платформы, которая связывает данные о сне с внешними объектами в комнате (освещение, музыка и т.д.) для улучшения качества сна. Такая компания, как Caterpillar, может оценить объем своих сенсорных данных и другими способами. Очевидно, что миллиарды долларов ежегодно тратятся впустую из-за переделок на строительных площадках. 8 Даже небольшая доля экономии, достигаемая за счет координации строительных работ на основе данных, может исчисляться миллионами; Caterpillar может оценить потенциальные доходы от платформенных сервисов, которые позволяют добиться такой экономии для клиентов компании.
В некотором смысле объем сенсорных данных схож с объемом рынка нового продукта, готовящегося к выпуску. Большинство старых компаний понимают, как оценить объем рынка нового продукта. Они знают, как оценить потребность рынка, которую удовлетворяет новый продукт, профили потенциальных покупателей и общий объем рынка, на котором, как ожидается, продукт будет конкурировать за свою долю. В этом отношении область применения сенсорных данных аналогична области применения нового продукта. Вместо новых продуктов в данном случае оценивается ожидаемая стоимость от новых услуг платформы.
Кроме того, объем сенсорных данных зависит от сетевых эффектов, которые эти данные генерируют для привязанной цифровой платформы. Поскольку данные датчиков определяют тип и количество пользователей платформы, которые, скорее всего, присоединятся к привязанной цифровой платформе, они определяют сетевые эффекты, которые может генерировать привязанная цифровая платформа. В зависимости от того, каких пользователей привлекают данные датчиков, сервисы платформы могут получать выгоду от прямых или косвенных сетевых эффектов, либо от тех и других. Как уже говорилось в главе 2, прямые сетевые эффекты обусловлены ценностью, которую пользователь получает от других таких же пользователей, например, ценность, которую получают друзья на Facebook, когда находят еще больше друзей на платформе. Такие схожие пользователи образуют одну сторону платформы. Косвенные сетевые эффекты обусловлены другими типами пользователей или другими сторонами платформы, например, профессионал на LinkedIn получает выгоду от большего количества рекрутеров на платформе.
Привязанная цифровая платформа, основанная, например, на данных датчиков "умной" зубной щетки, может привлекать других пользователей "умных" зубных щеток и дополнительных третьих лиц, например стоматологов. Сервис платформы может обеспечить своевременное обращение к стоматологам для решения стоматологических проблем и, следовательно, улучшить состояние здоровья зубов каждого пользователя платформы. Подобная привязанная цифровая платформа получает косвенные сетевые эффекты, поскольку чем больше стоматологов доступно на платформе производителя, тем больше потенциальных выгод получает каждый пользователь "умной" зубной щетки, и наоборот. Кроме того, она может пользоваться прямыми сетевыми эффектами, если при увеличении числа пользователей "умной" зубной щетки и объема пользовательских данных алгоритмы платформы становятся более "умными".
В случае, когда сенсорные данные теннисной ракетки привлекают других пользователей "умных ракеток" к привязанной цифровой платформе, предлагающей услуги по подбору игроков, сервис платформы выигрывает от прямых сетевых эффектов. Чем больше игроков на платформе, тем больше выбор оптимального матча, а значит, тем больше пользы для каждого игрока. Привязанная платформа также генерирует косвенные сетевые эффекты, когда она привлекает на свою платформу других сторонних комплементаторов, например тренеров. Чем больше дополнительных субъектов привлекают сенсорные данные продукта, тем выше прямые или косвенные сетевые эффекты его привязанной цифровой платформы. Поскольку эти сетевые эффекты повышают потенциальную ценность услуг привязанной цифровой платформы, они являются важным аспектом объема сенсорных данных.
Уникальность сенсорных данных
Данные датчиков являются уникальными, если те же самые данные датчиков недоступны для других типов продуктов. И наоборот, сенсорные данные не являются уникальными, если несколько типов продуктов имеют доступ к одним и тем же данным. Например, для производителя зубной щетки сенсорные данные основаны на взаимодействии зубной щетки с пользователем. Подобные данные, скорее всего, доступны только другим конкурирующим производителям зубных щеток, оснащенных датчиками, т.е. знакомым конкурентам. Oral-B может оказаться в состоянии конкуренции с Philips или другими подобными производителями электрических зубных щеток, которые используют датчики в своей продукции. С другой стороны, производитель "умных" лампочек, использующий данные о движении в своих услугах на привязанной платформе, обнаружит, что данные датчиков движения его продукта не ограничиваются другими производителями "умных" лампочек. Эти данные доступны множеству других интеллектуальных устройств, находящихся в том же помещении, например термостатам, пожарным сигнализациям или камерам наблюдения. Производители таких продуктов, размещенные на сайте , могут претендовать на обслуживание той же платформы. Другими словами, сенсорные данные могут привлечь конкурентов, не входящих в преобладающую отрасль.
Кроме того, датчики можно устанавливать на изделия, что привлекает еще больше нетрадиционных конкурентов. В главе 4 говорилось о таких нетрадиционных конкурентах Caterpillar. Новую конкуренцию составили компании, работающие в области программного обеспечения, телекоммуникаций и GPS, такие как Trimble и Teletrac Navman. Эти конкуренты могут оснастить строительное оборудование и объекты датчиками, чтобы предложить те же услуги по управлению строительством, которые ранее рассматривались как потенциальные предложения для Caterpillar. В главе 8 описаны такие конкуренты, имеющие доступ к аналогичным данным, как цифровые конкуренты, и подробно рассмотрено их влияние на цифровую конкурентную стратегию унаследованной компании.
Когда они получают доступ к подобным данным датчиков, цифровые титаны становятся одними из самых грозных цифровых конкурентов. Цифровые титаны часто имеют мощные точки обзора, что дает им доступ к широкому спектру данных, которые могут быть востребованы устаревшими продуктами через их датчики. Например, Alibaba и Tencent, используя свои комплексные платформы и приложения, собирают гораздо больше данных о привычках, кредитных историях и потребностях в кредитах среднестатистического китайского потребителя, чем китайские банки могли бы получить с помощью своих собственных датчиков. 9 Поэтому Alibaba и Tencent имеют более серьезные конкурентные преимущества перед традиционными китайскими банками при предоставлении кредитов клиентам.
Ключевым моментом здесь является то, что уникальность сенсорных данных может влиять на конкурентоспособность услуг привязанной цифровой платформы. Чем уникальнее данные, тем выше вероятность того, что привязанная цифровая платформа окажется коммерчески жизнеспособной.
Управление сенсорными данными
Наконец, контроль сенсорных данных - это степень, в которой производитель может свободно использовать сенсорные данные продукта для облегчения обмена между пользователями и дополнительными организациями без каких-либо ограничений. Ограничения возможны в тех случаях, когда взаимодействие между продуктом и пользователем предполагает наличие посредников. Эти посредники могут не позволить производителю свободно делиться сенсорными данными с внешними субъектами.
В качестве примера можно привести данные датчиков "умных" локомотивов GE, например, ожидаемое время прибытия в конкретные пункты назначения. Потенциально эти данные могут передаваться грузоотправителям и грузополучателям и использоваться для создания бирж, предлагающих целый ряд различных услуг на платформе. Потенциальная платформа GE может обеспечить прозрачность для грузоотправителей и грузополучателей в отношении точного местонахождения и ожидаемых поставок их товаров в любой момент времени. Платформа может предлагать услуги по выставлению счетов и сбору платежей с привязкой к точным срокам отгрузки и
