京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据爆发,物联网将会永远变革IT业的8个途径
在过去几年中,关于大数据的很多细节都已经被充分探讨过了,然而几乎没有组织可以从搜集来的大量数据中真实地获得收益。笼统而言,造成这种情况的主要原因还是在于缺乏数据挖掘经验。另一个因素在于所需的大量数据仍然是无法被搜集的。但是考虑到在物联网的世界中,我们所接触和交互的一切事物都可以联接起来,而且是可以搜集数据的。很快,我们将要面对这样的场景:我们一下子就获得了用于智能决策的所有所需数据——大数据也因此变得更加“巨大”。IT专家需要做好准备来帮助商业伙伴们解析这种犹如火山爆发般的信息量,不然他们面临着被大数据火球摧毁的危险。
数据流再次变向
在以往基于服务器/客户端架构中,数据流为南北流向;随着大部分数据和计算都在后端数据中心和服务提供云中完成处理,目前数据流多为面向数据流架构的东西流向。物联网将会通过更为普遍的端到端设备联接(device-to-device)和对地理位置敏感(geographically-aware)的数据流再次撼动网络基础设施。其目的在于尽可能地将分组路由决策(packet-routing decisions)推远至网络边缘完成。请理解这意味着什么,并相应地设计你自己的网络,将会确保在未来物联网的世界里你仍拥有立足之地。
99.999%的无线覆盖,可靠性
100%的无线覆盖和冗余设计曾被认为是一种矫枉过正。商业公司设计的是“足够好”的无线技术并为之买单,原因在于无线并不被认为是任务关键性(mission critical)应用。物联网中的WiFi和3G/4G 技术将很快改变这一切。无线将会成为边缘传输的首选技术,需要无处不在——还兼有难以置信的可靠性。从企业的商业意识出发,带有全冗余和100%覆盖的无线技术应该被设计出来并进行部署。IT业的很多人还不得不经历从无线和蜂窝连接的滋养中转移到移动电信服务贫瘠的环境中挣扎做活儿。这些技术藩篱需要被破解。移动性已经成为IT工作的一个特点,这一点在未来的物联网时代将会更加重要。
安全边界
如果要在IT分类里找一个未来将改变最多的,非IT安全领域莫属。已经有如此多的时间和金钱用来创建多层次的安全参数来保护敏感数据不被企业外的网络获取。在物联网的世界里,要在远离相对有保护安全边界外的多种地方进行数据的创建、传输和存储。加密一切信息是绝对必要的。目前的安全应用类型,如防火墙、入侵检测系统和其他边缘——中心的解决方案等,要么为适应物联网的世界而进行改进,要么就将彻底被新的安全架构替代。如果你没准备好重新思考你的安全策略,那么你已经落伍了。
软件定义IT基础设施
如果你还没注意到目前的IT趋势,那真有些晚了。我们正向更加关注软件模型的趋势转变。在物联网世界中,这一程度更深。所有的企业网络基础设施,如服务器、网络和安全等部分都将量身定制——并且充分自动化——以强化它们所承载各类应用程序的效率和性能。软件定义基础设施将很多功能自动化,并为IT专业人员开放了很多机会来采用更多策略并在组织内充分协作,这对于IT的角色和职责将会产生极其明显的短期影响。
商务伙伴间的数据共享
目前,你为了实现数据损失保护(data loss-prevention, DLP)而进行的所有失效保障保护措施在物联网的世界里恐怕都要进行大幅度的调整。与其单纯地认识到要保护大数据,不如明白这样一个道理:很多情况下你的数据已经变成了有价商品,可以通过共享或销售它们来赚取利润。所以,请准备好向你的商业伙伴甚至可能是竞争对手开放你自己吧,他们都是寻求有价信息交换的客户。获取来的数据本质上将成为商品,收获后可以被转卖给出价最高的买家。IT界需要开始思考这些新的商业发展机会。机会来源于这种层面的数据共享,以及与第三方的合作。
自动化的IT支持技术
在物联网的世界里,自动化和人工智能是IT支持技术的主要形式。有赖于我们正在迅猛发展的大数据,IT支持将会变得更加积极主动和自动化程度颇高。任何物理故障、软件bug或者是介于两者的问题都会被自动程序所监测并处理。这意味着不再需要那么多技术服务台和支持电话——因此服务岗位雇员也将大幅裁剪。好的一面是,为了开发这些自动化程序确保它们不失控,很多新的工作岗位仍然会被创造出来。
“BYO”一切
几年前当Bring Your Own Device (BYOD) 概念【一种借助个人设备来处理公司业务数据的工作模式——译者注】兴起时,我不得不承认,我一点没意识到它会从IT网络和IT安全两个领域发威,更不用说商务软件和移动设备的互操作问题了。虽然我持有保留态度,但BYOD模式确实发展起来了,并且在大部分组织中获得了相当成功。
来看看将会发生什么吧,我们将会接受BYOD概念并将其应用到一切事物上,包括移动电话、手表、医疗设备,甚至于我们的临街路灯。未来将有这样一种场景:不同种类的硬件和软件都被期待可以有效且安全地随时通信。这是一项难以置信的任务,会让我们很多人可以长时间地从事IT工作。在未来的物联网世界,对IT专业人员来说,开发让所有这些完全不同的设备很好且安全地相互协同的应用程序和网络基础设施是一个能赚大钱的领域。文章来源:CDA数据分析师官网
结论
你可以看到,一旦物联网真的实现了,目前的IT业态将会大变。同时,毕竟概念如此宽泛,我们对于IT业如何改变的想法也许与实际还差得远。但是考虑到物联网毕竟依赖于成千上万的设备——这些设备大部分都是无线的——我们认为所阐述的这些领域终究会对IT专业人员产生重大影响。你认为还有什么IT领域应该被审视?是否我们还错过了一些终究要被物联网改变的重要IT领域?请在下面的评论栏里告诉我们你的想法。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 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 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23 很多数据分析师每天都在写 SQL,但当被问到“DQL 的本质是什么”“SELECT 子句的书写顺序与执行顺序为何不同”“INNER JOIN ...
2026-09-23 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-09-22