
大数据时代,蹩脚的物联网会扼杀创新
当我们畅想和拥抱物联网带来的变化的时候,也许会发现它带来的坏处比好处更多。
物联网(IoT)的概念可以追溯到80年代早期,卡内基梅隆大学的一台可乐机被连接到互联网,以监测其可乐存量,判断还可以提供多少杯饮料,这是世界上第一台联网的设备。但是直到IPV6大规模应用于IP地址空间,物联网才真正变为现实,它使得我们能够给任何物体都分配一个IP地址。
我们今天看到的物联网(IoT)市场都是解决如何用一种新的方式将人与产品连接起来,以及如何将产品互相连接的问题。按照Gartner的研究,不久以后就会有比人的数量更多的物体连接到互联网,到2020年将有超过260亿部联网设备。投资者们会注意到,2013年,在物联网生态链里发生了153宗投资交易,涉及融资金额11亿美元,比上年增长11%.
物联网将产生更多的机会和创新,但与此同时也会造成应当在采用早期就处理的弊端。
物联网的弊端:隐私和安全问题
物联网采用的智能节点数量的增长,以及这些节点撬动的数据数量,将增加数据隐私、数据所有权和数据安全方面的隐患。其它挑战将包括理解设备如何高效、安全地传输和存储这些大量数据。类似MQTT(消息队列遥测传输)这样的新的消息发送协议将应用于安全地传输数据。
在线的物联网更加易受攻击。自从有了物联网,我们进入了一个全新的时代,黑客不仅能侵入政府机构和公司并毫不费力地盗窃身份,而且还将目标锁定于相互连接的房屋和汽车身上。电脑或手机跟你捣乱是一回事,但当你无法开灯、打不开门、点不了火的时候,那就是另外回事了。
物联网的安全问题自从RFID(射频识别)技术到来之后就提上了日程,在实施阶段的早期就处理好安全问题,对于物联网采用的可靠性和实用性来说是至关重要的。当美国州政府第一次尝试在美国护照上打上RFID标签时,护照数据可以在30英尺之外读到,所使用的工具在eBay上仅需250美元就可以买到。这就要求做出一些改变来确保RFID标签的安全性。但是,与物联网相关的安全和数据隐私风险仍然存在。如果任何东西都连接到互联网,理论上任何人就可以在任何时候看到想看的东西。想想看,在某一天你打电话给老板请病假,却被监测到联网的汽车在高尔夫球场上,这会是多么尴尬的一件事。
很多人会争辩说智能手机已经把我们带到了这个地步,至少我们可以关闭自己的手机。语境数据,就像定位追踪一样,如果管理不恰当的话会从根本上危害隐私。要避免这一点,在政策和技术方面都要做出改变。
真真正正的大数据
如果你认为自己拥有大数据胜于物联网,那么你就不会对此视而不见。大批设备与大量、高速、结构化的物联网数据结合在一起,将在数据存储、处理和分析领域创造出更多挑战。对于想深入洞察物联网用户活动的企业来说,所有的数据都需要以某种方式存储和分析。
公司可以考虑采用某种数据库服务(DBaaS)来促进数据的采集和管理。企业能够越早地开始分析数据,它们就能派生越多的商业价值。
在知道如何使用的前提下,技术仍然扮演决定性角色
有没有谁在担忧,一个任何东西都有传感器连接到互联网的世界会不会太过复杂而失去了原有的美丽?如果我们不能搞清楚如何操作VCR和无线路由器,当我们的汽车、冰箱、运动鞋都连接到互联网的时候,又怎么能知道如何校正它们发出的错误信息?是否可能我们正在创造一个新世界的路上奔跑,在这里我们拥有的很多东西都失灵,而大多数人都不知道怎么修复它们。
不管怎么说,创新的步伐将持续加速,不仅充满复杂变化,而且给我们提供前人无法想象的效率和效益。这就是我们接受和采用这些创新的方式,这最终决定了这些创新的有用性。毫无疑问,如果正确使用的话,物联网几乎可以让任何东西变得“智能”起来。但是,如果没有适当的技术标准和政策,其反作用能轻易地扼杀创新。
面对任何新技术的转变,我们应当期待并拥抱迎面而来的变化。
对于物联网,我们有如下的期望:
建立标准 – 当公司拥有物联网的能力时,它们就有义务参与制订规范如何使用所归集数据的一些政策,并与员工和用户分享这些政策及其负担的安全责任。它们还必须充分认识上下文语境数据隐含的社交和隐私意义。
提供安全隔离 –
如果任何“东西”有一条到互联网的连接纽带,那么,能够物理地隔离、管理并且保护好每件东西各自的安全就显得尤为重要。比如,当确保某个物体的数据安全时发现有恶意的行为,那么我们应该能够立刻断开它与互联网的连接。我们需要逐步形成安全标准,不仅支持确保数据传输的安全性和检验信息的完整性,而且支持将安全模块植入物体自身。这将允许软件开发人员创建安全、有界限、并且能保证兼容性的代码。
实行“安全区”方案 – 很多物联网设备将连接到使用嵌入式处理器的互联网上,而这些处理器将处理灵敏度日益提高的数据。要想真正地保护这些设备的安全,将要求在硬件和软件应用之间建立紧密协作。类似ARM和AMD这样的半导体公司正在研发与处理器结合在一起的“信任区”技术,允许应用来控制对某些功能和周边设备的访问,并创建一个更安全的操作环境,防止黑客进行非法克隆或固件升级。
为真正的大数据做好准备 – 网络技术和标准必须逐步进展,这样数据才能在传感器、电脑和设备之间自由地流动。聚合和分析数据的技术工具,以及数据的可视化必须提高到某种程度,大批量的数据可以由人类决策者来处理和采集,或者整合在一起来指引互联系统的运行。
物联网有潜力应对巨大的挑战,比如节约能源、食物分配、照顾老人等等。如果不适当的规则被实施,或者上述主题没有引起足够的重视,那么我们就被置于扼杀创新和削弱物联网商业模式发展的危险之中。
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