公平地說，物聯網正朝著正確的方向發展，但還沒有完全實現。原因很簡單。據報道，大約有2%的思科物聯網設備“打電話回家”。對于工業制造商來說，情況是一樣的，但由于它們必須依靠其未連接的安裝基礎來實現任何售后市場增長，這一事實更加惡化了。幾年甚至幾十年前安裝的設備當然沒有聯系。那么，您如何在未連接的資產上部署失敗前的修復?
數據科學來拯救
數據科學可以在物聯網不能拯救的地方進行。許多制造商每天都在問的問題是：我們如何在各種系統(如CRM，擔保，服務合同等)中利用客戶數據(如訂單，服務記錄，呼叫中心日志，銷售機會等)......
)提取客戶行為和用法的模式以預測客戶需求?但還有更多。這些公司如何更好地預測流動客戶的健康狀況?他們如何提高客戶的聯動率，讓更多的資產處于合同之下?他們如何最終提高我們客戶的連接速度，以便他們通過恢復丟失的錢包份額來提高收入?
數據科學可以并且確實提供一些答案。像Entytle
Insyghts這樣的AI驅動平臺正在幫助B2B制造商利用其歷史和新客戶數據的力量來增加安裝基礎知名度，識別模式并預測客戶服務和銷售需求。最終，公司的服務，市場營銷和銷售團隊需要根據這些見解采取措施：這意味著需要發生一定程度的變更管理。
采用這種新方法的制造商正在將其售后市場方式從被動變為主動。他們正在改善與客戶的連接，為客戶帶來更好的結果。正如Nvidia首席執行官Jensen
Huang 所說的那樣：“軟件可能會吃掉世界，但人工智能會吃軟件。
IIoT對B2B制造商的承諾
IIoT的承諾是巨大的：利用機器數據，傳感器，故障日志，運營信息等來驅動非常具體和有針對性的見解，其主要目標是預先排除故障事件并確保高資產正常運行時間。這些想法并不新鮮;
大約25年前，通用電氣，勞斯萊斯和其他發動機制造商將定期從發動機獲取性能數據，以了解故障，工作周期等。現在很難再容易得多了。
然而，GE和勞斯萊斯發動機模型仍然存在一些問題。首先，并非所有領域都是勞斯萊斯引擎。事實上，大多數安裝的設備不是，這些資產也沒有傳感器。結果是：絕大多數制造商的安裝基地大部分是未連接的，并且連接的時間線是未來的方式。它變得更糟：對于連接的少數設備來說，從這些設備獲取可操作的數據仍然是一個長期目標。
最后，那些與傳感器連接并且能夠遠程提取數據的制造商自滿地收集了它的采樣和采樣，并迅速將相同的數據轉移到很少被觸及的系統中。
物聯網用于未連接的東西
公司正坐在日常與客戶互動收集的大量信息之上。這包括訂單輸入事件，發票，現場服務電話，技術支持，CRM記錄等等。這些數據集具有很高的價值獨立性，但在集體分析時可以提供有關客戶和資產行為的深刻見解。數據現在可以用來預測故障，服務事件，銷售機會等。更重要的是，它有助于推動與客戶的及時，有針對性和主動的參與，最終推動制造商的忠誠度和終身收入增長。
這些數據已經存在，可以在今天部署“明天”進行審查和分析。物聯網是無關聯的東西。
