Het goede nieuws: we zien volop IoT-, AI- en Machine Learning-initiatieven bij bedrijven die datagedreven willen gaan werken. Deze organisaties nemen data engineers en data scientists aan om met innovatie aan de slag te gaan. Het slechte nieuws: veel van deze initiatieven stranden in de demofase en komen uiteindelijk niet verder dan de interne speeltuin van de organisatie. Ze komen niet in productie en worden uiteindelijk door de business niet gebruikt. Wat kun je doen om voorbij de proof-of-conceptfase te komen en te zorgen dat jouw IoT-project door de business gebruikt wordt? Niek Timmermans geeft je graag een aantal tips!  

1. Start klein en focus op de business case

Klein beginnen en starten met een proof-of-concept is op zichzelf geen verkeerde stap. Maar zorg ervoor dat de eindgebruiker al in een vroeg stadium is aangehaakt en meedenkt over de use case en de impact van de use case op zijn werkprocessen. Handig hierbij zijn deze drie stappen, afgeleid van het business model canvas template:

  • Wat wil je doen?
  • Wat heb je nodig?
  • Wat zijn de voordelen?

Op weg naar Smart Industry met predictive maintenance

2. Betrek inhoudelijke domeinexperts in het project

Data hebben pas waarde als je de informatie op de juiste manier kunt interpreteren. Dus zonder specifieke kennis van het domein, product of de sector waarmee je aan het werk bent is de kans groot dat een IoTproject niet zal slagen. Je moet immers de kwaliteit van data goed kunnen beoordelen en begrijpen of afwijkingen en signalen inderdaad een oorzaak hebben in de praktijk en wat de mogelijke impact is op bedrijfsprocessen 

3. Technische infrastructuur is belangrijk: maar verlies je hier niet in

De eerste vraag die we vanuit de praktijk vaak krijgen is welk platform of welke IT-infrastructuur nodig is.  Voor de POC-fase is het van belang om snel te kunnen starten. De business case is meestal nog niet rond en vaak leer je tijdens de POC-fase welke infrastructuur noodzakelijk is wanneer je je IoT-project naar productie gaat brengen. Wij adviseren wel om alvast een roadmap op te stellen voor verwachte toekomstige uitbreidingen van je data-toepassingen. Op basis van die roadmap en de ervaringen in de ‘proeftuin’ kun je vervolgens bepalen welke Azure Cloud infrastructuur hier het beste bij past.

Snel naar een productieomgeving

Zet je proof-of-concept zo snel mogelijk over naar een productieomgeving, zodra deze daadwerkelijk door de business gebruikt gaat worden. Denk hierbij ook aan het beheer van de applicatie. Zeker met open sourcetooling is dit relevanter dan ooit.  

Verlies de eindgebruiker niet uit het oog

Infrastructuur is belangrijk, maar verlies de toepassing en de eindgebruiker niet uit het oog. Soms gaat er zoveel aandacht naar de infrastructuur, dat het doel van je datatoepassingen nog wel eens uit het oog wordt verloren en de vaart uit het project gaat.

 

4. Blijf in contact met eindgebruikers en neem hun wensen mee

Voor data-engineers en data-scientists is er niets leukers dan het kunnen geven van verrassende inzichten en het leggen van verbanden. Maar het is hierbij dus wel van belang om steeds in contact te blijven met de business en met je eindgebruikers. Wat heeft de business nodig om daadwerkelijk slimmer en efficiënter te werken en kosten te besparen? Kortom: je hebt elkaar nodig om tot een goed werkend concept te komen en dit uiteindelijk voorbij de POC-fase te brengen.

Meer lezen over de mogelijkheden van het Internet of Things en de stap naar Predictive Maintenance en Smart Industry? Download dan het whitepaper: Predictive maintenance op weg naar Smart Industry.

Predictive Maintenance, op weg naar Smart Industry

Auteur

Niek Timmermans
Niek is team lead van het advanced analytics-team bij HSO.