京公网安备 11010802034615号
经营许可证编号:京B2-20210330
五种物联网大数据数据类型
大数据,又称海量资料,是我们这个时代最伟大的经济机遇之一,但它的概念非常模糊。在一些谈话中,不同的参与者用大数据所表示的意思可能有以下三种:大量的数据、超出传统数据库功能的数据集、使用软件工具来分析前两个意义的数据集。
物联网最显著的效益,就是它能极大地扩展我们监控并测量真实世界中发生的事情的能力。工厂经理知道,如果发动机发出呜呜声,就表示出现了问题;一个有经验的房东会知道,烘干机的通风系统可能会被线头塞住,而导致安全隐忧。数据系统最终给予了我们精确了解这些问题的能力。
大数据是当下最热门的科技关键词,但大家对它的认知与定义非常模糊。
然而,挑战在于使这些让信息更有价值的系统,以及不断发展其商业模式。想一下智能恒温器在峰值功率很吃紧的情况下,公用事业单位和第三方能源服务企业想要每分钟准确更新能源消耗情况,通过精确调整能源并最大化节省能源,使得夏季一般日子和节电日能够有明显的区别。但如果把时间缩短到午夜至凌晨四点间,对信息的需求就不是那么急迫了:数据主要在确定长期趋势时才能有价值。
现在从消费者的角度思考。15分钟的数据更新间隔,都有可能导致超负荷。这不仅仅没有价值,还可能会造成贬低它价值的状况。相反,消费者所需要的,不过是一份能够指明一些指数趋势的月报表。
我经常跟人们讨论关于“数据价值”的挑战。下面的列表总结了大数据的一般类别,以及制造商和服务提供商所追求的机会。
五种大数据类型
状态数据
冷冻库中的压缩机是否正常运作?是否有一个已经停止运作了?不用担心,状态资料可以提供供货商和消费者关于物联网的实时动态数据。
状态数据是物联网数据中最普遍、最基础的一种。事实上所有事都会产生类似的数据,并把它作为基础。在许多市场中,状态数据更多地被用作进行更复杂分析的原材料,但它也具有它自身的重要价值。
看看Streetline是怎样找到停车位的。它创造了能够提醒订阅者空余车位的系统。当然,长期的数据能帮助城市规划者,但对于消费者来说,实时状态数据才是最重要的。
定位资料
我的货物到哪儿了?到达目的地了吗?定位服务是GPS应用的必然趋势。GPS非常强大,但在室内、人潮拥挤的地方、以及快速变化的环境中,效果并不明显。那些试图追踪搬运车以及堆高机的人,可能会需要实时的信息。
作为早期的物联网市场,农业领域也需要充分利用位置数据,因为农场主通常需要在很大的地理面积上定位自己的设备。我们已经看到了一些能够帮助人们定位钥匙的消费品出现,这意味着在为商业和工业用户提供服务的领域,存在着更大的市场;尤其是在时间紧迫,或是有大量的资产需要追踪的情况下。Foursquare针对油漆仓库的发展,就是抓住了这样一个巨大的商机。
个性化资料
不要用个人资料的安全性来拒绝个性化数据,个性化数据指的是匿名的个人偏好资料。消费者自然会对自动化产生怀疑,因为比起你的舒适,一些住宅管理系统更关心节省的成本,所以往往会让你困在一个昏暗的办公室者冰冷的饭店客房之中。自动化技术同样也存在安全隐忧。
尽管如此,自动化也是不可避免的。没有人会为了节省几块美元,而不停地用手指来试恒温器的温度。同样,那些依靠手动控制的照明系统也失败了(一些智慧照明生产者希望用他们的传感器数据告诉商店管理者,何时应该打开结账通道)。挑战将围绕开发应用程序和产品规则而展开。
可供行为参考的数据
把这个看作是有后续计划的状态。建筑物耗了整个国家电力的73%,并且其中一大部分(根据EPA显示,最高达到30%)被浪费了。为什么呢?因为对于大多数建筑物的所有者来说:能源是次要的问题。他们虽也想解决这一问题,但担心成本、精力以及一些棘手的局面所产生的损失,将会超出收益。
对于这一问题相应地产生了两种方法:能够改变系统实时状态的自动化技术、能够使人们改变行为习惯或者做长线投资的说服力。Opower开创了关于说服力的解决方案,也就是提供用户及其邻里之间使用能源的对比数据。根据他们自己的研究,这些具有说服力的数据能,使能耗降低2到3个百分点。
用户回馈数据
你了解你的顾客的真实想法吗?你也许认为你了解,但是你可能错了。在不久的将来,生产者还能分析从已售出的产品中获取的数据,从而更加了解产品在现实世界中的使用情况。现在大部分公司并不太了解他们产品的使用状况。这些产品从经销商处装运,从零售商处销售,最后进入了千家万户。而使用者和生产者可能永远都不会有交集。
物联网创造了一个从消费者到生产者的回馈机制,在这里产品生产者可以在保有适度隐私、安全以及抽样来检验产品的实际表现,并鼓励持续的产品改进和创新。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14