数据与物联网:这仅仅是个开始吗?

今天，创新的步伐继续加快，这不仅是因为技术的进步和将想法转化为产品和服务的速度，还因为技术的采用如此之快，以至于市场产生了即时的需求;推动更大的要求。

毫无疑问，当今创新的主要驱动力之一是数字转型和数字化。在我们的日常工作、私人生活、教育、公共卫生、工业、流动性、政府和社会中，数字转型无处不在。根据最近的研究，72%的全球首席执行官认为，对他们所在行业来说，未来3年将比过去50年更为关键[一]，但只有5%的组织认为他们已经掌握了数字化，并与竞争对手有所不同(二). 这一方面在技术采用较为保守、流程驱动较多的行业或市场部门（如铁路行业）中更为关键。

尽管数字转型在不同的企业和行业之间可能有所不同，但我们通常可以在它们之间找到一套模式。通过考察其他行业，并与铁路行业（Nomad是其中的关键利益相关者）进行比较，我们可以得出一些有趣的参考资料，其中包括以下在数字转型中提供一致的因素：物联网、连通性、大数据、机器学习和预测分析。但简要介绍一下它们的定义：

• 物联网是一个技术进化的过程，它通过传感器的力量将一切联系起来
• 连通性是指从这些传感器捕获数据，而大数据是信息的存储（为将来的分析做好准备）
• 机器学习是指计算机通过经验使用数据来创建学习模式
• 预测分析是对未来或未知事件和模式进行预测。

最近有很多讨论关于如何准备食品和化学工业使用以上为了推进他们的生产力和利用清晰的成本节约的好处,但也帮助他们改善时间管理,更好的处理和利用资源。

不同的行业通过对数据的解释和趋势的分析来评估对他们来说不一定显而易见的模式。他们不仅通过通知计划活动的任何偏差，而且通过自动检测即将出现的异常来实现这一点。

如今，列车车载信息传感器可以收集大量数据，然后将其交付、存储，还可以使用ND Fleetview手动分析系统进行手动分析。这使得团队可以绘制数据，随着时间的推移，可用的网络带宽就变成了热图。铁路行业可以从信息源中学到很多东西;比如电力牵引、能源管理、空调、出口门、传感器等等。正是通过列车上的Wi-Fi连接，乘客连接、带宽使用和智能售票等信息才变得可用;所有这些都提供了丰富的信息。

在大多数数字转换中确定的一组模式。

但是，作为一个行业，我们是否在利用这种信息收集？我们如何接受机器学习？

如果我们看看当今行业的情况，我们能够将列车数据收集集装箱化，将其存储为大数据并应用手动分析，但这只是第一步。通过使用这些数据并赋予其相关性和意义，我们可以进一步评估机器学习和预测分析将如何帮助我们发现肉眼看不见的趋势，并评估不一定显而易见的模式。这就是真正的价值所在，也是未来机会所在。

众所周知，在不同的行业之间，围绕数字转型的一些模式将用户带入了创新过程的一部分，如SAP Design Services[一]. 设计思维和用户体验设计等因素使用户成为分析的焦点，鼓励与最终用户和消费者接触，通过以人为中心的设计创造商业价值，帮助组织实现数字化转型。

在铁路行业，我们有各种各样的用户：乘客、火车司机、售票处、维修人员等，他们可以成为“行为传感器”，帮助我们了解他们与技术和火车的相互作用。

如果我们将技术和人这两个学科交叉连接起来，即从数据中学习以及人类作为信息传感器的行为方式，这将使我们处于一个非常强大的地位：人和机器结合起来理解行为和需求。一个例子是，如果有重要的连接需要连接，新的技术创新如何在服务中断后对乘客的下一站做出明智的选择。这可以通过智能评估乘客的智能/电子客票旅程信息、乘客计数和网络使用情况来实现，所有这些都可以结合起来提供关于他们正在进行的旅程和目的地详细信息。

在通过数字转型和数字化为铁路行业带来创新的过程中，重点应该是技术和从其创建的数据中获取见解的持续过程。对于需要平衡创造力和执行力的公司和商业领袖来说，这越来越成为一个挑战。那些能够通过突破性的想法和无缝的执行，掌握并连接数字化和用户之间的点的人，将成功地推动创新，并在未来蓬勃发展。

工具书类