AIと分析がIoT収益化の鍵となる理由

AIと分析がIoT収益化の鍵となる理由

通信業界は現在、競争力を維持するために IoT を収益化するという厳しい課題に直面しており、高度なテクノロジーが新たな収益源を見つける鍵となります。

通信業界は、サービスのコモディティ化や OTT プロバイダーとの競争などにより収益の希薄化に直面しており、企業は新たな収益源の導入を求める圧力が高まっていると感じています。今日の業界の状況に関する最近のマッキンゼー・アンド・カンパニーの記事では、「OTT 業界や Google、Facebook などの企業によって莫大な価値と機会が生み出されているが、それは既存の業界を改善したからではなく、通信インフラを利用してまったく新しい業界を生み出したからだ。これらの新しい企業の価値の多くは、収集、分析、収益化するデータから生まれている」と指摘されています。

[[322390]]

モノのインターネット (IoT) は、通信会社がデータを収益化する最大かつ最も有望な市場です。ガートナーは、IoT が 2025 年までに 220 億のエンドポイントにまで成長すると予測しています。あらゆる機会があるにもかかわらず、通信会社が収益性を達成するには克服しなければならない課題があります。複数のデータ ストリームにアクセスできるだけでは十分ではありません。ほとんどの通信事業者は現在、IoT 戦略を効果的に推進するために必要な、価値が高く、コスト効率が高く、スケーラブルでデータ主導のサービスを提供するための適切なツールを持っていないため、通信事業者はどのようにして IoT で収益を上げる道を見つけることができるのでしょうか。

AIと高度な分析が収益性の鍵

IoT から利益を得るには、通信会社は優れたサービス品質、信頼性、動的な容量割り当てにより、優れた顧客体験を提供できる必要があります。これは、公共事業、輸送、自律走行車、および遠隔健康モニタリング機器におけるミッションクリティカルなアプリケーションにとって特に重要です。しかし、これらの約束を実現するには、高度なテクノロジーを活用して AI ベースのネットワーク分析を導入することが重要です。この機能により、通信会社は次のような方法で競争力を維持できるようになります。

  • 複数の IoT 対応ソースからデータを自動的に取り込みます。
  • データに基づいた意思決定をリアルタイムで行うことができます。
  • 強化されたネットワーク最適化とトラフィック ルーティング。
  • 顧客体験を向上させ、顧客離れを減らします。
  • 新たな収益源を開発し提供する能力。

データを活かす

通信会社は、インターネットおよび接続分野で何十年にもわたって市場をリードしてきたため、豊富なデータを保有し続けています。 IoT の大量導入をサポートする重要な要素である、世界的な 5G ネットワーク展開の次の波と組み合わせると、通信会社はさらに多くの情報を処理する必要があります。 5G では 1 平方マイルあたり最大 100 万の IoT デバイスが可能になる可能性があり、これは 4G テクノロジーで可能になる数の 10 倍に相当します。

残念ながら、インフラストラクチャがコンテキスト内でデータを管理または表示できない場合、豊富なデータを持っていても通信事業者にとってはほとんど価値がありません。人工知能と高度な分析は、通信事業者がすでに保有しているデータを取得し、それを大規模に管理し、実用的な洞察を生み出すことができる 2 つの新興テクノロジーです。世界がますます速く動き、膨大な量のデータが生み出されるにつれて、これらの自動化テクノロジーの機能は、進化するハイパーコネクテッド市場で競争力を維持するために不可欠な新しいサービスと収益源を創出し、配布する上で非常に重要になります。

具体的には、重要な AI 分析により、通信事業者はさまざまな IoT センサーやネットワーク ソースからのさまざまなデータを単一のプラットフォームに統合し、必要に応じてそのデータを照会できるようになります。データから得られる洞察の種類には、ネットワーク障害の予測や顧客の消費パターンなどがあります。トラフィック パターン、容量の変動と需要、さらにはネットワーク内の問題領域に関するデータ分析により、通信事業者はネットワーク リソースをより適切に割り当て、最適化する方法についてデータに基づいた意思決定を行うことができます。これにより、最終的にはネットワーク パフォーマンスの向上 (サービス中断の減少、レイテンシの低減など)、コストの削減、顧客満足度の向上が実現します。さらに、顧客の活動に関する深い洞察により、プロバイダーは顧客向けに既存の製品をカスタマイズしたり、垂直市場ベースの新しいポートフォリオを開発したりすることができます。要約すると、高度なテクノロジーは、既存のビジネス運営に新たなアプローチを提供するだけでなく、通信会社に新たな収益源をもたらします。

機器の故障による計画外のダウンタイムは、予測が困難であったり、問題に対処するための資金が不足したりするため、現在、製造業者にとって最も大きなコストの 1 つとなっています。したがって、IoT で最も有望な分野の 1 つは予測保守であり、これにより通信サービス プロバイダーは機械の故障やネットワークの故障などの将来のイベントを予測し、ダウンタイムを防ぐことができます。その結果、通信事業者は重要な機器のライフサイクルを監視し、問題を積極的に解決するための予測メンテナンスを顧客へのサービスとして提供できるようになります。同社のサービス ソリューションはソフトウェア対応であり、顧客の独自のニーズを満たすようにカスタマイズされています。さらに、仮想化によりネットワーク スライシングが可能になり、オペレータは特定の顧客ユースケースに合わせてネットワークの一部を展開できるようになります。予測メンテナンスは、リアルタイムの車両状態データを活用して機械の故障を予測し、車両のダウンタイムを最小限に抑えることで、自動運転車などの新興技術にも適用できます。

利益への道

通信業界が新たな時代を迎え、サービスプロバイダーが新たな収益源の創出を目指す中、人工知能やデータ分析などの先進技術は、通信会社が IoT の収益性を達成するための重要な要素となるでしょう。

<<:  自然言語処理がCOVID-19に対する世界的な戦いに貢献

>>:  AI | 機械知能が人間に代わって行う 5 つのこと

ブログ    
ブログ    
ブログ    
ブログ    

推薦する

役に立つヒント | 複数の事前トレーニング済みビジョンモデルの転移学習

この記事では、Keras Tensorflow 抽象ライブラリに基づく転移学習アルゴリズム モデルを...

2022年の自動運転のトップ10トレンドが発表されました。データインテリジェンスシステムは、自動運転の商用化のクローズドループの鍵となるでしょうか?

「2022年は自動運転産業の発展にとって最も重要な年となるだろう。乗用車の運転支援分野での競争は正...

...

2018年の機械学習についてお話しましょう

記事全文を読み始める前に、「ロボットが私たちの仕事を奪っている」といったセンセーショナルなニュースの...

Python の基礎: FP 成長アルゴリズムの構築

Apriori アルゴリズムと比較すると、FP-growth アルゴリズムではデータベースを 2 回...

Google Gemini: CMU の総合評価では、Gemini Pro は GPT 3.5 Turbo より劣っていることが判明

少し前に、Google はOpenAI の GPT モデルの競合製品であるGemini をリリースし...

清華大学の朱俊氏のチームは、拡散モデルを打ち破り、シュレーディンガー橋に基づく新しい音声合成システムを開発した。

最近、清華大学コンピュータサイエンス学部の朱軍教授の研究グループが発表したシュレーディンガー橋[1]...

...

GPT-3 に匹敵するものでしょうか? EleutherAIがGPT-Jをオープンソース化

2020年、マイクロソフトはOpenAIと合意に達し、MicrosoftはGPT-3のソースコードに...

マイクロソフト、感情分析技術の販売を中止し、顔認識ツールの使用を制限

マイクロソフトは、人工知能システムのためのより責任ある枠組みを構築する取り組みの一環として、画像分析...

2021年1月から2月までの中国人工知能の月次情報まとめ

[[389793]]国内人工知能産業への投資と資金調達の調査不完全な統計によると、過去2か月間に66...

工業情報化部:5G、人工知能などの技術を活用し、中小企業の業務・生産再開を支援

工業情報化部は4月9日、「工業情報化部弁公室による2020年の業務・生産再開を支援するための中小企業...

機械学習のプライバシー研究における新たな進歩: データ強化のリスクは過小評価されており、新しいアルゴリズムは次元依存性を「克服」します

編集者注: 今日、データは人工知能のイノベーションを推進する中核的な要素です。ただし、データのセキュ...

ビッグデータと人工知能が決済に革命を起こす

事実は、データ技術の進歩と発展により、仮想カードと電子ウォレットが支払い管理により適したものになって...

...