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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 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 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 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 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 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 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 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 ...
2026-08-24 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 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19