
可穿戴设备掌声与吐槽齐飞 无大数据不智能_数据分析师培训
苹果公司近日正式发布Apple Watch智能手表。面对Apple Watch的到来,几乎所有的智能穿戴设备厂商都是怀着忐忑的心情,既希望Apple Watch能快些到来,又害怕Apple Watch带来的冲击。一如2010年的平板电脑市场,苹果iPad的问世触发了市场的兴奋点,同时也让诸多厂商无处安身。不同于5年前的平板电脑,今天的Apple Watch有望引爆的不仅仅是智能手表的行情,还将会开启整个智能穿戴设备的市场大门。不过,遗憾的是,从正式发布的Apple Watch来看,撬动市场并不那么容易,在苹果之前,已经有了很多“先烈”。
硬件超前软件缺席
智能穿戴设备发展至今,我们已经看到了Apple Watch手表、Google Glass眼镜、Jawbone手环、Galaxy Gear手表、Sensoria智能袜子、耐克智能鞋等。参与其中的厂商既有Google、盛大、小米这样的互联网企业,也有苹果、三星、华为这样的终端厂商,甚至还有Intel、高通等核心元器件商。可以说,在智能穿戴设备领域,只有我们想不到,没有厂商做不到。
“今年必将成为可穿戴智能设备年!”早在两年前,这样的论断就已甚嚣尘上,而今苹果公司发布Apple Watch令这句话显得更有力了。
说到智能穿戴设备,目前广为消费者所知的是智能手表、手环以及智能眼镜。除了这些,还有各种超前得让人脑洞大开的神器,比如,穿起来不会迷路的鞋子,可防止脚部受伤的智能袜子,提前十分钟通知你要排便的神器,检测你心脏的T恤,还有可以燃烧脂肪的马甲。不可否认,这些产品的设想都是极其美好的,然而应用短板却使这些产品在体验上总是棋差一招。
应该说,目前智能穿戴设备存在的尴尬在于硬件已经超前发展,但软件仍缺席。一句话:造型太超前,技术太落后。比如,穿起来不会迷路的智能鞋子,功能的实现需要通过触觉反馈和GPS 模块来为穿着者提供导航,其中创建数据的交互、用户数据的持续搜集和分析,这些都需要相关联的大数据,然而目前大数据应用的发展还远未达到这一程度。因为缺乏使用功能上的刚性需求,大多数智能穿戴设备无法长期俘获用户青睐。
创新不足加剧同质竞争
目前,业界基本认可智能穿戴设备还未成熟的观点,不可否认的是,智能穿戴设备正在改变着我们的生活。根据Enfodesk易观智库的分析,中国智能穿戴设备市场在2014年的规模为22亿元人民币。Apple Watch的正式上市会极大地刺激整个智能可穿戴设备市场规模的增加,预计市场规模将会达到135.6亿元人民币。
从智能手机市场的激烈竞争可以看出,在一定时间内,硬件产品的革新速度已经很快,以至各大厂商显得有些“江郎才尽”,市场同质化严重。同样的,在智能穿戴设备市场,基于目前的软件服务能力,智能穿戴设备产品的竞争也已经白热化。纵观市场,智能穿戴产品业态比较基础,没有带来革命性的冲击,定位尴尬,很多产品即无痛点又非刚需,难免沦为“鸡肋”。
归根结底,目前智能穿戴设备尚未真正成为消费者生活中的必需品,用户粘性仍然较差。就拿当下较为火热的智能手环来说,在市场需求不够旺盛的情况下,智能手环并不能为我们带来更多实质性的改变。这类产品在挑战用户的惰性,让消费者在做产品与生活习惯二选一的选择题。如果没有苹果产品那样的号召力,结局不言而喻。
市场爆发的触点在哪?
智能穿戴设备发展到现在,仅凭靠优秀的工业设计和包装就能开发出一款改变行业的硬件产品,这种情况已不复存在。因为,再好的硬件设备,缺乏软件支撑,只是一堆废铜烂铁。
纯粹的硬件制造依然处于产业链底端。当智能穿戴设备不是强加给人们某个熟悉的附属品,而是已经同人体的“器官”融合,给人强烈的需求的时候,才是智能穿戴设备市场爆发之时。这就意味着,在智能穿戴设备市场上,有制造基础不一定就可以做成智能硬件,这取决于有没有互联网化、有没有大数据、有没有云应用的整合。
从智能穿戴设备的应用上来说,更多的是基于后端云平台与大数据的交互。前端的可穿戴设备更多承担的是信息采集的功能,而不是信息处理的功能,这才是移动互联网大数据应用的思维。相关机构预测,在今年年底,移动连接的设备数量将超过世界人口。这种网络连接数量和类型的增长,不仅能够为用户提供更多的功能,同时也让智能穿戴设备更智能。
可以预见,智能穿戴设备将会层出不穷,并且不断更新。但是正如历史上路面交通工具历经多次变革,车轮形态不会发生太大的变化一样,对于智能穿戴设备来说,无论形态如何变化,最有意义的部分仍在于通过设备上的传感器所采集并保存于云端上的数据。因为有了大数据的支撑,硬件设备才具有智能的属性,而大数据则因为有了可穿戴设备的采集数据,才真正变得接地气。智能穿戴设备要真正成为人类、相关器械的延伸,帮助我们提升与生俱来的本能,对大数据的应用还有很长的路要走。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL执行计划中rows的计算逻辑:从原理到实践 MySQL 执行计划中 rows 的计算逻辑:从原理到实践 在 MySQL 数据库的查询优化中 ...
2025-07-29左偏态分布转正态分布:方法、原理与实践 左偏态分布转正态分布:方法、原理与实践 在统计分析、数据建模和科学研究中,正态分 ...
2025-07-29CDA 数据分析师的职业生涯规划:从入门到卓越的成长之路 在数字经济蓬勃发展的当下,数据已成为企业核心竞争力的重要来源,而 CD ...
2025-07-29CDA数据分析师证书考取全攻略 一、了解 CDA 数据分析师认证 CDA 数据分析师认证是一套科学化、专业化、国际化的人才考核标准, ...
2025-07-29解析神经网络中 Softmax 函数的核心作用 在神经网络的发展历程中,激活函数扮演着至关重要的角色,它们为网络赋予了非线性能力, ...
2025-07-29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 ...
2025-07-29鸢尾花判别分析:机器学习中的经典实践案例 在机器学习的世界里,有一个经典的数据集如同引路明灯,为无数初学者打开了模式识别 ...
2025-07-29用 Python 开启数据分析之旅:从基础到实践的完整指南 在数据驱动决策的时代,数据分析已成为各行业不可或缺的核心能力。而 Pyt ...
2025-07-29从 CDA LEVEL II 考试题型看 Python 数据分析要点 在数据科学领域蓬勃发展的当下,CDA(Certified Data Analyst)认证成为众多从 ...
2025-07-29CDA 数据分析师的工作范围解析 在数字化时代的浪潮下,数据已成为企业发展的核心资产之一。CDA(Certified Data Analyst)数据分 ...
2025-07-29解析 insert into select 是否会锁表:原理、场景与应对策略 在数据库操作中,insert into select 是一种常用的批量数据插入语句 ...
2025-07-29用 Power BI 制作地图热力图:基于经纬度数据的实践指南 在数据可视化领域,地图热力图凭借直观呈现地理数据分布密度的优势,成 ...
2025-07-29从数据到决策:CDA 数据分析师如何重塑职场竞争力与行业价值 在数字经济席卷全球的今天,数据已从 “辅助工具” 升级为 “核心资 ...
2025-07-292025 年 CDA 数据分析师考纲焕新,引领行业人才新标准 在数字化浪潮奔涌向前的当下,数据已成为驱动各行业发展的核心要素。作为 ...
2025-07-29PyTorch 核心机制:损失函数与反向传播如何驱动模型进化 在深度学习的世界里,模型从 “一无所知” 到 “精准预测” 的蜕变,离 ...
2025-07-29t 检验与 Wilcoxon 检验:数据差异分析的两大核心方法 在数据分析的广阔领域中,判断两组或多组数据之间是否存在显著差异是一项 ...
2025-07-29PowerBI 添加索引列全攻略 在使用 PowerBI 进行数据处理与分析时,添加索引列是一项极为实用的操作技巧。索引列能为数据表中的每 ...
2025-07-29CDA 数据分析师必备技能全解析 在数据驱动决策的时代,CDA 数据分析师作为连接数据与业务价值的桥梁,需要具备多元化的技能体系 ...
2025-07-29解析 LSTM 训练后输出不确定:成因与破解之道 在深度学习处理序列数据的领域,长短期记忆网络(LSTM)凭借其捕捉长距离依赖关系 ...
2025-07-29χ² 检验与 t 检验:数据差异分析的两大核心工具 在统计学的方法论体系中,假设检验是验证数据规律、判断差异显著性的核心手段 ...
2025-07-29