京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据拦路 智能联网设备面临四大难题
上周拉斯维加斯举行的CES大展的主题便是物联网以及组成物联网的各种智能设备。每个参展商都能拿出某种号称最智能的新鲜玩意。但是这些智能设备真的智能吗?大数据和物联网一体两面。物联网收集来自各种智能设备的数据,这些数据需要被进行分类、重组并产生合理的决定。然后物联网利用终端智能设备来实施这些决定。这才是真正的智能化。
目前,随着智能设备的快速增长,在缺乏应用背景以及用户群的情况下,智能联网设备面临四大数据难题,阻碍了智能化的发展。虽然智能联网设备所面临的数据问题显而意见,但似乎很少有人想要真正讨论这些问题。
问题一:功能过于单一,没人会穿戴50种设备
CES大展上,VentureBeat网站的哈里森·韦伯在身上使用了56种可穿戴设备。如今的物联网科技创业者已经早就在前辈身上吸取了失败的教训,那就是任何产品使用起来一定要简单。因此,一种设备能把一件事真正做好就已经成功了。但是在未来智能设备爆发的情况下,衡量睡眠、进食速度或膝关节健康的设备都要分开穿戴的话,显然不太现实。
没有人愿意像哈里森·韦伯那样管理和穿戴50种智能设备。要不然你看起来就会是一名智能设备推销员。今天的智能设备创业公司正在用大量的单一解决方案来帮助简化人们的生活。为了实现简单易用的目标,这些公司过于集中在一个单一的问题上。CES走廊充斥着的智能瑜伽垫、智能阳光强度感应器、智能癫痫探测器、智能滑雪板等产品,让人变得无所适从。
问题二:获得传感器数据不是目的
就拿上文提到的阳光强度感应器来说。你真的需要一个腕带来感知当下的阳光强度吗?是不是可以使用智能手机来查询目前的光照强度,以确定是否应该出门。而不是出门后使用某种智能设备定期测量光照水平。前者的预判才是真正的智能,读取传感器数据谈不上什么智能设备,只是手段而已。
智能联网设备崛起后,会有大批的相关公司倒闭。只有少数的企业才能生存下来。这些幸存者将是那些能够发现更多数据背后信息,由此做出预判的设备。这意味着大量的数据挖掘能力。
早期版本的Jawbone的可穿戴健身设备,都要求配戴者手动登录他们的活动内容。而最近的版本则变成将正在进行的活动与已知活动模式进行比较,来对活动内容进行猜测。这就是从简单的数据读取,到真正智能化的最好例证。
问题三:数据无法共享
智能设备的崛起意味着传感器数据的几何增长。除非你是大型可穿戴设厂商-比如Jawbone、Fitbit、Withings等,否则可能无法收集足够的用户数据来获得用户生活的突破性发现。这使得大厂商有很强的先发优势。
当可穿戴设备厂商不可避免地被整合,所有倒闭公司收集的数据将会消失。目前,不同品牌可穿戴设备之间几乎没有任何数据共享。
人们不愿意从苹果切换到Android的最大原因就是操作的熟悉度和iTunes中的数据。同样地,在物联网的世界,数据的排他性阻止了用户在不同的设备之间切换。这也是为什么每个智能设备提供商都试图成为我们健康、家庭或财务的中心节点。
就像三星CEO在他的CES主题演讲中说的那样,“人们都希望为物联网创建一个单一的操作系统,但有这些想法的人目前都只关注自己的产品。”
问题四:数据挖掘并不易
如果数据不能改变你的行为,那搜集起来还有什么用呢?CES上有一款应用叫做V1bes,自称是“心灵应用程序”。它可以测量压力水平和大脑活动。
这一应用听起来很有用。但是知道压力水平,只是搜集到数据的表象,产生这种压力水平的原因无从得知。也许这些数据可以告诉用户压力水平过高,但是它并没有告诉用户可以引发慢性抑郁的压力来自哪里。
另一家叫做Narrative Clip的公司做的可能好的多。这家公司的产品每30秒就会拍摄一张照片来记录用户的生活,利用该公司的独特算法来决定哪些东西需要进一步分析,这种产品可能会让用户找到触发压力的线索。
不过,这次的CES有一点很明确,那就是智能联网设备市场不久的将来一定会爆发。我们正处在各种想法的漩涡之中,但很多都会胎死腹中。这些想法要么过于单一,要么无法对我们的生活产生任何帮助。智能终端、物联网和互联网大数据就是支撑这一市场的桩脚,忽略任何一环都无法支撑起一个有效的市场。目前智能终端和物联网无论从技术上还是实际应用上都日趋成熟,但是在智能化背后起核心作用的大数据却被有意无意的忽略。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-07-28在Excel数据分析与报表制作中,数据透视表是快速完成多维度汇总、分组统计的核心工具。很多从业者在得到透视表汇总结果后,为了 ...
2026-07-27 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-07-27当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运转的核心动能、滋养人工 ...
2026-07-27【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23 很多数据分析师精通Excel、SQL、Python等工具,但当被问到“面对一个具体的业务问题,该用什么分析方法”“描述性分析和诊断 ...
2026-07-23【核心关键词】埋点、产品、互联网、数据库、决策、数据分析、产品经理、商业模式、移动互联网、指标体系、运营模块、大数据平 ...
2026-07-22在高并发、大数据量的业务系统中,单表数据量达到千万级甚至亿级后,会出现查询性能骤降、索引维护成本飙升、存储扩容困难等问题 ...
2026-07-22 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 ...
2026-07-22在金融风控、企业运营、行业研究等数据分析场景中,大量数据以面板数据形态存在:例如多家分支机构连续多个季度的风险指标、多位 ...
2026-07-21 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 ...
2026-07-21