顛覆你想象的對于物聯網的認識和理解

?

　　我們或許都聽過這樣的預測：物聯網將會憑仗不可勝數的物件和不可勝數的資金，在2050年之前成爲不可阻撓的趨向。但是，在Gartner預測全球聯網“物”的運用量將在2020年到達250億件的背景下，人們開始關注物聯網的增強給企業帶來的機遇和應戰。

?

　　但僅憑這些預測，您無法看到故事的全貌。要真正釋放物聯網的潛力，您需要克制數據應戰，這比處理“物”自身的問題更爲重要。

?

　　

?

　　此類應戰的最佳示例莫過于“最后一英里”數據問題，例如如何從設備或遠程平臺提取數據，如何經過解讀數據剖析來增長生產力和完成最高績效。無論是聯網住房還是工業級處理方案，在搜集數據后，人們往往難以經過易于運用的方式，將數據中的信息展現出來進行研究。

?

　　回想一下史蒂夫喬布斯初次介紹iPhone時的情形。他爲運用大尺寸觸屏提供了一個理由：每個使用都需要本人的用戶界面。相似的理由一樣適用于剖析。

?

　　我們提出的每一個數據都必須本人的圖表和可視化視角；構成物聯網根底的傳感器數據表現出爆炸式增長趨向，愈加需要不同的圖表和視角。不幸的是，少數物聯網應用程序采用了原封不動的視圖，或“閉端式儀表板”。除了答復提前確定的問題外，它們再無其他用處。

?

　　這些工具的靈敏性遠遠滿足不了用戶的需求?！翱摄@性”關于物聯網數據的運用價值至關重要。例如，您或許可以運用一個物聯網應用程序的故障引擎數據來預測今后的故障頻率和類型。但是，假如您希望檢查呈現故障的詳細部件，狀況又會如何？要答復這個十分自然的后續問題，交互性和共享才能至關重要。

?

　　理想的狀況是，用戶與數據以及其他數據探究者進行隨意而深化的對話，讓每團體都可以發現惹起變化的陳列及形式。

?

　　與這些深層問題親密相關的是物聯網成功的第二個關鍵要素：集成。交互式數據剖析可以提供答案，物聯網數據與其他上下文信息的組合一樣可以提供答案。

?

　　我們從一個消費者示例說起，例如經過組合Fitbit數據來探究健身方案與睡眠形式之間的潛在關聯。

?

　　如今，想象經過混合不同數據來尋覓企業級見地。放射引擎中的嵌入式傳感器有助于預測引擎何時需求維護。它可以預防故障，節省數十億美元的資金，甚至援救生命。與其他信息組合后，它還可以協助我們爲每個商品或區域制定更好的預算決策。

更多閱讀

物聯網卡的類型到底有幾種？

智能新研發--眼紋識別技術