物联网时代的大数据策略

物联网时代的大数据策略

互联网时代，PC、Pad、智能手机等设备无处不在，数以亿计的用户通过微博、微信、SNS、博客等途径产生大量的自媒体数据，电商、新闻类网站、搜索引擎每时每刻都在记录着丰富的用户行为信息，海量的数据促进了云计算，分布式技术的发展，而这些技术反过来不仅推动了Web和移动互联网的革新，也推动了物联网的飞速前进。现在，我们正逐渐迈入物联网时代，实现万物互联的愿景，如果说之前人是信息生产的主体，那么或许不久的将来设备将成为主角，它们将源源不断地产生与人相关的衣食住行信息，这些信息会通过云计算、数据挖掘等技术实现价值的升华从而为用户提供更优质、贴心的服务。那么物联网时代会产生什么样的数据，应该采用什么样的大数据策略呢？
THINKstrategies 的总经理 Jeff Kaplan 在自己的博文《 当物联网遇见大数据 》中写道：
“你不能使用现在的策略，因为可以被捕获、管理并利用的数据将更加多样化，同时用例也会更加丰富。附加到各种设备和对象上的传感器会产生各种类型的数据。这些数据将会用于各种响应式的、主动的或者 创造性的目的 。IT部门的任务就是与业务部门一起工作，完全理解物联网方面的用例，然后寻找满足业务需求的技术。特别是，IT部门必须识别出最优的分析平台和工具，让业务用户能够获取到需要的数据，分析数据的含义并快速地做出响应。”
Gartner公司的副总裁、著名分析师 Joe Skorupa 认为：
“分布在世界各地的物联网设备将产生大量的输入数据，将所有的数据传送到一个位置进行处理无论从技术上还是从经济上都是无法实现的。最近的趋势——将应用程序集中起来以便于降低成本并增强安全性——并不适合物联网。组织必须将数据集中到多个分布式的小型数据中心中，在此对数据进行初步的处理并发送到一个中心站点进行额外的处理。数据中心管理员需要在这些区域部署更加具有前瞻性的容量以满足业务发展的需要。”
Patrick McFadin则在自己的博文《 物联网：数据都去了哪里？ 》中阐述了一个具体的数据策略解决方案。他认为整个过程可以分为三个阶段：产生数据并通过Internet传递、中央系统收集并组织数据、持续的数据分析与使用。
第一阶段需要决定数据创建的标准以及如何通过网络进行传递。Patrick McFadin认为可以通过>

以上是小编为大家分享的关于物联网时代的大数据策略的相关内容，更多信息可以关注环球青藤分享更多干货

移动互联网时代，产品服务都在快速迭代，对颠覆式创新有着极高的要求。更重要的是，咨询业的竞争优势也在逐渐消失，很难再满足快速发展的企业。而基于大数据的解决方案，不仅能够快速找到“发力点”，还蕴藏着无限的商机。
移动互联网时代炮制了“新、平、快”三招，对传统咨询业进行花式虐打。

移动互联时代，大数据、物联网、云计算等技术应用的日新月异，对传统咨询业服务方式也提出了更高的要求。市场调研过去用的是访谈、问卷调查，focus group等手段，而现在呢，不用爬虫抓取、海量数据的量化分析都不好意思说自己在做调研。如何快速掌握新技能、新工具，对大部分咨询从业人员来说都是巨大的挑战。移动互联时代，连咨询公司自己都在苦苦寻求出路，又谈何为他人指路？

互联网的本质就是创新，这让咨询业没有办法依靠行业经验作靠山。传统企业正转型正处萌芽阶段，过去的行业经验明显无法利用。即便摸索出一条路子，新的经验也需要时间沉淀，才能加以利用。万一天色一变，一场风雨过后，后面的人已经没法按着原来的模式去走。企业也往往并不满足于跟随别人的步伐，追求另辟蹊径，“弯道超车”。

首先是信息不对称逐渐消失。你可以通过百度、知乎轻松地了解任何一个概念；无数的资讯平台，能在2小时内把地球另一边最新鲜的资讯送到你手中。无论是免费渠道，还是现在越来越盛行的付 费内容，人们获取资讯、信息、知识的平等程度大大地提高。过去传统咨询业引以为傲的方法论、稀缺资讯，以前是稀缺品，而现在已经是平常人家桌上菜。

同时，浓厚的商业气氛驱使下，商业教育大大地普及，更是让大部分人都能掌握知识工具。罗辑思维不仅每周给大家分享他的商业思考，还带着一帮企业家一起干。原来咨询顾问价值3000元一小时的一对一面谈，可能还只能让你一知半解，现在在家看视频都已经能让你拍案叫奇。

互联网时代，不是大鱼吃小鱼，是快鱼吃慢鱼。很多APP每周迭代更新，才能捉住机会抢占市场，过了窗口期，便很难再有机会把已经养成习惯的用户抢回来。微信快人一步抢占了市场，来往、易信无论烧多少钱，都没有办法撼动微信的地位。

如果还按照访谈、问卷调查、焦点小组的整套流程来做产品调研，项目没做完产品可能就先死掉。要快刀斩乱麻，要切实可行，要立竿见影。而传统咨询业偏偏只擅长抽丝剥茧，由表及里，再用理论指导实践。

除了外部冲击，国内的传统咨询业自身也积弱多时：

人才外流与后继无人，形成了一个虚有其表的怪圈

头脑产业最重要的是从业人员的素质。国外咨询业的从业者，很多曾经都是企业高管，身经百战，阅人无数。而国内咨询业则是一个虚有其表的怪圈。

我们不否认业内的确有一部分优秀且资深的咨询顾问，但是人才外流和后继无人的问题在不断显现。不论是前景还是薪资，互联网行业无疑更具有吸引力。

资深的咨询顾问都纷纷跳槽做产品经理、企业高管。而在招聘端，也没以前那么容易招到特别优秀的毕业生。留在咨询业的人，可能自己大多都没有真正实践过。

正所谓读万卷书不如行万里路，行万里路不如阅人无数，阅人无数不如高人指路。读万卷书对现代人来说并不是门槛，而当所谓咨询顾问自身都没有办法做到行万里路、也不曾阅人无数，又谈何给别人指路呢？

进步慢，突破少，跟不上时代的步伐

咨询业发展至今，从技术咨询到管理咨询，从管理咨询专为IT咨询，从未发生过主动性的变革。即便经历了技术大爆炸的三十年，管理咨询对于技术使用仍然停留在 三十年前：Excel用做所谓的模型和写PPT。这招的确好用，对付三十年前的问题绰绰有余，但要对付三十年后的问题呢？

方案难以落地，结果难以显性化，没有人会为没有效果的方案买单

传统咨询行业就像大后方的军师，纸上谈兵而不扛q上阵。但通常传统咨询业给出的框架，仍然解决不了具体的人的问题，企业拿了方案，具体实施通常仍然会有很多问题，甚至无法实施。即便能够按照方案执行，效果又是如何呢？得到这样的效果，有多大程度是得益于咨询顾问的建议，有多少又是其他行为的结果？无从得知。 动辄几百万的咨询项目，已经很少有人愿意为之买单。

大数据解决方案具有更快，更直观、更客观、更高效精准、更多可能性的优势。

得益于IT技术的突破与应用，数据获取比以前更快速，计算运行也更快，有利于处理更多、更全的数据，为进一步分析打下坚实的基础。这一步的效率提升，直接加快了整个解决方案产生的速度，使得能够在最快的时间内能得到行之有效的办法。为后续的“小步试错，反馈调整”造就了可能性。这正是互联网讯息万变对我们的 要求。

一是通过多维度数据来直接反映市场和用户需求。一切不以数据为基础的调研都是耍流氓，数据驱动是最大的“以用户为中心”。用户有多喜欢你的产品，是否愿意为什么付费，与其跟他聊天，不如看他的实际行动。点击量，付费金额，不仅能够定性，还能够 定量。

二是结果显性化。对数据的监控的优势还在于当你改变某一个变量的时候，数据立马就能给你反馈，告诉你效果。传统咨询公司的实施方案太飘了，而大数据则让市场、需求、实施结果量化、可视化。

没有数据支撑，很容易走弯路。给某知名互联网公司做项目的时候，就发现他们在广告投放策略上犯了经验主义的错误。他们根据主观经验判断，在上海客流量最大的地铁站和广州地标性建筑重金投放了广告。而我们通过对数据进行定性、定量的分析，发现这样的投放策略投产比极低，因为该公司的主要用户活跃于校园，而非以上提及两个地点。不用大数据方法和定量的分析，就很容易犯经验主义错误。

这里必须以我们自己的项目作为案例。在给某运营商做外呼中心项目的时候，分析了外呼中心已有销售数据，精准定位了目标客户的年龄、性别、居住地、愿意接电话

的时间等各种因素，并基于结果建议增派人手在午间时段进行外呼；通过建模预测潜在用户的外呼成功率，并作为接下来精准营销的依据。最终，整个外呼中心的外 呼成功率提高了百分之五十。精准的目标客户定位和基于大数据的建模预测，是此次项目成功的关键。

大数据不仅是体量大，更重要的是多样。当所有数据都进入视线范围的时候，世界就像慢镜头，每一帧都能看得清晰仔细。而当别人都在看视频的时候，大数据能带我们看到每一帧画面的细微之处，其中商机不言而喻。

咨询业好比是企业身边的军师，脑子比较好使，饱读圣贤书，阅历丰富。但他只负责在幕后指点，不冲锋陷阵。大数据就好比勘察兵，深入敌后，刺探军情。敌军兵力、布阵，哪里有陷阱、哪里准备偷袭都观察得清清楚楚，能立马掌握最新战况、双方死伤。

过去军师身上的能力属于稀缺资源，因此军师价值非常高；互联网时代，军师的经验不太奏效了，所有人都平等地获取各种资源，接收各地信息。如此一来，军师（咨询业）地位不保是迟早的事，而勘察兵（大数据）必定成为打赢胜仗的排头兵！传统咨询业因承受不住互联网的冲击而式微，拥抱大数据，利用大数据的价值，挖掘大数据的商机才是未来。

1 无处不在的数据分析
越来越多的企业在利用从他们客户那里收集到的大数据更好地了解客户需求，并且优化产品使其能更好地服务客户。这就是无处不在的数据分析，它更看重数据的质量，而非数量。将数据最大化地转变为有价值的创新，利用数据洞悉市场，以此为基础做出明智的商业判断。
如果关注数据质量，将收集到的所有信息进行筛选就变得至关重要。例如人工智能，其需要迅速地完成一系列动作：数据收集、分析，并且瞬间作出判断采取行动。严格来讲，对数据质量的关注需要嵌入到数据采集的过程中。在这样的数据分析背后也要关注消费者信息的私密性。GfK2015年进行的针对全球20个地区的消费者研究结果表明，全世界消费者都在担心他们的数据是怎样被收集、售卖和利用的。
2 虚拟现实(VR)
2016年，从行业到消费者，从硬件到软件，关于虚拟现实，一切都处在被普及教育的阶段。随着三大巨头接连推出消费级产品，且“售罄”之讯频传，虚拟现实作为最受关注的新智能领域迅速席卷全球。全球VR头显市场规模预计在2020年会达到28亿美元，其中供游戏者使用的VR头显设备占据多数份额。中国市场2016年全年零售量会达到300万台左右，从GfK监测的VR头显在线市场来看，从2016年1月到4月，VR头显零售量几乎翻了20倍，虚拟现实硬件产品正在经历一场初期爆发式的增长。但目前依然是以VR盒子为主。整体来看，中国的VR市场现在还处于野蛮生长的阶段。相信在未来VR应用会逐步向直播、旅游培训、医疗、装修、房地产、教育等领域渗透。
3 人工智能(AI)
人工智能最终是重现一遍人类思考的过程。作为一个人工制造的机器，终极形态的AI将拥有与我们相同的智力水平：学习、推理、使用语言、构想原始创意。然而只拥有学习能力的AI已经快速地渗透到我们的生活中了。语音识别是目前人工智能中落地较早、目前投入及研发的核心领域之一。基于人工智能，各个厂商可发挥的空间很大，不一样的应用及方向才是真正有趣的地方。2016年，AI助理的发展或许会超越智能手机的发展。人工智能是一块有待探索与开发的市场，这块市场拥有多种可能性。
4 可穿戴产品
智能手表、健康监测手环、相机、GPS定位设备及心率监测设备进入主流市场还需多久尽管万众瞩目的Google Glass及Apple
Watch的发布已经俘获了消费者的想象力，但只有少数消费者接纳了这些设备。中国可穿戴市场2016年销量预计达3160万台，环比2015年上涨32%，但其中以价格较低的手环产品占据市场的大多数，整体市场销量持续上升的同时增速减缓，市场经过了2015年跳跃式发展后开始进入一个更趋理性的阶段。如果可穿戴产品想要吸引更多的消费者，有以下四点需要注意：一是与物联网的融合，把可穿戴设备和现有的个人科技生态相融合将会成为扩大市场的基础性举措。二是设计和材质，外形设计已经成为可穿戴产品跟上时代潮流的一大绊脚石。三是精准有效的信息收集，提高数据的准确性和解读能力是可穿戴厂商正在解决的另一大问题。四是引人注目的新案例，特色鲜明的产品会逐渐与消费者建立特有联系。
5 视频消费
视频消费的发展速度比之前任何人预期的还要快，并且线上已经成了人们观看视频的主要渠道。从社交媒体上的短片到视频网站的服务和套餐服务，甚至到最近大火的视频直播，消费者似乎可以在任何时间、任何平台看到想看的视频内容。事实上，有人预言到2019年，80%的互联网流量消费将来自于视频观看。而随着投入到这个领域的玩家越来越多，从内容的生产者和发布者到各大品牌、厂商，互相合作会成为一种需求，只有通过这样多方之间的信息互换才能够释放更大的能量。
6 无人机
据GfK中国估算，2014年中国航拍消费级无人机市场为近6亿元，到2018年将激增到60亿元。而民用无人机市场更是有望在未来10年形成千亿元级规模，未来发展空间广阔。
无人机并不算是新产品。无人机在航拍、地形测绘、商业运输以及救援部署，甚至在自动机械化生产上，都可以起到作用，无人机技术在诸多领域所能发挥的用途正在被进一步挖掘出来并且会在降低商业成本、提高商业效率方面起到很好的催化作用。但是在实现这样的美好愿景之前依然有很长的路要走。目前无人机依然面对诸多阻碍，如缺乏“感知-避障”技术、载物重量上的限制、没有夜视功能以及电池续航时间有限等。
7 移动支付
全球移动支付市场比较复杂。目前传统的支付方式在许多成熟市场中都有着强大的根基，无法轻易撼动。相反，一些非洲市场和亚洲发展中国家市场则直接迈入了移动支付时代。在这样一个碎片化的环境中，对于品牌、制造商和零售商来说，理解移动支付当下的全球格局以及它的演变趋势至关重要。在中国，阿里巴巴、腾讯等第三方玩家已经率先鼓励联网用户通过手机在实体店或网店进行支付。小米、OPPO、魅族旗下具备支付功能的手机的使用也意味着在这一市场中，移动支付不仅存在，而且触手可及。而那些被认为将第一时间接受新兴技术的市场则呈现出与上述地区的截然不同的局面。当前，一些市场仍需提高消费者对于移动支付的认知度，而对于另一些市场而言，要做的则是减少移动支付的使用壁垒。
8 智能汽车
随着物联网技术的越发成熟，智能汽车也将应运而生。许多豪华轿车已经配备了大显示屏，并且车载大屏也会继续成为趋势，在2016年底或2017年初，为前排乘客设计的额外显示器也将出现在高档汽车中。为了让乘客更好地体验“增强现实(AR)”技术，一些OEMs甚至想要把显示屏幕延伸到整个挡风玻璃或者侧窗。屏显技术的进步为那些企图走到传统汽车供应商前头去的电子消费厂商和初创企业们打开了大门。过去，受到物联技术的限制，OEMs很难找到一个正确的商业模式，但是现在，机会来了。通过了解细分市场消费者的需求和喜好，量身开发车载APP和配套服务从而获取相应的报酬成为可能。
9 3D打印
3D打印机的销量目前还比较小。但是，随着更多的厂商加入到该领域以及消费者的认知度逐渐提高，这种情况在明年应该可以得到改变。拿德国为例，3D打印机的销量在去年增长了71%，而且需求还在进一步扩大。消费者认为3D打印技术极具吸引力，3D打印在最有可能影响他们生活的科技中排名第三。这比智能汽车、云计算、可穿戴设备还有物联网的排名都要靠前。这表明这项新技术的知识普及在全球已经非常高了。价格一直是新兴科技难以普及的主要障碍。但是随着成本的下降，价格也将不再是阻碍，3D打印技术的优势会变得越加明显和突出：更低的装配成本，减少浪费，极低的运输和配送费用和更快的新产品上市速度。
10 智能家居
一股智能家居的“淘金热”正在各领域中展开，传统厂家、互联网公司、国际技术提供商及零售商等各种组织都在寻求最大限度地参与到未来家居领域中来。根据GfK针对全球7国消费者所作的研究表明：绝大多数消费者(90%)知道智能家居，50%的消费者认为智能家居能改变他们的生活，78%的消费者同意这是一个具有吸引力的理念。目前智能家居想要获得成功的关键是让消费者能明白智能家居技术是如何提升他们的生活品质，并且提供参与度高且有效的用户体验。现在需要行业协作和消费者教育来驱动需求，并推动智能家居从厂商领导发展向消费者需求主导发展的创新转变。行业相关参与者需要合作并组建不同以往的合作关系。这会确保不同的设备和服务能在后台彼此连接来满足对便捷的需求。只有满足了这一点，智能家居的真正价值才能得以体现。根据GfK中国对家电智能化研究，中国家电产品智能化应用发展速度位于世界前列，但目前也处于厂商、零售商等供给方主导的阶段，还处于智能连接、手机远程控制等初级智能向更高级智能功能探索和尝试的阶段。中国庞大的用户基础和互联网业态演变将为智能家居的发展和创新提供良好的土壤，预计智能家居未来将会催生类似BAT级别的新企业。

我们在了解人工智能技术的时候，对于深度学习的概念进行了一次普及，今天我们就一起来学习一下深度学习对于物联网的发展都有哪些影响作用。下面霍营电脑培训就开始今天的主要内容吧。

技术

在物联网时代，大量的感知器每天都在收集并产生着涉及各个领域的数据。由于商业和生活质量提升方面的诉求，应用物联网(IoT)技术对大数据流进行分析是十分有价值的研究方向。这篇论文对于使用深度学习来改进IoT领域的数据分析和学习方法进行了详细的综述。从机器学习视角，作者将处理IoT数据的方法分为IoT大数据分析和IoT流数据分析。论文对目前不同的深度学习方法进行了总结，并详细讨论了使用深度学习方法对IoT数据进行分析的优势，以及未来面临的挑战。

在本系列文章中，已介绍了深度学习和长短期记忆(LSTM)网络，展示了如何生成用于异常检测的数据，还介绍了如何使用Deeplearning4j工具包。本篇文章中，将介绍开源机器学习系统ApacheSystemML如何通过动态地优化执行并利用ApacheSpark作为运行时引擎，帮助执行线性代数运算。并展示了在时序传感器数据(或任何类型的一般序列数据)上，即使非常简单的单层LSTM网络的性能也优于先进的异常检测算法。

GoogleAssistant和其他自然语言理解平台正在推动用户如何使用他们的技术。无论是执行器诸如设置计时器之类的简单任务，还是进行更复杂的任务(例如Google智能助理调整恒温器)，您都可以参与其中。在这篇文章中，逐步介绍了如何构建自己的助手应用程序，通过简单地要求Google来控制AndroidThings设备来浇灌植物。

开源

tinyweb是一个用于在运行有MicroPython的ESP8266/ESP32等微型设备之上的简单轻便的>

Mynewt是一款适用于微型嵌入式设备的组件化开源 *** 作系统。ApacheMynewt使用Newt构建和包管理系统，它允许开发者仅选择所需的组件来构建 *** 作系统。其目标是使功耗和成本成为驱动因素的微控制器环境的应用开发变得容易。Mynewt提供开源蓝牙50协议栈和嵌入式中间件、闪存文件系统、网络堆栈、引导程序、FATFS、引导程序、统计和记录基础设施等的支持。

AngularIotDashboard是一个基于Angular4的物联网领域的仪表板。它是一个适用于任何浏览器的实时兼容仪表板，其目标是成为智能家居，智能办公室和工业自动化的d性前端。拥有许多可重用组件，开发者可以基于AngularIoTDashboard启发和实施自己版本的托管物联网仪表板。

硬件

FemtoUSB是一个基于Atmel的ARMCortexM0+产品ATSAMD21E18A的开源ARM开发板。其被设计成对那些对ARM设计感兴趣的人的基础起点，特别那些准备从AVR8位硬件转换到功能非常强大的ARM32位工具。其从电路板设计，原理图和零件清单完全是开源的，可以让开发者学习设计ARM芯片、编译工具链、ARM芯片的基本的电路图等等的内容。

---