京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据的类别以及制造商和服务提供商所追求的机会
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
在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 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 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20