
无线传感碰撞大数据,世界会是哪般模样
“得数据者得天下”早已不是什么危言耸听的口号。世界走入大数据的时代,这点维克托·迈尔在《大数据时代》里早已经描述得非常清楚。在计算机和云储存的发展的当下,人类不需要用样本数据做统计分析,而是利用所有的数据;不需要强调事物间的因果关系,而是相关关系。
庞大的数据力求还原事物运动变化的规律,无疑对人看清事物、正确决策意义重大。从传统零售行业,到互联网电商,到现在火热的移动互联网应用,都从中获益颇丰。沃尔玛可以在卖蛋挞和飓风之间找到关系,适时推销,提高销售额;亚马逊可以在用户浏览行为和用户偏好之间找到关系,精准营销,提高销售额;近期火热的移动互联网应用大姨吗的CEO柴可也是一路宣讲他们的大数据,怎样利用积累的大量用户信息,找到用户真正需求,解决用户问题。在服务用户和消费者上,大数据功不可没,但是对于没有交互能力的其他对象呢?对于搜集这些信息互联网如果单枪匹马可能就力不从心了。
对于地震、电磁、温度、湿度、噪声、光强度、压力、土壤成分、移动物体的大小、速度和方向等多种数据的收集,明显需要假借他物,无线传感器就是这个物。无线传感器和无线传感器网络的出现和推广无疑让大数据的扩充又大大向前迈了一步。它们是绝佳的变化监测者,采集被感知对象的信息后会及时反馈给观察者。无线传感器是人类收集环境信息非常有利的手段,可供参考的庞大数据,会简化很多问题。想象一下,通过应用传感器网络,监测森林湿度变化,预防森林大火;通过对水体质量的监测,控制水污染。在军事、航空、救灾、环境、医疗、保健、家居、工业、商业等等众多领域都有其用武之处。
个人电脑经历了从军事领域到大众化的普及,无线传感器走了同样的路。从宏观领域的大规模应用,转向平常人家。不管是嗅到其商业化气息也好还是发掘其中的趣味性也好,越来越多生产者现在投入其中。
无线传感碰撞大数据,世界会是哪般模样?
Clime和Estimote的开发者就是这波浪潮中的泳者(这两个项目已经早早地PO在DEMO8上啦)。Clime创业团队瞄准家庭这个消费场所,开发出一些对家庭空气环境、植物,孩子、宠物相关的监测的功能。可以通过定位功能防止孩子宠走丢,可以通过对动感的监控即使察觉婴儿睡眠情况,可以监控室内温度、湿度、亮度、紫外线强度,帮助保持适宜的生活环境,维护一个对身体有益的环境。这个产品可以广泛用于室内,尤其在环境问题越来越多的今天,它的作用和潜力还非常大。在中国这个消费能力不断增长,身体健康意识越来越强的现在,更是有很大的市场潜力。
Estimote没有选择家庭方向,将商业环境作为目标。Estimote想做一个收集信息的集大成者。消费者在进入到一定范围之内就能够接受EstimoteBeacon发出的商品信号,能够看到Beacon拥有者推出的通知或者是下一部动作指示。试想一下,Estimote应用可以通过用户对商品的浏览情况推测出用户的偏好,结合商品信息可以进行精准营销,帮助用户快速在大堆商品中找到目标商品,并且可以帮助用户完成线上购买线上支付的功能。Estimote如果能够大范围的掌握商品的信息,在拥有大量注册用户的情况下,可想而知其巨大的商业潜力。由此可以猜测,在未来社会无线传感器网络高速通达的情况下,人所见之物的信息可能都会被手机检测到。比如你在逛街看到某个路人的裙子很好看,你可以快速搜到商品信息进行购买。在无线传感器的时代每个实体信息都可以被记录传送,众多变化也可以被记录,它昭示的就是一个巨量信息的时代,一个更高层次的大数据时代。
无线传感碰撞大数据,世界会是哪般模样?
Clime现在还在Indiegogo上众筹,一个Clime售价约为26美元,并不是便宜,在离众筹结束仅剩15天的时候还有一半的钱仍在募集中,一共收到325名支持者的赞助。在Indiegoog上称不上一个受欢迎的项目。相较而言,2012年推出市场的Estimote已经在美国和欧洲占据一定规模。三只售价99美元,每个Beacon有限的覆盖范围对覆盖量提出要求,也给商家的成本支出带来压力。无线传感器在个人家庭和商业领域前途光明,但是还有一段路去探索。增强实用性和降低售价是两个重要的任务。
将目光从国外转向国内,目前国内无线传感技术也在不断发展,应用范围在扩大。但是美国这股风毫无疑问更加强劲。从家庭环境的检测,在宠物孩子等方面的应用,到办公环境,办公团队方面的使用,到生活应用方面,商业方面都已经有众多尝试。国内移动互联网浪潮汹涌的今天,智能硬件的发展也要更近脚步。双管齐下才能进一步融入到大数据时代,享受大数据带来的无穷福利。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16