Fuente: IoT Valley / Escribe: Ludovic Le Moan, CEO de Sigfox y presidente del IoT Valley
Este artículo pone en el centro de la reflexión un enfoque pragmático de IoT para comprender los desafíos económicos reales vinculados a él.
Si es cierto que el descontrol de los medios en torno al término “Internet de los objetos” fue beneficioso para la visibilidad de los actores que utilizan estas tecnologías, este término todavía se usa en exceso debido a su propósito incomprendido.
Se usa torpemente porque está fantaseado para usos que se le atribuyen erróneamente (usos públicos en general ridículos) y sus detractores lo critican y manipulan innecesariamente (todavía somos testigos de los debates interminables sobre protocolos de comunicación, mientras que el enfoque debe estar en el costo de la extracción y recopilación de datos). Por lo tanto, se ve privado de su valor comercial.
El objetivo de este artículo es poner en el centro de reflexión un enfoque pragmático de IoT (o “Internet de las Cosas”, en español) para comprender los problemas económicos reales relacionados con él. Finalmente, debido a que es sobre todo un enfoque industrial, revelamos uno de los secretos de los dioses: la ecuación económica de un proyecto de IoT.
Comenzar bien a partir de una buena definición del IoT
Empecemos con una definición simple y efectiva: el IoT designa la retroalimentación de los datos del mundo físico (nuestro entorno, un proceso industrial, etc.) para comprenderlo y optimizarlo mejor. En consecuencia, el IoT se refiere directamente a la captura de datos ambientales, creados o no por el hombre (ruido, calor, humedad, vibraciones, etc.), con el objetivo de explotarlos.
“El IoT hace referencia a las aspiraciones fundamentales y a una imaginación colectiva. Ya sea que hablemos de domótica, Smart Home, Machine to Machine (M2M) o IoT, encontramos la vieja fantasía de los humanos para extender su control sobre el mundo físico. Al hacernos “dueños y dueños de la naturaleza” como había anticipado Descartes”
Ludovic Le Moan – Zero G
Es comúnmente aceptado separar los casos de uso B2B (Empresa a empresa) de los usos B2C (Empresa a consumidores). Los casos de uso industrial generalmente están destinados a mejorar los procesos comerciales con los cálculos de rentabilidad asociados, mientras que el enfoque B2C (Business to Consumer) todavía está “gadgetizado”, hoy especialmente con las tecnologías portátiles de “consumidor”, como relojes o escalas conectados.
Continuemos con un ejemplo trivial, pero concreto, para ilustrar lo que puede ser un caso de uso de BtoB IoT.
Para optimizar el rendimiento energético de las salas de reuniones, podríamos recopilar datos de termómetros y detectores de movimiento conectados, todos ubicados físicamente en oficinas. Por lo tanto, es fácil imaginar los beneficios de combinar estos datos informados: la interpretación de su coevolución permite racionalizar los costos de energía de los edificios en cuestión. Si la temperatura de las salas de reuniones aumenta cuando no hay nadie adentro, la calefacción se ampliaría para ahorrar energía gracias al termómetro que enviaría esta información a la nube, y las salas de reuniones vacantes se pondrían a disposición de otros empleados a quienes se les notificaría su disponibilidad. En este ejemplo, las facturas de electricidad y la fluidez de los edificios se optimizarían gracias a IoT.
IoT, un enfoque industrial
Hoy, parece que hemos alcanzado un nuevo ciclo en el desarrollo del IoT. Después de haber experimentado la inflación de las expectativas en 2013-2015 y su desilusión en 2017-2018, el período de madurez del IoT industrial está teniendo lugar, si queremos creer las tendencias semánticas de Google y los estudios de Gartner
Aquí debajo pueden ver la superposición de dos tendencias: las tendencias de IoT de Google en Francia de 2011 a 2019 (en azul), las expectativas de Gartner (en gris) y el ciclo de las tecnologías emergentes (en violeta)
Las razones de esta maduración del IoT industrial residen en un enfoque puramente ROIsta (ROI = basado en los rendimientos de las inversiones) contrario a los enfoques gadgetizados del “público general”.
Por un lado, el IoT, debido a que requiere grandes implementaciones con muchos objetos conectados para ser rentable, a menudo se asocia con economías de escala. Para los industriales, los efectos de escala se refieren a la caída en el costo unitario de un producto obtenido al aumentar la cantidad de su producción. En otras palabras, cuantos más objetos conectados se producen y despliegan en grandes cantidades (rastreadores, botones, etc.), menos cuesta producirlos y desplegarlos. Sus implementaciones masivas pueden correlacionarse con un crecimiento exponencial de los datos recopilados y, por lo tanto, del valor a explotar.
Por otro lado, si un proyecto de inversión de IoT a gran escala quiere ver la luz del día, es obvio que esto debe evaluarse en términos de una evaluación de la relación costo / beneficio de la adquisición de los datos, dependiendo del caso de uso considerado. Este principio económico fundamental es conocido y dominado por los fabricantes porque detrás de cada información recopilada, hay un modelo de negocio para refinar y comprender íntimamente.
Al final del día, la única pregunta que un cliente debe responder es cuál es el costo de extraer y recopilar datos, en qué escala y qué ciclo de vida del proyecto, y con qué nivel de servicio esperado
IoT Business News – enero de 2020
¿Dónde está el valor en IoT?
El IoT responde a una lógica similar a la de la industria petrolera: ya sea que recolectemos miles de millones de datos o miles de millones de gotas de petróleo, la cuestión del costo de extracción sigue siendo crucial porque determina el precio en el que estos pueden ser vendidos.
Al igual que la industria petrolera, donde el “crudo” se extrae del subsuelo, luego se transporta por tuberías o camiones, luego se refina en petróleo o diesel y finalmente se consume en nuestros automóviles o se transforma en polímeros, es solo el valor agregado el que paga en el IoT: esta economía vale miles de millones.
En otras palabras, conectar un objeto a la nube es un mal necesario para obtener datos, pero de ninguna manera es un fin. El propósito es usar los datos.
Si necesitamos saber la temperatura exterior, hace falta un termómetro. Pero en última instancia, lo que nos interesa es obtener estos datos al mejor costo durante un período determinado, no el termómetro (a menos que sea decorativo y adorne su hogar). El objeto es, por lo tanto, un mal necesario para obtener los datos.
Si queremos transferir los datos de vibración de una máquina industrial a la nube a través de un protocolo de comunicación para anticipar posibles fallos, necesitamos la infraestructura necesaria. Pero en última instancia, lo que nos interesa es obtener estos datos al mejor costo durante un período determinado, no el protocolo de comunicación. Nuevamente, el protocolo es, por lo tanto, un mal necesario para obtener los datos.
Lógicamente, los enfoques centrados en sensores o protocolos son, por lo tanto, incorrectos y deben centrarse en el costo de adquirir los datos en relación con el caso de uso determinado.
El costo de adquirir los datos depende tanto del costo de fabricación de los objetos en volúmenes como de la autonomía del objeto producido (cuanto más se comunica un objeto, más rápido se agotará su batería y mayores serán los costos de las intervenciones en estos objetos). En consecuencia, los cálculos de depreciación y operación deben tener en cuenta los costos de intervención en los objetos ponderados por el número de años.
En otras palabras, en la ecuación de costo de datos, la autonomía del objeto es generalmente uno de los factores más importantes junto con la tasa de servicio deseada y la seguridad del objeto.
Entonces podemos expresar la ecuación de los datos por: el costo de extracción (precio del objeto en volúmenes), el costo de transferir los datos a la nube (protocolos) y la autonomía del objeto (amortización y costos de intervención).
El secreto de los dioses: la ecuación de datos disponible para todos
Por lo tanto, IoT es sobre todo un enfoque racional que podemos plantear usando una ecuación simple.
Tomemos el ejemplo de la recolección de residuos: podemos estimar el valor de los datos de “tasa de llenado” (Tx) con parámetros (a, b, c, d …) mediante una ecuación de la siguiente forma:
Tx = a * Pc + b * TxH + c * PCO2 + d * PeV + …
PC = precio del combustible
ThX: tarifa de personal por hora
PCO2 = precio por tonelada de CO2 generado
PeV = precio de mantenimiento del vehículo por kilómetro
Por definición, esta ecuación nos da una aproximación bastante buena del costo de los datos recopilados en función de una suma de parámetros que influyen en el valor mínimo de los datos (estos parámetros están aquí: el precio del combustible, la tarifa por hora del personal, etc.) En última instancia, esto nos permite saber si recolectarlo es económicamente viable o no.
Obviamente, este enfoque tiene el mérito de maximizar el valor de los datos y tender a un costo marginal de 0 por cada dato recopilado (Cf. Jeremy Rifkin – Economista y autor del libro La nueva sociedad del costo marginal cero, 2016).
Sin embargo, esta ecuación podría ser refinada y complementada por expertos y especialistas en el campo de la recolección de residuos, expertos en políticas públicas, transporte, pero también y sobre todo especialistas en datos que ayudarían a contribuir a la aproximación de la ganancia esperada.
En conclusión, te presentamos el Grial de IoT. Conocer el costo de adquirir los datos requiere una ecuación multifactorial que todos deben conocer para dominar un proyecto de principio a fin. Es este ejercicio fundamental el que se debe aprender o volver a aprender para beneficiarse de lo que realmente es IoT.
