京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
CDA数据分析师 出品 作者:李诗怡 四层结构 · 零件与房子 · 六大易错点 一、什么是指标体系 定义:指标体系是整套完整框架 ...
2026-10-13写在开头 先还原一个你大概率见过的场面。 立项会上有人说:我们得做用户画像。 于是团队关进会议室,白板写满便利贴,两小时后 ...
2026-10-13 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-10-13在统计学与数据分析研究中,相关性分析分为数值变量分析与分类变量分析两大类。针对身高、销量、分数等连续数值变量,通常采用皮 ...
2026-10-12在Power BI可视化分析体系中,常规表格仅能展示枯燥的数值数据,存在数据对比不直观、强弱规律不突出、维度交叉分析低效等问题。 ...
2026-10-12 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-10-12在传统零售行业同质化竞争激烈、大众营销转化率持续走低的背景下,依托经验与直觉的粗放式营销逐渐失效。美国塔吉特百货(Target ...
2026-10-10随着智能客服、数字化服务、用户精细化运营的快速普及,传统零散、非标准化的客户服务数据与业务体系逐渐难以支撑高效服务治理。 ...
2026-10-10 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-10-10CDA数据分析师 出品 作者:李诗怡 定义区别 · 场景举例 · 指标分类 · 计算方法 知识体系总览 模块 包含内容 一、核 ...
2026-10-09在数据分析工作流中,业务数据大多存储在各类关系型数据库内,例如MySQL、PostgreSQL、SQLite等。Pandas是Python生态中主流的数 ...
2026-10-09在数字化精细化运营时代,海量用户存在需求差异、行为差异、价值差异与偏好差异。如果企业采用“一刀切”的统一营销、统一服务、 ...
2026-10-09 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-10-09指标体系是企业数字化分析、业务监控、经营决策的核心基础框架,是将零散数据转化为可衡量、可对比、可落地业务价值的关键体系。 ...
2026-10-08随着市场竞争日趋饱和,同质化低价竞争逐渐陷入内卷僵局,传统以价格、渠道、促销为核心的营销模式边际效益持续递减。在此背景下 ...
2026-10-08 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-10-08你有没有想过,手机里点外卖、刷社交软件、转一笔账,背后到底是谁在替你"记着账"? 答案其实很简单:数据库,以及跟它对话的那 ...
2026-10-07CDA数据分析师 出品 作者:李诗怡 一、数据分析四大思维 1. 对比思维:没有对比就没有分析 核心观点:单独一个数字没有意义,有 ...
2026-10-05Kimball 是方法,星型模型是它产出的形状。 很多人把"Kimball vs 星型模型"当成一道选择题——这本身就是个误会:Kimball 是动词 ...
2026-10-05写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03