
物联网和大数据的成功关键是制定坚实的战略
现在,IT专业人员在某个地方正在将温度传感器,安全摄像机,或者车辆连接到互联网,以便他们的公司可以从该远程设备收集数据,投入物联网计划。
最有可能的是,这只是一个计划。而连接几个设备到几英里外的服务器上的监控应用程序是一个独立的努力,虽然它可以提供价值,这不是一个战略。与此同时,一些负责监督计划的中层经理却在宣称,“我们正在实施物联网。”
人们一次又一次地看到有关组织在做零碎并且不相关的物联网实施活动。这是哈佛商业评论最近对Verizon公司发布的报告的一个主题焦,专家认为这样的企业缺乏物联网转型的大数据战略。
该报告称,44%的公司希望通过使用物联网来改变他们的业务模式。
而处于一线的IT专业人员,他们是远程设备的使用者,也是对此过于乐观的中层管理者,那些“实施物联网”的大多数人(78%)都是关注在数量有限的物联网数据上,或者他们不使用数据,根据报告。在Verizon和HBR调查的306名企业领导中,42%表示他们的组织缺乏大数据技能和能力,51%的人表示他们正在努力应对大数据的多样性和复杂性。
知道想要完成什么
所有这些都证明,太多的组织只是有“计划”而不是真正实施物联网的“战略”。很容易想象,相当多的企业跟进了物联网技术工作的问题,那就是“现在做什么?”
虽然Verizon公司专注于大数据挑战,但这些在真正的战略的一个阶段,只是问题的一部分。如果组织通过物联网,大数据或任何其他技术概念想转变其业务,首先需要定义一个目标,了解自己想要的是什么。这是一个长期的IT最佳实践,但也是一个常常被忽视的做法。也许组织想保持相同的业务线和相同的客户群,也许是想更好地为这些客户服务,或在生产/交付过程中提高效率。也许组织想更新陈旧的产品线,或利用传感器和其他设备在面向客户的场景中抓住可能出现的新业务机会或趋势。
即使有这样的目标,组织可能会在物联网/大数据计划中发现一些惊喜,例如使用数据的新方法,但如果企业没有目标,那么就像没有诱饵在汪洋大海中钓鱼一样一无所获。
物联网不仅仅是一个很酷的时髦词,还承诺了大量的实际和可实现的好处。常见的例子是操作人员如何优化性能,并提高工厂生产线设备的正常运行时间。而具有讽刺意味的是,多年来,许多机器已经将数据馈送到维护应用程序多年,是通过硬连线连接而不是网络进行馈送的。
物联网中的“I”确实提供了将数据收集扩展到许多新型设备的能力,具有新的灵活性,包括无线连接。将分析能力放在网络边缘附近,允许餐厅连锁店管理其易腐物品库存或获得价格变化成功的实时视图。它可以优化传送车辆的路径,并且可以在忠诚客户进入商店时提醒零售商。
但是,在定义物联网目标时,组织还需要知道,任何收集的数据将如何结构化,谁将有权访问它,如何提供关键变化交付,以及谁来采取行动。
虽然Verizon公司强调大数据的复杂性和大数据人才的短缺,但处理这些只是大数据和物联网战略的一部分。这就是为什么人们必须三思而后行的完美例子。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16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