
大数据爆发,物联网将会永远变革IT业的8个途径
在过去几年中,关于大数据的很多细节都已经被充分探讨过了,然而几乎没有组织可以从搜集来的大量数据中真实地获得收益。笼统而言,造成这种情况的主要原因还是在于缺乏数据挖掘经验。另一个因素在于所需的大量数据仍然是无法被搜集的。但是考虑到在物联网的世界中,我们所接触和交互的一切事物都可以联接起来,而且是可以搜集数据的。很快,我们将要面对这样的场景:我们一下子就获得了用于智能决策的所有所需数据——大数据也因此变得更加“巨大”。IT专家需要做好准备来帮助商业伙伴们解析这种犹如火山爆发般的信息量,不然他们面临着被大数据火球摧毁的危险。
数据流再次变向
在以往基于服务器/客户端架构中,数据流为南北流向;随着大部分数据和计算都在后端数据中心和服务提供云中完成处理,目前数据流多为面向数据流架构的东西流向。物联网将会通过更为普遍的端到端设备联接(device-to-device)和对地理位置敏感(geographically-aware)的数据流再次撼动网络基础设施。其目的在于尽可能地将分组路由决策(packet-routing decisions)推远至网络边缘完成。请理解这意味着什么,并相应地设计你自己的网络,将会确保在未来物联网的世界里你仍拥有立足之地。
99.999%的无线覆盖,可靠性
100%的无线覆盖和冗余设计曾被认为是一种矫枉过正。商业公司设计的是“足够好”的无线技术并为之买单,原因在于无线并不被认为是任务关键性(mission critical)应用。物联网中的WiFi和3G/4G 技术将很快改变这一切。无线将会成为边缘传输的首选技术,需要无处不在——还兼有难以置信的可靠性。从企业的商业意识出发,带有全冗余和100%覆盖的无线技术应该被设计出来并进行部署。IT业的很多人还不得不经历从无线和蜂窝连接的滋养中转移到移动电信服务贫瘠的环境中挣扎做活儿。这些技术藩篱需要被破解。移动性已经成为IT工作的一个特点,这一点在未来的物联网时代将会更加重要。
安全边界
如果要在IT分类里找一个未来将改变最多的,非IT安全领域莫属。已经有如此多的时间和金钱用来创建多层次的安全参数来保护敏感数据不被企业外的网络获取。在物联网的世界里,要在远离相对有保护安全边界外的多种地方进行数据的创建、传输和存储。加密一切信息是绝对必要的。目前的安全应用类型,如防火墙、入侵检测系统和其他边缘——中心的解决方案等,要么为适应物联网的世界而进行改进,要么就将彻底被新的安全架构替代。如果你没准备好重新思考你的安全策略,那么你已经落伍了。
软件定义IT基础设施
如果你还没注意到目前的IT趋势,那真有些晚了。我们正向更加关注软件模型的趋势转变。在物联网世界中,这一程度更深。所有的企业网络基础设施,如服务器、网络和安全等部分都将量身定制——并且充分自动化——以强化它们所承载各类应用程序的效率和性能。软件定义基础设施将很多功能自动化,并为IT专业人员开放了很多机会来采用更多策略并在组织内充分协作,这对于IT的角色和职责将会产生极其明显的短期影响。
商务伙伴间的数据共享
目前,你为了实现数据损失保护(data loss-prevention, DLP)而进行的所有失效保障保护措施在物联网的世界里恐怕都要进行大幅度的调整。与其单纯地认识到要保护大数据,不如明白这样一个道理:很多情况下你的数据已经变成了有价商品,可以通过共享或销售它们来赚取利润。所以,请准备好向你的商业伙伴甚至可能是竞争对手开放你自己吧,他们都是寻求有价信息交换的客户。获取来的数据本质上将成为商品,收获后可以被转卖给出价最高的买家。IT界需要开始思考这些新的商业发展机会。机会来源于这种层面的数据共享,以及与第三方的合作。
自动化的IT支持技术
在物联网的世界里,自动化和人工智能是IT支持技术的主要形式。有赖于我们正在迅猛发展的大数据,IT支持将会变得更加积极主动和自动化程度颇高。任何物理故障、软件bug或者是介于两者的问题都会被自动程序所监测并处理。这意味着不再需要那么多技术服务台和支持电话——因此服务岗位雇员也将大幅裁剪。好的一面是,为了开发这些自动化程序确保它们不失控,很多新的工作岗位仍然会被创造出来。
“BYO”一切
几年前当Bring Your Own Device (BYOD) 概念【一种借助个人设备来处理公司业务数据的工作模式——译者注】兴起时,我不得不承认,我一点没意识到它会从IT网络和IT安全两个领域发威,更不用说商务软件和移动设备的互操作问题了。虽然我持有保留态度,但BYOD模式确实发展起来了,并且在大部分组织中获得了相当成功。
来看看将会发生什么吧,我们将会接受BYOD概念并将其应用到一切事物上,包括移动电话、手表、医疗设备,甚至于我们的临街路灯。未来将有这样一种场景:不同种类的硬件和软件都被期待可以有效且安全地随时通信。这是一项难以置信的任务,会让我们很多人可以长时间地从事IT工作。在未来的物联网世界,对IT专业人员来说,开发让所有这些完全不同的设备很好且安全地相互协同的应用程序和网络基础设施是一个能赚大钱的领域。文章来源:CDA数据分析师官网
结论
你可以看到,一旦物联网真的实现了,目前的IT业态将会大变。同时,毕竟概念如此宽泛,我们对于IT业如何改变的想法也许与实际还差得远。但是考虑到物联网毕竟依赖于成千上万的设备——这些设备大部分都是无线的——我们认为所阐述的这些领域终究会对IT专业人员产生重大影响。你认为还有什么IT领域应该被审视?是否我们还错过了一些终究要被物联网改变的重要IT领域?请在下面的评论栏里告诉我们你的想法。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 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 ...
2025-09-04