
“物联网”与“互联网”到底有什么不同
总会有很多人会问,包括一些数据分析师和从事很多年的it的朋友在问:“物联网”与“互联网”究竟有哪些不同?”虽然在技术手段上,一系列的“互联网+”达到的效果与物联网已经接近了,但其思路还是存在差别的。其实很难解释得一清二楚,因为二者太像了,而且关系如此微妙复杂,物联网简直像是互联网概念衍生出来的炒作概念。但事实究竟怎样呢?
先从产品的角度举个现实的例子:现在有某品牌智能空调,你到家之前可以先用手机开启它,它能保证你回家的时候家里室温刚好是你提前设定好的温度,而离家之后也不会因为忘了关空调而心疼电费,因为你随时可以在手机上把它关掉。同时,它还能自己除甲醛,控制空气湿度和氧含量,这种体验当然不赖。
但是这其中还有一些问题。第一是空调无法自动感知环境,就是说你需要自己关注空调的运行状态而且亲自去操作,这其实是你对“空调工作状态”及“家里空气状态”这样的信息进行了判断和处理;第二就是手机只能实现对空调的控制,而不能同时调节通风装置和窗户、空气净化器、加湿器等设备来让室内空气达到最好的状态。
对物联网有深远影响意义的Nest恒温器正在改变这种现状,从Nest和智能空调的例子就可以看出基于互联网的思维与基于物联网的思维有什么不同。
这里简单介绍下Nest。2014年谷歌以32亿美金收购Nest公司被认为是智能家居产业爆发的信号。Nest里面集成了很多类型的传感器,能够不间断地监测它周围室内的温度、湿度、光等环境的变化。比如它可以判断房间中是否有人及人是否有移动,并以此决定是否开启温度调节设备。更重要的是,Nest具有记忆能力和学习能力:用户每次在某个设时间设定了某个温度,它都会记录,再经过一周的时间,它就能根据用户的日常作息习惯和温度喜好,利自身用算法自动生成一个设置方案。只要用户生活习惯没有发生变化,就不再需要手动设置Nest恒温器。
从上面两个例子我们可以看出产品由遥控到自控的转变,这也体现了智能家居1.0到2.0的升级。当然,后续还有互联互通的3.0模式,这也是现在所有从业者努力的方向,现在Nest及旗下智能摄像头Dropcam已经和智能门锁、电灯、电扇、汽车系统等十数件产品开始联动了,其无感化控制才让人们体验真正的智能生活。笔者在此并不是要否定遥控,任何事物的转变都不是一蹴而就的,需要时间来慢慢打磨,毕竟不是所有企业都能走在最前列。真正的物联网时代来临,将达到无控状态。
回到产品上,开发Nest的思维与传统的家电企业是不同的。这也是物联网对互联网的一个巨大优势:感知层的运用。我们的互联网应用开发,很多时候在思维上缺乏这样的认知。这和互联网的发展历程是分不开的,因为互联网发展至今,人都是最主要的参与者。互联网信息的来源很大程度上是基于人的,比如在淘宝买东西,用户在终端给淘宝信息选择自己需要的商品。如果没有了用户,那也就没有了交易,淘宝也就没有意义了。
同样的道理对打车等O2O软件也适用,这就导致为了争抢成为用户进入的入口的各大互联网公司开始烧钱,给各种补贴来让用户养成消费习惯。互联网信息传输有两个特点:一是信息产生的主动性,我们的需求是由我们主动提供给网络服务商的,服务商无法提前知晓或预判;二是信息上传的主动性,我们通过各类网站、APP和客户端向这些服务供应商提供自己的需求信息。
而对物联网而言,这些信息的产生和传输很大程度上主动的。人将更少地参与到信息的采集和分析,大量不必要亲自关注的信息交给设备和网络去处理,从而能够将人从信息爆炸的困局中解脱出来。
这之后先来谈“互联网的思维”是什么,百度词条的解释:“互联网时代的思考方式,不局限在互联网产品、互联网企业。这里指的互联网,不单指桌面互联网或者移动互联网,是泛互联网,因为未来的网络形态一定是跨越各种终端设备的,台式机、笔记本、平板、手机、手表、眼镜等。”从这段描述可以看出,“互联网思维”本身是基于把“终端”联接到网络上。虽然“互联网思维”自身在不断演进,但终归并不适合未来的物联网的网络形态。
首先,“终端”的定义是模糊的,搜索该词条可以看出,目前对终端的理解更倾向于互动性很强的终端设备。对互联网思维而言,终端就是入口,就是用户。终端是现在互联网的信息接入入口,信息的传递依赖于终端。互联网思维影响下的企业,会在与用户终端的交互上苦下功夫,这就是传统的入口思维,就是流量的思维。这也是我们现在手机热、手表热、手环热、APP热、公众号热等热产生的一个很重要原因。
运用这样的思维方式发展到现在已经非常成熟了,其演变可形成全新的商业模式。往后就是互联网的UGC(User Generated Content指用户原创内容)应用兴起,Facebook、Twitter、天涯、知乎、人人、微博等等。这一批UGC引领了互联网的一个时代,将人们线下的交流搬到线上,让人们能够更方便快捷地表达自己的思想。但是由于缺乏有效的管理机制,大量垃圾信息充斥了人们的生活。特别是一些你毫无兴趣的广告推送,你还不得不忍受。其实商家也很郁闷,花大价钱撒广告,结果只引起少数人关注。而物联网技术的发展,将改变这一现状,这背后其实是信息交换的问题。商家不能掌握用户喜好,用户也不知道商家到底有什么产品,两边一抓瞎,传统广告都是靠蒙。
接下来的就是小米一再强调的“参与感”。为什么需要“参与感”,笔者认为这就是社会在互联网时代的信息爆炸但又不对称造成的。“粉丝经济”能解决一部分信息对称的问题,但也是流量经济的一种。它与以往的形式不同的是,用户能参与到产品的设计和开发上,并能提供自己的体验以供设计者参考。每个人都机会表达自己且信息能够即时传播,这是互联网的红利,但仍受互联网的限制。
再来说说现在火热的众筹经济,这是互联网的思维的进一步演变,它将信息变得更加对称了。这也是一个需求表达弱化的过程,变成选择。但是,由于用户掌握的信息始终有限,而有针对性的选择并不能给一个既已成形的方案提供太多参考,用户或许更加具有“参与感”,而对项目人来说,是缺乏“参与感”的。
为什么这样说,因为参与某个项目的众筹用户已经对该项目本身有较高认同度,很难再对项目提出改进意见或者提出自身不同的需求。众筹能将想要聚集的人聚集在一起,形成了项目粉丝,但其项目的起源很可能来自于一个突发的灵感或一场朋友间的头脑风暴,其需求仍不失发自用户自身的。这可以看作仍是粉丝经济的一种新的延续,是由一个中心去吸引一批用户。而我们知道每个人的需求跨越不同维度,而很多需求都是个性化需求,最后选择的可能是一种折衷方案而不是对自己而言最好的方案。我们知道著名的二八理论和长尾理论,而随着物联网的技术的发展,这两种理论可能对产品将不再继续作用,因为每个人的需求都能够被针对性地满足。
而物联网的技术与互联网最大不同在于信息传递的方式,需求表达这一过程将被弱化,信息传递方式的改变会将商业模式引向哪个方向呢?虽然在技术手段上,一系列的“互联网+”达到的效果与物联网已经接近了,但其思路还是存在差别的。未来会产生更多的终端并不是需要用户去互动,而是实现自动地,智能地直接为人服务。笔者之前提过的边缘计算,也是物联网与互联网的一个不同之处,物与物之间能交流、会通信是物联网的重要特征,这个过程应该不再有人参与其中。
物联网发展到一定阶段将实现由用户到制造商的逆向定制,这是智能制造技术和供应链发展的一大方向。大规模定制意味着更贴近用户需求,而且可根据市场反应实时调整产品策略。数据分析师培训
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08