based data warehouse wordt de kern van je nieuwe businessmodel. De opslagplaats voor al je gestructureerde data, geoptimaliseerd voor analyse en analytics. Er is veel keuze op het gebied van databasetechnologie. De populairste opties zijn Amazon RedShift, Azure SQL en Google BigQuery. Welke je kiest hangt helemaal af van de dataformaten die je verwerkt en je andere eisen. Belangrijk hierbij is dat je je data warehouse opzet als een 'single source of truth': een datatoepassing moet altijd verwijzen naar de gegevens in je data warehouse en nooit werken met eenmalige integraties of lokale kopieën. Dit betekent dat je data warehouse zal moeten voldoen aan strikte eisen, qua beschikbaarheid en datakwaliteit.

4. Inzichten en benchmarks

Gebruik datavisualisatietools zoals real-time dashboards, PowerBI, Tableau of Qlick en bouw dashboards die je inzicht geven in wat er met je machines of voertuigen gebeurt. Probeer KPI's en benchmarks te vinden die je helpen om je huidige processen te optimaliseren en nieuwe te ontdekken. In het voorbeeld van de machines hierboven zou je kunnen beginnen met uit te zoeken hoe vaak een voertuig eerder of later wordt onderhouden dan had gekund of gemoeten. Zo krijg je een gevoel voor de mogelijkheden voor innovatie binnen je huidige processen en diensten.

5. Rol analytics en AI uit

Als je voldoende data beschikbaar en toegankelijk hebt, kun je beginnen met het trainen van modellen, met hulpmiddelen als Amazon SageMaker of Azure Machine Learning Studio. Hiermee kun je toekomstige uitkomsten van processen en gedrag voorspellen en onderhoud of andere processen optimaliseren. Daarna maak je de stap van analyseren en benchmarken van historische gegevens naar vooruitkijken en optimaliseren. Want daar zit het echte concurrentievoordeel.

6. Ontwikkel je nieuwe businessmodel

Als laatste stap combineer je de data-inzichten die je nieuwe infrastructuur je geeft met je specialistische kennis van je markt. Nu kun je gaan experimenteren met nieuwe businessmodellen. Pay-per-use of as-a-service liggen als optie voor de hand, maar er zijn nog veel meer mogelijkheden. Je kunt extra diensten ontwikkelen, ongebruikte capaciteit hergebruiken of data aan je klanten of derden verstrekken voor hun eigen toepassingen.

Als je de data hebt, is de sky de limit.

Wil je weten hoe we klanten helpen met hun data-infrastructuur? Kijk op onze pagina's over data en analytics en cloud managed services.