
大数据时代,蹩脚的物联网会扼杀创新
当我们畅想和拥抱物联网带来的变化的时候,也许会发现它带来的坏处比好处更多。
物联网(IoT)的概念可以追溯到80年代早期,卡内基梅隆大学的一台可乐机被连接到互联网,以监测其可乐存量,判断还可以提供多少杯饮料,这是世界上第一台联网的设备。但是直到IPV6大规模应用于IP地址空间,物联网才真正变为现实,它使得我们能够给任何物体都分配一个IP地址。
我们今天看到的物联网(IoT)市场都是解决如何用一种新的方式将人与产品连接起来,以及如何将产品互相连接的问题。按照Gartner的研究,不久以后就会有比人的数量更多的物体连接到互联网,到2020年将有超过260亿部联网设备。投资者们会注意到,2013年,在物联网生态链里发生了153宗投资交易,涉及融资金额11亿美元,比上年增长11%.
物联网将产生更多的机会和创新,但与此同时也会造成应当在采用早期就处理的弊端。
物联网的弊端:隐私和安全问题
物联网采用的智能节点数量的增长,以及这些节点撬动的数据数量,将增加数据隐私、数据所有权和数据安全方面的隐患。其它挑战将包括理解设备如何高效、安全地传输和存储这些大量数据。类似MQTT(消息队列遥测传输)这样的新的消息发送协议将应用于安全地传输数据。
在线的物联网更加易受攻击。自从有了物联网,我们进入了一个全新的时代,黑客不仅能侵入政府机构和公司并毫不费力地盗窃身份,而且还将目标锁定于相互连接的房屋和汽车身上。电脑或手机跟你捣乱是一回事,但当你无法开灯、打不开门、点不了火的时候,那就是另外回事了。
物联网的安全问题自从RFID(射频识别)技术到来之后就提上了日程,在实施阶段的早期就处理好安全问题,对于物联网采用的可靠性和实用性来说是至关重要的。当美国州政府第一次尝试在美国护照上打上RFID标签时,护照数据可以在30英尺之外读到,所使用的工具在eBay上仅需250美元就可以买到。这就要求做出一些改变来确保RFID标签的安全性。但是,与物联网相关的安全和数据隐私风险仍然存在。如果任何东西都连接到互联网,理论上任何人就可以在任何时候看到想看的东西。想想看,在某一天你打电话给老板请病假,却被监测到联网的汽车在高尔夫球场上,这会是多么尴尬的一件事。
很多人会争辩说智能手机已经把我们带到了这个地步,至少我们可以关闭自己的手机。语境数据,就像定位追踪一样,如果管理不恰当的话会从根本上危害隐私。要避免这一点,在政策和技术方面都要做出改变。
真真正正的大数据
如果你认为自己拥有大数据胜于物联网,那么你就不会对此视而不见。大批设备与大量、高速、结构化的物联网数据结合在一起,将在数据存储、处理和分析领域创造出更多挑战。对于想深入洞察物联网用户活动的企业来说,所有的数据都需要以某种方式存储和分析。
公司可以考虑采用某种数据库服务(DBaaS)来促进数据的采集和管理。企业能够越早地开始分析数据,它们就能派生越多的商业价值。
在知道如何使用的前提下,技术仍然扮演决定性角色
有没有谁在担忧,一个任何东西都有传感器连接到互联网的世界会不会太过复杂而失去了原有的美丽?如果我们不能搞清楚如何操作VCR和无线路由器,当我们的汽车、冰箱、运动鞋都连接到互联网的时候,又怎么能知道如何校正它们发出的错误信息?是否可能我们正在创造一个新世界的路上奔跑,在这里我们拥有的很多东西都失灵,而大多数人都不知道怎么修复它们。
不管怎么说,创新的步伐将持续加速,不仅充满复杂变化,而且给我们提供前人无法想象的效率和效益。这就是我们接受和采用这些创新的方式,这最终决定了这些创新的有用性。毫无疑问,如果正确使用的话,物联网几乎可以让任何东西变得“智能”起来。但是,如果没有适当的技术标准和政策,其反作用能轻易地扼杀创新。
面对任何新技术的转变,我们应当期待并拥抱迎面而来的变化。
对于物联网,我们有如下的期望:
建立标准 – 当公司拥有物联网的能力时,它们就有义务参与制订规范如何使用所归集数据的一些政策,并与员工和用户分享这些政策及其负担的安全责任。它们还必须充分认识上下文语境数据隐含的社交和隐私意义。
提供安全隔离 –
如果任何“东西”有一条到互联网的连接纽带,那么,能够物理地隔离、管理并且保护好每件东西各自的安全就显得尤为重要。比如,当确保某个物体的数据安全时发现有恶意的行为,那么我们应该能够立刻断开它与互联网的连接。我们需要逐步形成安全标准,不仅支持确保数据传输的安全性和检验信息的完整性,而且支持将安全模块植入物体自身。这将允许软件开发人员创建安全、有界限、并且能保证兼容性的代码。
实行“安全区”方案 – 很多物联网设备将连接到使用嵌入式处理器的互联网上,而这些处理器将处理灵敏度日益提高的数据。要想真正地保护这些设备的安全,将要求在硬件和软件应用之间建立紧密协作。类似ARM和AMD这样的半导体公司正在研发与处理器结合在一起的“信任区”技术,允许应用来控制对某些功能和周边设备的访问,并创建一个更安全的操作环境,防止黑客进行非法克隆或固件升级。
为真正的大数据做好准备 – 网络技术和标准必须逐步进展,这样数据才能在传感器、电脑和设备之间自由地流动。聚合和分析数据的技术工具,以及数据的可视化必须提高到某种程度,大批量的数据可以由人类决策者来处理和采集,或者整合在一起来指引互联系统的运行。
物联网有潜力应对巨大的挑战,比如节约能源、食物分配、照顾老人等等。如果不适当的规则被实施,或者上述主题没有引起足够的重视,那么我们就被置于扼杀创新和削弱物联网商业模式发展的危险之中。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29