Cela fait une dizaine d’années que les objets « connectés », communément appelés « Internet des Objets » (IdO), ont conquis un large public. Les brosses à dents connectées, les capteurs intégrés aux chaussures de sport et les montres connectées ont commencé à modifier le comportement des consommateurs par le biais d’une approche basée sur les données et la ludification. La technologie a rapidement évolué pour gérer d’importants volumes de données à grande vitesse et l’analyse des Big Data. L’IA s’est démocratisée. L’adoption de la 5G prend en charge le streaming et les micro-batchs. Les fabricants, quant à eux, commencent à monétiser les produits connectés. 

Impact sur les recettes

L’omniprésence des capteurs et des appareils connectés représente une énorme opportunité pour les industriels de générer de nouvelles sources de revenus, de conquérir des parts de marché et d’alimenter la croissance. L’analyse des données de capteurs dans le cloud permet aux industriels de se différencier, de renforcer la fidélisation de leurs clients et de leur offrir une valeur ajoutée tout au long de la chaîne B2B et B2C. 

  • Les véhicules automobiles se dirigent facilement vers la prochaine place de parking, la prochaine station-service ou la prochaine borne de recharge. Ils encouragent une conduite économe en énergie tout en offrant des fonctionnalités de divertissement et de sécurité. Les applications embarquées améliorent l’expérience de conduite et renforcent la fidélité à la marque, ce qui a un impact sur les revenus futurs, même si ces applications sont gratuites. D’autres services de données sont des compléments payants et génèrent des marges qui dépassent de loin celles de la production de base des véhicules. En ce qui concerne la configuration et l’utilisation des véhicules, les équipementiers peuvent télécharger des logiciels par voie hertzienne ou planifier la livraison de pièces détachées juste à temps pour une prochaine inspection dans un atelier de réparation. C’est pourquoi les principaux acteurs du secteur sont désireux de répondre aux questions de confidentialité, de souveraineté et de sécurité des données, au lieu de laisser le champ libre aux entreprises technologiques.
  • Pour les fournisseurs de services de mobilité en particulier, les données télématiques anonymes sont indispensables à une gestion efficace des flottes. Elles permettent d’équilibrer la demande régionale en période de pointe grâce à des incitations ou à une tarification basée sur la localisation. Elles permettent également de planifier les compléments saisonniers, comme l’équipement pour la neige, et de négocier des contrats d’assurance avancés basés sur l’utilisation. Des informations détaillées sur le cycle de vie des véhicules permettent d’obtenir des valeurs résiduelles précises pour améliorer la revente des véhicules d’occasion. Dans un marché de la mobilité concurrentiel, les véhicules connectés sont devenus un facteur déterminant.
  • Dans le segment des camions, les services basés sur les données assurent une transition réussie vers un nouveau modèle commercial. Avec l’e-mobilité, la possession de véhicules commerciaux devient moins attrayante. Bientôt, les modèles de location et as-a-service prévaudront, de même que les véhicules autonomes à différents niveaux. Par conséquent, les équipementiers de camions proposent des services complémentaires aux abonnements d’utilisation des produits. Les services les plus importants sont ceux qui permettent de gérer la flotte, d’augmenter les taux d’utilisation, de faciliter les échanges avec d’autres modes de transport ou de faire correspondre les heures d’arrivée dans les entrepôts avec les créneaux horaires de déchargement. Les camions connectés fournissent des données pour des composants de service modulaires, qui peuvent être personnalisés ou vendus selon les besoins.
  • Les revenus du marché des pièces détachées des machines et des équipements permettent aux industriels de réaliser des marges intéressantes tout au long du cycle de vie d’un produit. La planification de la maintenance préventive et des temps d’arrêt devient encore plus précise grâce au machine learning. Les plus grands industriels proposent des solutions d’automatisation basées sur les données pour aider les opérateurs dans leur travail quotidien, par exemple en calibrant les réglages des machines en fonction de l’ensemble de la ligne ou en regroupant et en optimisant les performances de bout en bout. Les opérateurs reçoivent en outre des alertes provenant de l’évaluation des mesures en ligne afin d’identifier un écart de qualité, ce qui permet de faire des économies sur les coûts liés aux reprises, aux rebuts et aux matériaux directs ou indirects. Aider les clients à réaliser des économies est très rentable. 
  • Plus récemment, certaines start-ups ou initiatives spécifiques à un segment ont commencé à utiliser les données de produits connectés pour fournir à un groupe de clients similaires des services et/ou une logique d’application en échange de leur contribution aux données. Toutefois, les produits qui alimentent le pool de données peuvent ne pas provenir du même fabricant. Lorsque des fournisseurs concurrents acceptent de partager les données de leurs produits dans le cadre d’une approche collaborative, il est indispensable de protéger la propriété intellectuelle en anonymisant les données afin de garantir un accès sécurisé et une bonne gouvernance des données.

Impact sur les bénéfices

 Les recettes supplémentaires sont un avantage, la réduction des coûts (et donc l’augmentation des bénéfices) en est un autre. Les efforts d’excellence des produits dans tous les segments du secteur de l’industrie exploitent les données des capteurs pour réduire les coûts liés à la conception et à la gestion de la qualité de bout en bout. Les données issues des essais sur le terrain, combinées aux essais numériques, réduisent la durée des cycles de lancement des produits. Les usines externalisées et le retour d’information des techniciens fournissent des données provenant de l’extérieur de l’entreprise, de la même manière que les capteurs des équipements et installations. La détermination des tendances, l’analyse des causes profondes et les prédictions impliquent souvent une collaboration de la R&D avec les fournisseurs pour empêcher les problèmes de se produire, car l’idéal est de raccourcir le plus possible le délai entre la détection et la correction. 

Les cas d’usage que les industriels peuvent mettre en œuvre avec des produits connectés dans le secteur de l’industrie sont à la fois nombreux et variés. Selon Precedence Research, le chiffre d’affaires total devrait atteindre 1 520 milliards de dollars d’ici 2030, avec un taux de croissance de près de 25 % d’une année sur l’autre. Pour ne pas se laisser distancer par la concurrence et exploiter le vaste potentiel des données de capteurs, les industriels, petits et grands, cherchent à moderniser leur infrastructure et leurs processus de gestion des données existants, ainsi qu’à renforcer leurs équipes de data science.

Snowflake et les industriels : une équipe gagnante

Snowflake permet aux analystes de données de gagner un temps précieux et de le réinvestir dans des cas d’usage plus nombreux, qui élèvent le niveau de l’innovation basée sur les données. Il est possible de réduire la durée des cycles de préparation des données pour des étapes d’ordinaire itératives et fastidieuses, notamment la collecte, la visualisation et la transformation des données. Les clients de Snowflake bénéficient de l’échelle quasi illimitée et de l’efficacité d’une architecture de données partagées multi-cluster qui permet aux industriels d’évoluer au rythme de leur activité. Grâce au modèle de tarification basé sur la consommation de Snowflake, les industriels ne paient que pour les ressources de calcul qu’ils utilisent réellement. 

Lorsque les analystes de données collaborent sur des données de produits connectés avec des experts d’autres services ou extérieurs à leur organisation, ils peuvent accorder un accès instantané au Data Cloud via des autorisations Snowflake définies à un niveau granulaire fin. Cela permet d’éliminer les silos de données ou les doublons tout en remplaçant des méthodes coûteuses, risquées et parfois fastidieuses. La confidentialité des données est préservée grâce à la fonctionnalité de clean room de Snowflake, qui permet de partager des données sans exposer d’informations personnelles identifiables ou d’autres données sensibles. 

Pour en savoir plus sur l’ingestion des données dans Snowflake, consultez cet article de blog