
物联网将永远改变大数据与商务面貌的13种方式
物联网已经迎来强劲的发展势头。传感器如今已经拥有足够小巧的体积与相当低廉的使用成本,能够嵌入至任意类型的设备当中并帮助更多企业利用由此生成的海量数据。在今天的文章中,我们将共同了解企业在涉足物联网层面之前必须了解的几项关键性方向。
1、数据量正爆炸式增长
企业发现可供选择的新兴物联网设备数量以及由此产生的可用数据正呈现出爆炸式增长。相关部署模式已经开始从传感器处获取信息,而后将该信息通过IPv6网络协议传输至设备云当中。然而,随着数据总量的持续攀升,这种既有模式恐怕将无法应对未来的实际需求。
“如果我们每秒都对由资产或者设备捕捉到的温度数据进行读取,那么其中大部分读数都无关紧要,这意味着全部传输数据负载的整体价值将因此而降低,”意大利中西部物联网委员会联席主席Don DeLoach在一次采访当中指出。“这还仅仅是存储大量数据(集中于较短时间段内)的弊端之一。如果每套数据集都达到PB级别而且需要针对其运行复杂的查询操作,那么我的查询结果可能需要五个小时才能成功返回。考虑到我们无法确认自己提出的问题是否准确或者切中要害,这样的时间成本无疑是一种很大的代价。”
2、我们可能需要重新审视数据收集与分发实践
物联网设备允许企业收集超过其实际需求的信息总量。因此,企业应该考量自己要如何收集这部分信息以及究竟是否需要将其保存在自有系统或者云环境当中。
“物联网的崛起同时带来了机遇与挑战。大家无法单纯将数据保存在云环境中并等待人们加以访问。我们需要真正帮助其实现可用性,从而推动用户利用其做出决策。”战略与咨询企业Booz Allen Hamilton公司高级副总裁Mark Jacobsohn在一次采访当中指出。“大家还需要考量自己的执行流程,审视如何为人们提供更多可用信息,从而供其进行实际操作。”
3、数据类型混合态势可能进一步发展
如今摄像装置可谓无处不在,但其收集到的数据却不一定需要与其它类型的数据加以结合。尽管相关技术在不断进步,但安全警卫仍然需要以人工方式紧盯电视屏幕以确定银行的监控摄像头是否捕捉到了异常活动。换言之,物联网辅助用例全面诞生的时代已然来临。
“视频信息需要占用大量带宽,人们必须亲自对其内容进行观看。而当将其存储在特定位置时,还有可能造成隐私泄露的问题。总而言之,摄像头捕获的信息超出了我们的实际需求,”摄像头与显示子系统供应商Apical公司CEO Michael Tusch在一次采访当中解释称。“我们能够从手机以及边缘安全系统的图像传感器当中提取到数据。图像传感器会不断生成数据流并对其进行描述——例如对象可能是汽车、行人以及标志。”
电信服务供应商以及各大型企业正在利用这类图像传感器数据改进自身方案的精确性水平,具体包括家庭报警系统以及监控系统。家庭报警系统已经开始利用动态传感器来检测是否有人入侵,但其尚无法区分哪些人物对象属于家庭成员、而哪些不是。图像传感器的出现提供了新的粒度控制层,从而实现更出色的精度与执行效率,从而降低虚假警报的出现数量。
4、用于生成分析结论的必要时间必须缩短
几十年以来,企业一直在利用周期性数据实现商务智能等分析目标。然而由于数据的收集与存储成本不断下降,如今越来越多的企业开始利用更快的数据访问方案驱动业务需求。而当企业开始采纳物联网设备时,他们首先需要考虑的是该如何处理由此产生的数据流。
“企业需要首先考量的难题之一在于如何以前所未有的方式以实时以及近实时方式处理来自多个来源的数据流,”Booz Allen Hamilton公司高级副总裁Mark Jacobsohn表示。“物联网允许我们利用数据科学及相关方案对各类从未出现过的领域中的大数据进行处理。”
一部分物联网设备能够提供相关背景信息,从而帮助用户实现必要的维护需求预测、交通流控制以及提升面向消费者的营销活动有效性。在它的帮助下,企业能够理解为什么人类及设备会在不同背景之下采取不同的行动。
“环境情报与情景意识的概念也正源于此。我们将80%的时间用于解决具体技术挑战,但我们收集到的数据到底来自怎样的背景环境?当我们进行语境与预测分析时,边界情报往往能够起到非常重要的辅助作用,”卫星通信与网络解决方案供应商Globecomm Systems公司企业战略与产品管理高级副总裁Jon Kirchner在采访当中指出。
5、数据持有权问题可能愈发严重
物联网设备会生成大量数据,但这些数据该归谁所有,谁又有权对其进行访问?到底是设备制造商?服务供应商?物联网设备持有者?抑或是其它第三方?具体答案可能取决于设备的实际类型、由其产生的信息内容、谁需要这些信息又出于何种目的、隐私与安全性问题以及该设备运行所在的实际环境等等。包括这到底是单一的独立设备,还是被集成至一整套物联网设备网络中的组成部分?
“从架构层面讲,最重要的是对这些系统进行合理设计,这样大家才能够根据实际使用习惯、具体客户类型(例如快餐店)、相关保险厂商或者FDA的要求对数据进行清理、富集与发布,”意大利中西部物联网委员会联席主席Don DeLoach解释称。“如果我是一家明智的物联网设备制造商,那么我会乐于获取并持有这些数据,但医院、餐厅或者零售店等客户可能会对此持反对意见,因为这些数据能够成为其决策的重要基础甚至改变其具体运营方向。”
6、数据治理工作需要进行重新考量
在制定面向物联网的业务迁移决策时,大家必须通盘考虑到数据的收集、存储、保护、处理、分析以及使用等各类相关问题。考虑到物联网设备所产生数据的庞大规模,我们必须要能够以自动化方式解决与数据相关的各类潜在难题,例如哪些数据应被保留或者加以使用,而谁又能够出于必要目的对其内容进行访问。
“最大的难题在于治理——谁持有数据、谁负责数据管理以及如何保护其中的隐私内容。治理工作在架构部署流程中的重要性将愈发凸显,”意大利中西部物联网委员会联席主席DeLoach解释称。
7、隐私问题需要得到进一步关注
物联网帮助企业收集到更多信息与更多与个人、位置以及其它前所未有的细节层面的具体数据。有鉴于此,企业应当了解到隐私管理政策的重要意义以及物联网的出现会对此类政策造成怎样的影响。
“自动驾驶车辆已经开始通过蓝牙、3G或者4G网络与物联网中枢相对接。到那个时候,将会有更多关于个人驾驶习惯、各时间段所处位置、实际路况以及过程中所传输信息的有趣数据被收集起来,”Booz Allen Hamilton公司的Jacobsohn预测称。
企业需要采取合适的角度以理解其收集到的信息类型,包括其是否属于敏感信息、人们对相关收集行为抱有怎样的态度以及是否应当对其中部分信息进行舍弃。他们还需要了解自己不需要收集哪些信息,并确保对敏感信息加以严格保护。
8、机器学习将成为一种必要
数据总量越大,企业就越是需要利用机器学习将其真正转化为有价值信息。
“考虑到我们目前所拥有的庞大数据总量,未来我们将无法以人力或者手动方式解决此类计算难题。大家需要以机器学习方式识别庞大信息之间的内容关联性,从而实现资产的预测性维护以及其它相关既定目标,“硬件与软件解决方案供应商C3 Energy公司高级副总裁Houman Behzadi指出。
目前一家东海岸设施厂商已经开始尝试理解其传感器网络生成的运行状态信息,并借此防止潜在的欺诈行为。通过对数据源的简单分析规则处理,该公司得以在一年当中识别出数百起欺诈活动,但这套方案的准确率只有可怜的30%。而在机器学习机制的帮助下,该敲诈厂商立即将欺诈行为的发现总量提高到20000起,而且最终达到了90%的理想准确率水平,Behzadi解释称。
9、再次强调商业案例的必要性。
物联网设备的普及亦有可能如其它类型的技术投资一样最终无法带来任何有意义的收益。换言之,如果在采购相关方案时没有为其设置既定商业目标,那么企业将很难通过这笔投资获得理想中的回报。
“物联网设备的介入绝不仅仅表现为获取及汇总数据。大家需要自始至终在思维当中考虑到相关分析机制。我们希望实现怎样的目标,又打算最终拿出怎样的项目方案?”戴尔公司信息管理部门首席研究官Shawn Rogers在一次采访中表示。“在起步阶段,大家需要审视现有的良好执行方针,并考虑否则对其进一步优化。以分析为先并观察其具体结果。确保我们拥有数据管理与数据集成基础设施。大家还需要确保自己拥有先进安全策略与必要的执行能力。”
10、组织敏捷性至关重要
企业面临着快速利用数据实现具体价值的压力。考虑到物联网设备的实时特性以及基础设施的复杂性,利用灵活性实现价值的持续驱动就成为一种必要能力。
“传统项目规划是一个漫长而艰难的过程,来自各个部门的员工需要把自己的要求写下来,而后对各项内容进行优先级排序。而在某些大型企业当中,这项工作甚至需要耗时一整年,”普华永道公司合伙人Oliver Halter表示。“而在物联网与大数据的普及趋势之下,我们根本没有如此充裕的时间周期。我们需要敏捷团队与敏捷的运营模式。”
包括物联网项目在内的大数据趋势往往要求我们采用一套混合型解决方案,从而将内部资源与外部资源以互补方式聚合在一起。鉴于迅猛的技术变化与持续演进的市场需求,企业往往需要依靠来自外部的专业知识作为指导,从而保持自身强大的市场竞争力。除此之外,由于物联网能够对企业的业务发展战略产生直接影响,因此其应当采用双峰结构(即将集中式IT服务与面向特定部门或者业务方向的专家资源加以结合)作为业务驱动力,从而实现成功所必需的速度与规模。
11、可能创造新的商业机遇
与移动设备一样,物联网能够将设备、传感器、软件以及数据集加以结合从而催生出新的商业机遇。我们已经发现众多具体的创新成果,包括健身设备、智能城市以及智能汽车等等。
“我们将在各类环境当中发现更多创新型成果,例如通过物联网设备监控水源清洁度。当我们将其接入能源网络及供能通道时,物联网设备也有望帮助我们提高资源使用效率,”IT咨询与服务企业Virtusa公司技术解决方案部门高级副总裁Frank Palermo在一次采访当中指出。
除了广泛的通用型物联网普及趋势,也有一些企业采用了更具针对性的创新载体,从而通过物联网创造新的营收来源。举例来说,戴尔旗下的移动手机客户就利用先进分析机制建立起银行业务事业部,旨在帮助那些无法前往营业厅的落后国家客户完成银行业务操作。他们使用来自手机与第三方源的数据以了解客户信誉,并以此为基础打造出一系列极具地方特征的金融产品——例如抵押贷款及小额贷款。
12、物联网也许会彻底颠覆现有行业
花五分钟在任何一家酒吧当中待上一会儿,大家就会发现酒保在为客人打啤酒时浪费掉了其中相当可观的一部分。但除此之外,另有一些更不容易被发现的浪费状况——例如由于订货过多导致啤酒过期等等。事实证明,啤酒行业的执行习惯中存在着巨大的数据问题,其甚至严重影响到了各从业商家的利润水平。
“目前美国本土在售的啤酒有600万种。而光是生产但未被实际售出的被浪费啤酒在价值上就相当于哈雷戴维森公司一年的总收入——1亿美元,”硬件与软件解决方案供应商SteadyServ Technologies公司CEO Steve Herschberger在一次采访当中表示。“大家需要一套UPC代码以了解啤酒的储藏位置及其成本。大家还需要利用相关解决方案掌握酒桶中的现有酒量,从而估算其会在何时售空并需要再次被注满。”
利用传感器以及物联网平台,酒吧、餐厅、啤酒分销商以及酿酒商将能够更为准确地预测并管理供应与需求间的关系,从而显著降低运营成本并提高自身在价值链中的盈利能力。另外,相较于使用早已失去了准确性的九到十二周之前的陈旧数据,用户现在可以以近实时方式获取更为准确的信息。数据的准确性与时效性之所以如此重要,是因为啤酒的保持期只有短短90天。
13、不存在百试百灵的仙丹
物联网还需要经过漫长的发展道路才能真正实现成熟。我们目前仍有大量标准化工作要完成; 各个行业则需要进一步探索其发展潜力; 另外,我们也面对着一系列亟需解决的难题。
“以实时或者近实时方式获取信息的能力将成为此类远程技术的核心收益。这是一类非常典型的大数据挑战,因为数据总量实在太大而我们最初的作法是为每位病患开发出一套体征监控机制,从而对病人的异常体征加以控制,”医疗管理软件供应商Medecision公司业务开发与分析高级副总裁Larry Schor在采访当中指出。“物联网设备目前还没有得到广泛普及,这是因为其经济性水平尚不够低廉。另外,必要的实践标准也存在着严重缺失。”
目前以FitBits以及其它类似医疗与健身监控产品相关的方案已经开始出现,不过医生一般并不关注病患的此类具体数据,而更多地是希望了解病患是否拥有并使用这样的设备。可穿戴设备只能表明病患关注自己的健康状况,但并不能保证病人的身体水平就一定优于其他患者,Schor表示。很明显,这类信息对于关注身体健康的个人用户更加重要,另外用户的雇主也希望借此降低保费水平以及需要支付给健康保险公司的其它开支。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15