京公网安备 11010802034615号
经营许可证编号:京B2-20210330
五种物联网大数据数据类型
大数据,又称海量资料,是我们这个时代最伟大的经济机遇之一,但它的概念非常模糊。在一些谈话中,不同的参与者用大数据所表示的意思可能有以下三种:大量的数据、超出传统数据库功能的数据集、使用软件工具来分析前两个意义的数据集。
物联网最显著的效益,就是它能极大地扩展我们监控并测量真实世界中发生的事情的能力。工厂经理知道,如果发动机发出呜呜声,就表示出现了问题;一个有经验的房东会知道,烘干机的通风系统可能会被线头塞住,而导致安全隐忧。数据系统最终给予了我们精确了解这些问题的能力。
大数据是当下最热门的科技关键词,但大家对它的认知与定义非常模糊。
然而,挑战在于使这些让信息更有价值的系统,以及不断发展其商业模式。想一下智能恒温器在峰值功率很吃紧的情况下,公用事业单位和第三方能源服务企业想要每分钟准确更新能源消耗情况,通过精确调整能源并最大化节省能源,使得夏季一般日子和节电日能够有明显的区别。但如果把时间缩短到午夜至凌晨四点间,对信息的需求就不是那么急迫了:数据主要在确定长期趋势时才能有价值。
现在从消费者的角度思考。15分钟的数据更新间隔,都有可能导致超负荷。这不仅仅没有价值,还可能会造成贬低它价值的状况。相反,消费者所需要的,不过是一份能够指明一些指数趋势的月报表。
我经常跟人们讨论关于“数据价值”的挑战。下面的列表总结了大数据的一般类别,以及制造商和服务提供商所追求的机会。
五种大数据类型
状态数据
冷冻库中的压缩机是否正常运作?是否有一个已经停止运作了?不用担心,状态资料可以提供供货商和消费者关于物联网的实时动态数据。
状态数据是物联网数据中最普遍、最基础的一种。事实上所有事都会产生类似的数据,并把它作为基础。在许多市场中,状态数据更多地被用作进行更复杂分析的原材料,但它也具有它自身的重要价值。
看看Streetline是怎样找到停车位的。它创造了能够提醒订阅者空余车位的系统。当然,长期的数据能帮助城市规划者,但对于消费者来说,实时状态数据才是最重要的。
定位资料
我的货物到哪儿了?到达目的地了吗?定位服务是GPS应用的必然趋势。GPS非常强大,但在室内、人潮拥挤的地方、以及快速变化的环境中,效果并不明显。那些试图追踪搬运车以及堆高机的人,可能会需要实时的信息。
作为早期的物联网市场,农业领域也需要充分利用位置数据,因为农场主通常需要在很大的地理面积上定位自己的设备。我们已经看到了一些能够帮助人们定位钥匙的消费品出现,这意味着在为商业和工业用户提供服务的领域,存在着更大的市场;尤其是在时间紧迫,或是有大量的资产需要追踪的情况下。Foursquare针对油漆仓库的发展,就是抓住了这样一个巨大的商机。
个性化资料
不要用个人资料的安全性来拒绝个性化数据,个性化数据指的是匿名的个人偏好资料。消费者自然会对自动化产生怀疑,因为比起你的舒适,一些住宅管理系统更关心节省的成本,所以往往会让你困在一个昏暗的办公室者冰冷的饭店客房之中。自动化技术同样也存在安全隐忧。
尽管如此,自动化也是不可避免的。没有人会为了节省几块美元,而不停地用手指来试恒温器的温度。同样,那些依靠手动控制的照明系统也失败了(一些智慧照明生产者希望用他们的传感器数据告诉商店管理者,何时应该打开结账通道)。挑战将围绕开发应用程序和产品规则而展开。
可供行为参考的数据
把这个看作是有后续计划的状态。建筑物耗了整个国家电力的73%,并且其中一大部分(根据EPA显示,最高达到30%)被浪费了。为什么呢?因为对于大多数建筑物的所有者来说:能源是次要的问题。他们虽也想解决这一问题,但担心成本、精力以及一些棘手的局面所产生的损失,将会超出收益。
对于这一问题相应地产生了两种方法:能够改变系统实时状态的自动化技术、能够使人们改变行为习惯或者做长线投资的说服力。Opower开创了关于说服力的解决方案,也就是提供用户及其邻里之间使用能源的对比数据。根据他们自己的研究,这些具有说服力的数据能,使能耗降低2到3个百分点。
用户回馈数据
你了解你的顾客的真实想法吗?你也许认为你了解,但是你可能错了。在不久的将来,生产者还能分析从已售出的产品中获取的数据,从而更加了解产品在现实世界中的使用情况。现在大部分公司并不太了解他们产品的使用状况。这些产品从经销商处装运,从零售商处销售,最后进入了千家万户。而使用者和生产者可能永远都不会有交集。
物联网创造了一个从消费者到生产者的回馈机制,在这里产品生产者可以在保有适度隐私、安全以及抽样来检验产品的实际表现,并鼓励持续的产品改进和创新。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18