Les fondements économiques des méthodes classiques de gestion de la valeur sont toujours valables. Cependant, les technologies de pointe ont des moyens spécifiques de générer de la valeur, qui doivent être pris en compte tout au long du cycle de vie et en particulier pour l'identification de la valeur.

Comment les technologies intelligentes créent-elles la valeur de manière différente? Le professeur Michael Porter a d'abord inventé le terme «chaîne de valeur» dans son ouvrage le plus vendu en 1985 L'avantage concurrentiel: créer et maintenir une performance supérieure . Il a décrit la chaîne de valeur comme l'ensemble des activités qu'une entreprise exerce pour fournir un produit ou un service précieux au marché. La valeur est générée en parcourant les différentes étapes de la chaîne de valeur.

Les technologies de pointe génèrent des dynamiques remarquablement différentes. Plutôt qu'une chaîne avec un début et une fin, nous avons tendance à penser au cycle de valeur qui génère de la valeur. Un cycle de valeur d'apprentissage automatique commence par des données traitées pour générer des prédictions. Ces prédictions informent le jugement humain (étape facultative) pour exécuter des actions, qui génèrent à leur tour de nouvelles données utilisées pour générer de meilleures prédictions, et le cycle continue de générer de la valeur par l'usage.

Ce phénomène existe pour la plupart des modèles d'apprentissage automatique apprenant par expérience. Le cycle de valeur aide à favoriser l'adoption de l'apprentissage automatique car les utilisateurs comprennent que les performances et la valeur augmenteront toujours avec le temps. De plus, vous pouvez concevoir plusieurs moteurs de prédiction sur le même jeu de données, ce qui conduit à des cas d'utilisation supplémentaires et augmente encore la valeur générée au cours du cycle de valeur.

Une dernière étape complète cette réflexion. En intégrant la contribution des autres technologies intelligentes ( Internet of Things et blockchain ), le cycle de valeur de l’apprentissage automatique devient le fondement de ce que l’on peut appeler une entreprise intelligente cycle de valeur.

Une partie des données alimentant les modèles prédictifs peut provenir d'éléments connectés. En d'autres termes, les périphériques peuvent être une source de données pour l'apprentissage automatique. De plus, l'apprentissage automatique permet l'automatisation de processus robotiques et des actions autonomes pour les appareils intelligents. En tant que magasin de données immuable et décentralisé, la chaîne de blocs peut prolonger la validité des données échangées dans des configurations commerciales où plusieurs parties agissent en tant que pairs dans un réseau professionnel sans intermédiaire tiers.

Téléchargez le document «. «Intelligent Enterprise » ”et explique plus en détail comment identifier et évaluer la valeur générée par le cycle de valeur des technologies intelligentes.