
“物联网”巧用大数据
物联网究竟是什么?就其本质而言,物联网是一个广泛的生态系统,涵盖连接到互联网的众多普通物品,这些物品能够自报身份,并将数据传送给同一网络上的其他物品。
物联网的基本架构包括一项跟踪技术,比如RFID或条形码、传感器、嵌入式软件和无线互联网连接。“应答器节点”贴在卡车和药瓶等物品上,以独特的方式向互联网自报身份。通过把几乎各种类型的产品或设备(车辆、施工设备、煤气表及电表、家用电器和自动售货机等)接入Web,物联网就可以允许捕获关于这些物品的信息,因而形成了一个“智能物品”网络,这些智能物品可以积极参与到各种业务流程中。
无处不在的网络连接、低成本传感器,以及让几乎任何东西都可以连接到互联网的微电子学技术,它们共同推动物联网革命向前发展。业内曾经肤浅地认为物联网不会成功。可现在的案例表明,物联网大有希望改变商业,而早期涉足该领域的企业似乎找到了方向。
但如果企业正在研究物联网的商业战略,那就要小心了:前方面临许多技术和管理上的挑战。本文介绍了物联网方面的机会、障碍以及所需的新技能——想充分利用海量数据,势必需要新技能。
商机多多
物联网有望让物品之间互联互通,并收集大量数据,这势必给企业带来显著的经济效益,有些企业已准备最大限度地利用来自联网物理系统的源源不断的实时数据。对它们而言,物联网带来了实打实的好处。
技术咨询公司Mindtree的首席研究员Ronak Sutaria说:“物联网技术允许实时而准确的数据感知,并以无线方式将这些数据传送给连接到互联网的Web应用程序和服务器。这使得我们可以更精确、更准确地监控物理系统。”
Sutaria表示,物联网相关技术已经应用于众多行业。比如说,农业公司在实时监测农作物,以提高农产品质量,并节约耕种所需的资源,包括农药、化肥和水。公用事业公司已部署了智能仪表,监测能源、煤气和水的消耗量。许多市政部门则启动了“智慧城市”项目,帮助缓解交通拥堵、改善废物管理、监测来自手机信号塔的能量辐射以及控制路灯。
一些较为成功的、有借鉴意义的项目来自医疗保健行业。大河医疗中心(Great River Medical Center)是一家医疗机构,它使用微软的Windows Embedded(为用于嵌入式系统而设计的一款操作系统),把其许多医疗设备连接成了一个网络。
大河医疗中心的医药服务主任Darwin Cooley表示,“这个部署项目覆盖了我们的整个医药管理运营,从手术室监控受管制药品的麻醉药工作站,到护士站跟踪和分配药物的自动安全柜,再到药房记录药物量的库存管理旋转式传送带(需要补给药品时,会自动添购)。”这些设备统统连接到一台运行Windows Server以及SQL Server数据库的中央服务器。
Cooley表示,每种药物都编有条形码,采用单剂包装,那样这家医疗中心就能跟踪和控制整个环节的每一步。
“我们的行政管理部门和董事会提出的一大要求就是,提高成本效益。而自动配药不仅提高了效率,还大大降低了人力成本。” Cooley说倒。
该技术让大河医疗中心把药物送到病人手里的时间缩短了67%,由原来平均90分钟缩短至30分钟。此外,这项技术还让药房每年减少了30万美元的费用,并一次性省下了40万美元的库存费用。
将正确的药物更迅速地发给病人,这不仅改善了病人治疗效果,还降低了重新收治率。
困难重重
“要是不克服重重障碍,企业别指望得益于物联网。对于要接入网络的每一个物体,至少需要清点、贴条形码以及交叉核对。”Cooley表示,对大河医疗中心而言,牵涉上千种药物的这个过程历时数月才完成。
显然,部署物联网会带来一系列技术和程序上的挑战,企业只有克服这些挑战,才能得益于互联物理网络。此外,物联网还牵涉IT架构方面的多个技术部分,所以还需要来自企业各部门或者来自企业外部的专业知识。埃森哲技术实验室负责人Mike Redding表示:“物联网本身不是一项技术。你也买不到现成的物联网。”
他还表示,网络服务和应用程序的性能也是部署物联网时要关注的一个问题。比如说,如果一个简单的传感和监测应用程序用于装有100个传感器的地方,收集遥测数据,那么每年生成的原始数据总量可能会超过4PB。
一些在考虑部署物联网的企业面临最大的障碍是,不知道怎么处理收集上来的海量信息。Redding说:“社交媒体、传感器和嵌入式设备增强了之前未曾涉足的领域收集数据的能力。由于许多工具挖掘无数新的非结构化数据源,问题不再是缺少足够的数据,而是确保没有错过真正需要的数据。”
另一个挑战是,获得必要的分析技能以处理海量数据。埃森哲的研究表明,物色一流的分析人才来管理海量数据,这在今后几年会很困难。该公司开展了为期一年的研究项目,结果表明,到2015年,预计美国市场有望为分析专家创造近3.9万个新岗位,但在那些岗位当中,只有23%能找到合格的求职者。
就物联网而言,基本的数据分析技能不顶用,企业将需要既懂得数据分析,又能深入了解这些新数据对其所在行业有什么价值的这类人。
Sutaria说:“应用物联网解决方案的企业需要考察几个关键要素,其中之一就是形成基于数据进行决策的文化。物联网实际上从现实世界提取源源不断的准确数据。如何把这些数据转换成信息,然后转换成知识,最后转换成智慧,这就需要企业拥有传统的分析技能。”
比如在农业领域,科学家必须了解在各种天气条件下农作物需要灌溉多少水。物联网可以自动提供定期收集的准确数据,这些数据关于天气、农场和农作物的每项生长条件。但是一旦收集了数据,就要根据这些数据采取措施,而这有赖于熟悉某个特定领域的科学家。
除此之外,采用物联网技术面临的其他常见障碍包括,传感器、分析功能及需要投入资金。Redding表示,“知识就是力量。充分利用物联网的企业有望获得难以置信的竞争优势。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30