电商即将被淘汰,新商机已经到来:下个30年是物联网的天下

电商即将被淘汰,新商机已经到来:下个30年是物联网的天下,第1张

想要抓住未来的商业趋势,就要认清商业的发展变化的规律,因为每隔10年,市场都会发生一次大的变革,能够提前觉察到趋势的人,都可以通过提前布局抢占先机。

如在PC时代流量红利期,可以靠电商平台和流量红利,颠覆实体的获客方式和销售方式,所以在15年前布局电商的都抓住了趋势。

但到了互联网下半场,流量红利消失以后,想要生存和发展,必须要提前布局,打造个人IP、通过粉丝去实现持续盈利。

从互联网的发展对商业的影响变化,可以看出、想要成功不但是靠努力、趋势也很重要。所以想要抢占未来10-30年的机会,必须要认清下一个趋势,抓住物联网时代的机遇。

1、获客入口与消费场景的变化

2、物联网时代的购物场景

3、物联网的交互场景和消费场景



不论是在传统商业模式中,还是在PC、移动互联网,以及物联网时代,主要是在抢占用户的入口,通过改变人的消费习惯,而颠覆整个商业生态。

以传统商业未来,想要获得更多的客户,主要看的是实体店的位置,想要让业绩倍增,最快的方式就是连锁。只有获取的客户多了,才能通过规模效应,降低供应链成本,提升品牌溢价能力。

当人们都沉浸在渠道为王的时代中,聪明的人已经开始布局互联网。就如在1990年—2000年期间,做电器起家的电商平台一样,在线下肯定是无法与当时的、线下家电零售大佬抗衡,但借助互联网的优势,就可以颠覆传统市场。

因为线上通过一个平台,就可以获取全国各地的流量,不需要开连锁,一样可以实现连锁效果,可以通过网络作为最大的入口。那么积累大量用户以后,不但可以通过卖货盈利,而且可以通过金融、物流赚钱。

在流量红利期不但平台可以颠覆传统的商业巨头,普通人一样可以借助红利,借助电商平台,实现逆袭,在15年前就布局电商的人,商人几乎都赚的盆满钵满。


那么当人们还沉浸在搜索信息流和平台电商的时代,新的商业形态又兴起了。就是以内容为王,带动商业的发展时代。

因为当市场上产品泛滥成灾,人们满足了物质需求以后,开始追求精神需求。那么这个时候消费者更多会停留在内容场景,看文章、视频,那么社交媒体平台就是最大的入口,算法就是新的机遇。

这个时期不论做电商的还是,做实体的,都需要借助内容信息流去获客引流,吸引粉丝,塑造IP,实现持续的变现。

就如近2年,大家都在做短视频、直播带货,都是在通过内容入口,改变购物场景和商业形态。但任何趋势和机遇,都并非一劳永逸,短视频直播带货,很快也会成为过去。



在未来最大的获客入口以及购物场景,不会局限于互联网平台,而是在物联网,未来每个可以通电、联网的机器,都将成为新的获客入口和消费场景。

那么未来的获客入口和商业形态,会出现这3种发展方向:物联网与入口,物联网与传感器,物联网与实体和后端工厂结合。

随着物联网的兴起,第一代物联网的购物场景,是通过物联网硬件为入口,通过APP作为使用平台,积累大量客户以后,可以把APP作为购物场景。

就是所有的物联网硬件电器,在使用之前都需要下载一个APP,把消费者导入APP以后除了获取用户的使用数据、以及用户反馈信息。而且可以通过APP,为消费者提供各种生活需求产品。

比如我们买了个烤箱、可以通过烤箱为入口,获取用户数据,不但可以推荐给消费者推荐其他的智能家居,而且还可以围绕消费需求,推荐和烤箱相匹配的产品。

就是通过前端引流,把产品作为入口,通过后端整合产业链,通过经营人,根据人的需求提供一系列的服务,是目前的趋势。



到了物联网购物场景的第二代,获客入口和购物场景就是智能硬件、不再需要APP,更不需要导流,智能硬件可以通过物联网和传感器、判断用户的购物需求。

在未来我们如果购买生活物资,那么最大的入口和消费场景,可能会是冰箱、冰柜而不是手机,这种购物场景会类似于现状送牛奶的一样。

就是冰箱等物体联网以后,可以通过传感器,了解到我们每个家庭或个人的消费情况,你冰箱里没有牛奶了,冰箱可以感应的到。

同时也会根据我们如此的消费和生活习惯,判断不同家庭消费数据,根据数据精准配送,匹配需求。



那么在未来物联网也会直接与实体结合,打破传统的电商购物场景,因为未来大多数厂家会直接与终端店合作,做个性化定制、个性化服务。

实体是获客入口和体验场景、物联网是数据收集的端口,工厂可实现智能化个性化生产。

比如我们想要购买一双鞋子,可以直接在同城的实体店,依托智能硬件,通过物联网和传感器,收集数据,可以把尺码和需求,通过物联网把大数据传输给智能工厂。

智能工厂可以根据人的需求,做个性的话定制,产品制造生产出来以后,会根据数据直接匹配配送给消费者,先有需求再做生产,让需求和供给精准匹配。

不会像现在的电商一样,需要在平台烧钱,打价格战,抢占有限的市场资源,而是从消费需求到智能工厂,让数据去解决销售环节中的痛点和问题。


在过去的20年,入口的竞争主要是电脑屏和手机屏,在未来30年的竞争入口将是 汽车 屏。这是因为车联网(物联网)和人工智能的兴起,未来不需要驾驶 汽车 ,那么在车上的时间人们就会去社交、去获取信息。

从移动互联网时代就可以看出这一点,人们有了智能手机以后,社交和获取信息的方式变了,直接会颠覆商业的精准格局。

因为当人们的时间都停留在手机上、消费内容、社交互动的时候、视频电商、内容电商、直播电商、社交电商就兴起了。

那么在物流网时代也是如此,如果人们的大量空闲时间不需要驾驶 汽车 ,那么 汽车 屏就是未来的社交平台、获取信息的渠道。就像现在人们坐地铁、不需要开车的时候,都会玩手机一样。

由此可见,在物联网时代,家庭消费将与智能家居入口结合、定制消费将与实体店结合,户外消费将与 汽车 屏结合。

物联网时代 工业大数据八大应用场景

工业大数据是一个全新的概念,从字面上理解,工业大数据是指在工业领域信息化应用中所产生的大数据。随着信息化与工业化的深度融合,信息技术渗透到了工业企业产业链的各个环节,条形码、二维码、RFID、工业传感器、工业自动控制系统、工业物联网、ERP、CAD/CAM/CAE/CAI等技术在工业企业中得到广泛应用,尤其是互联网、移动互联网、物联网等新一代信息技术在工业领域的应用,工业企业也进入了互联网工业的新的发展阶段,工业企业所拥有的数据也日益丰富。工业企业中生产线处于高速运转,由工业设备所产生、采集和处理的数据量远大于企业中计算机和人工产生的数据,从数据类型看也多是非结构化数据,生产线的高速运转则对数据的实时性要求也更高。因此,工业大数据应用所面临的问题和挑战并不比互联网行业的大数据应用少,某些情况下甚至更为复杂。

工业大数据应用将带来工业企业创新和变革的新时代。通过互联网、移动物联网等带来的低成本感知、高速移动连接、分布式计算和高级分析,信息技术和全球工业系统正在深入融合,给全球工业带来深刻的变革,创新企业的研发、生产、运营、营销和管理方式。这些创新不同行业的工业企业带来了更快的速度、更高的效率和更高的洞察力。工业大数据的典型应用包括产品创新、产品故障诊断与预测、工业生产线物联网分析、工业企业供应链优化和产品精准营销等诸多方面。

1加速产品创新

客户与工业企业之间的交互和交易行为将产生大量数据,挖掘和分析这些客户动态数据,能够帮助客户参与到产品的需求分析和产品设计等创新活动中,为产品创新作出贡献。福特公司是这方面的表率,他们将大数据技术应用到了福特福克斯电动车的产品创新和优化中,这款车成为了一款名副其实的“大数据电动车”。第一代福特福克斯电动车在驾驶和停车时产生大量数据。在行驶中,司机持续地更新车辆的加速度、刹车、电池充电和位置信息。这对于司机很有用,但数据也传回福特工程师那里,以了解客户的驾驶习惯,包括如何、何时以及何处充电。即使车辆处于静止状态,它也会持续将车辆胎压和电池系统的数据传送给最近的智能电话。

这种以客户为中心的大数据应用场景具有多方面的好处,因为大数据实现了宝贵的新型产品创新和协作方式。司机获得有用的最新信息,而位于底特律的工程师汇总关于驾驶行为的信息,以了解客户,制订产品改进计划,并实施新产品创新。而且,电力公司和其他第三方供应商也可以分析数百万英里的驾驶数据,以决定在何处建立新的充电站,以及如何防止脆弱的电网超负荷运转。

2产品故障诊断与预测

这可以被用于产品售后服务与产品改进。无所不在的传感器、互联网技术的引入使得产品故障实时诊断变为现实,大数据应用、建模与仿真技术则使得预测动态性成为可能。在马航MH370失联客机搜寻过程中,波音公司获取的发动机运转数据对于确定飞机的失联路径起到了关键作用。我们就拿波音公司飞机系统作为案例,看看大数据应用在产品故障诊断中如何发挥作用。在波音的飞机上,发动机、燃油系统、液压和电力系统等数以百计的变量组成了在航状态,这些数据不到几微秒就被测量和发送一次。以波音737为例,发动机在飞行中每30分钟就能产生10TB数据。

这些数据不仅仅是未来某个时间点能够分析的工程遥测数据,而且还促进了实时自适应控制、燃油使用、零件故障预测和飞行员通报,能有效实现故障诊断和预测。再看一个通用电气(GE)的例子,位于美国亚特兰大的GE能源监测和诊断(M&D)中心,收集全球50多个国家上千台GE燃气轮机的数据,每天就能为客户收集10G的数据,通过分析来自系统内的传感器振动和温度信号的恒定大数据流,这些大数据分析将为GE公司对燃气轮机故障诊断和预警提供支撑。风力涡轮机制造商Vestas也通过对天气数据及期涡轮仪表数据进行交叉分析,从而对风力涡轮机布局进行改善,由此增加了风力涡轮机的电力输出水平并延长了服务寿命。

3工业物联网生产线的大数据应用

现代化工业制造生产线安装有数以千计的小型传感器,来探测温度、压力、热能、振动和噪声。因为每隔几秒就收集一次数据,利用这些数据可以实现很多形式的分析,包括设备诊断、用电量分析、能耗分析、质量事故分析(包括违反生产规定、零部件故障)等。首先,在生产工艺改进方面,在生产过程中使用这些大数据,就能分析整个生产流程,了解每个环节是如何执行的。一旦有某个流程偏离了标准工艺,就会产生一个报警信号,能更快速地发现错误或者瓶颈所在,也就能更容易解决问题。利用大数据技术,还可以对工业产品的生产过程建立虚拟模型,仿真并优化生产流程,当所有流程和绩效数据都能在系统中重建时,这种透明度将有助于制造商改进其生产流程。再如,在能耗分析方面,在设备生产过程中利用传感器集中监控所有的生产流程,能够发现能耗的异常或峰值情形,由此便可在生产过程中优化能源的消耗,对所有流程进行分析将会大大降低能耗。

4工业供应链的分析和优化

当前,大数据分析已经是很多电子商务企业提升供应链竞争力的重要手段。例如,电子商务企业京东商城,通过大数据提前分析和预测各地商品需求量,从而提高配送和仓储的效能,保证了次日货到的客户体验。RFID等产品电子标识技术、物联网技术以及移动互联网技术能帮助工业企业获得完整的产品供应链的大数据,利用这些数据进行分析,将带来仓储、配送、销售效率的大幅提升和成本的大幅下降。

互联网大数据营销专家罗百辉表示,工业制造企业利用销售数据、产品的传感器数据和出自供应商数据库的数据,可准确地预测全球不同区域的需求。由于可以跟踪库存和销售价格,可以在价格下跌时买进,所以制造企业便可节约大量的成本。如果再利用产品中传感器所产生的数据,知道产品出了什么故障,哪里需要配件,他们还可以预测何处以及何时需要零件。这将会极大地减少库存,优化供应链。以海尔公司为例,海尔公司供应链体系很完善,它以市场链为纽带,以订单信息流为中心,带动物流和资金流的运动,整合全球供应链资源和全球用户资源。在海尔供应链的各个环节,客户数据、企业内部数据、供应商数据被汇总到供应链体系中,通过供应链上的大数据采集和分析,海尔公司能够持续进行供应链改进和优化,保证了海尔对客户的敏捷响应。美国较大的OEM供应商超过千家,为制造企业提供超过1万种不同的产品,每家厂商都依靠市场预测和其他不同的变量,如销售数据、市场信息、展会、新闻、竞争对手的数据,甚至天气预报等来销售自己的产品。

5产品销售预测与需求管理

通过大数据来分析当前需求变化和组合形式。大数据是一个很好的销售分析工具,通过历史数据的多维度组合,可以看出区域性需求占比和变化、产品品类的市场受欢迎程度以及最常见的组合形式、消费者的层次等,以此来调整产品策略和铺货策略。在某些分析中我们可以发现,在开学季高校较多的城市对文具的需求会高很多,这样我们可以加大对这些城市经销商的促销,吸引他们在开学季多订货,同时在开学季之前一两个月开始产能规划,以满足促销需求。对产品开发方面,通过消费人群的关注点进行产品功能、性能的调整,如几年前大家喜欢用音乐手机,而现在大家更倾向于用手机上网、拍照分享等,手机的拍照功能提升就是一个趋势,4G手机也占据更大的市场份额。通过大数据对一些市场细节的分析,可以找到更多的潜在销售机会。

6生产计划与排程

制造业面对多品种小批量的生产模式,数据的精细化自动及时方便的采集(MES/DCS)及多变性导致数据剧烈增大,再加上十几年的信息化的历史数据,对于需要快速响应的APS来说,是一个巨大的挑战。大数据可以给予我们更详细的数据信息,发现历史预测与实际的偏差概率,考虑产能约束、人员技能约束、物料可用约束、工装模具约束,通过智能的优化算法,制定预计划排产,并监控计划与现场实际的偏差,动态的调整计划排产。帮我们规避“画像”的缺陷,直接将群体特征直接强加给个体(工作中心数据直接改变为具体一个设备、人员、模具等数据)。通过数据的关联分析并监控它,我们就能计划未来。虽然,大数据略有瑕疵,只要得到合理的应用,大数据会变成我们强大的武器。当年,福特问大数据的客户需求是什么?而回答是“一匹更快的马”,而不是现在已经普及的汽车。所以,在大数据的世界里,创意、直觉、冒险精神和知识野心尤为重要。

7产品质量管理与分析

传统的制造业正面临着大数据的冲击,在产品研发、工艺设计、质量管理、生产运营等各方面都迫切期待着有创新方法的诞生,来应对工业背景下的大数据挑战。例如在半导体行业,芯片在生产过程中会经历许多次掺杂、增层、光刻和热处理等复杂的工艺制程,每一步都必须达到极其苛刻的物理特性要求,高度自动化的设备在加工产品的同时,也同步生成了庞大的检测结果。这些海量数据究竟是企业的包袱,还是企业的金矿呢?如果说是后者的话,那么又该如何快速地拨云见日,从“金矿”中准确地发现产品良率波动的关键原因呢?这是一个已经困扰半导体工程师们多年的技术难题。

某半导体科技公司生产的晶圆在经过测试环节后,每天都会产生包含一百多个测试项目、长度达几百万行测试记录的数据集。按照质量管理的基本要求,一个必不可少的工作就是需要针对这些技术规格要求各异的一百多个测试项目分别进行一次过程能力分析。如果按照传统的工作模式,我们需要按部就班地分别计算一百多个过程能力指数,对各项质量特性一一考核。这里暂且不论工作量的庞大与繁琐,哪怕有人能够解决了计算量的问题,但也很难从这一百多个过程能力指数中看出它们之间的关联性,更难对产品的总体质量性能有一个全面的认识与总结。然而,如果我们利用大数据质量管理分析平台,除了可以快速地得到一个长长的传统单一指标的过程能力分析报表之外,更重要的是,还可以从同样的大数据集中得到很多崭新的分析结果。

8工业污染与环保检测

《穹顶之下》令人印象深刻的一点是通过可视化报表,柴静团队向观众传递雾霾问题的严峻性、雾霾的成因等等。

这给我们带来的一个启示,即大数据对环保具有巨大价值。《穹顶之下》图表的原生数据哪里来的呢?其实并非都是凭借高层关系获取,不少数据都是公开可查,在中国政府网、各部委网站、中石油中石化官网、环保组织官网以及一些特殊机构,可查询的公益环保数据越来越多,包括全国空气、水文等数据,气象数据,工厂分布及污染排放达标情况等数据等等。只不过这些数据太分散、太专业、缺少分析、没有可视化,普通人看不懂。如果能够看懂并保持关注,大数据将成为社会监督环保的重要手段。近日百度上线《全国污染监测地图》就是一个很好的方式,结合开放的环保大数据,百度地图加入了污染检测图层,任何人都可以通过它查看全国及自己所在区域省市,所有的在环保局监控之下的排放机构(包括各类火电厂、国控工业企业和污水处理厂等)的位置信息、机构名称、排放污染源的种类,最近一次环保局公布的污染排放达标情况等。可查看距离自己最近的污染源,出现提醒,该监测点检测项目,哪些超标,超标多少倍。这些信息可以实时分享到社交媒体平台,告知好友,提醒大家一同注意污染源情况及个人安全健康。

工业大数据应用的价值潜力巨大。但是,实现这些价值还有很多工作要做。一个是大数据意识建立的问题。过去,也有这些大数据,但由于没有大数据的意识,数据分析手段也不足,很多实时数据被丢弃或束之高阁,大量数据的潜在价值被埋没。还有一个重要问题是数据孤岛的问题。很多工业企业的数据分布于企业中的各个孤岛中,特别是在大型跨国公司内,要想在整个企业内提取这些数据相当困难。因此,工业大数据应用一个重要议题是集成应用。

以上是小编为大家分享的关于物联网时代 工业大数据八大应用场景的相关内容,更多信息可以关注环球青藤分享更多干货


欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/dianzi/13429418.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2023-08-04
下一篇 2023-08-04

发表评论

登录后才能评论

评论列表(0条)

保存