关于物联网,你别被这5个大数据忽悠了
但它的概念非常模糊。在一些谈话中,不同的参与者用“大数据”所表示的意思可能有以下三种:1.大量的数据;2.超出传统数据库功能的数据集;3.使用软件工具来分析前两个意义的数据集。
物联网最显著的效益就是它能极大地扩展我们监控和测量真实世界中发生的事情的能力。车间经理知道如果发动机发出呜呜声就说明出现了问题。一个有经验的房主知道烘干机的通风系统可能会被线头塞住,从而导致安全隐患。数据系统最终给予了我们精确理解这些问题的能力。
然而,挑战在于使这些让信息更有价值的系统和商业模型不断发展。想一下智能恒温器在峰值功率很紧张的情况下,公用事业单位和第三方能源服务企业想要每分钟准确更新能源消耗情况:通过精确调整能源并最大化节省能源,使得夏季普通的一天和节约用电的一天能够有明显的区别。但如果把时间缩短到午夜至凌晨四点间,对信息的需求就不是那么急迫了:数据主要在确定长期趋势时才能有价值。
现在从消费者的角度思考。15分钟的数据更新间隔都有可能导致超负荷。这不仅仅没有价值,还可能会造成贬低它价值的麻烦事。相反,消费者所需要的不过是一份能够指明一些趋势的月度总结表。
我经常跟人们讨论关于“数据价值”的挑战。下面的列表总结了数据的一般类别以及制造商和服务提供商所追求的机会。
五种大数据类型
状态数据
冷库中的空气压缩机是否正常运作?它们中是否有一个已经罢工了?不用担心,状态数据可以提供供应商和消费者关于物联网的实时动态数据。
状态数据是物联网数据中最普遍、最基础的一种。事实上所有事都会产生类似的数据,并把它作为基础。在许多市场中,状态数据更多地被用作进行更复杂分析的原材料,但它也具有它自身的重要价值。
看看Streetline是怎样找到停车位的——它创造了能够提醒订阅者空余车位的系统。当然,长期的数据能帮到城市规划者,但对于消费者来说,实时状态数据才是最重要的。
定位数据
我的货物到哪儿了?它到达目的地了吗?定位服务是GPS应用的必然趋势。GPS非常强大,但在室内、人潮拥挤的地方以及快速变化的环境中的效果并不明显。那些试图追踪托盘以及机械叉车的人可能会需要实时信息。
作为早期的物联网市场,农业领域也需要充分利用位置数据,因为农场主通常需要在很大的地理面积上定位自己的设备。我们已经看到了一些能够帮助人们定位钥匙的消费品的出现,这意味着在为商业和工业用户提供服务的领域存在着更大的市场,尤其是在时间紧迫时,这些领域有大量的资产需要追踪的情况下。Foursquare针对油漆仓库的发展就是抓住了这样一个巨大的机遇。
个性化数据
不要用个人数据来拒绝个性化数据。个性化数据指的是关于个人偏好的匿名数据。消费者自然会对自动化产生怀疑。因为一些住宅管理系统比起你的舒适更关心节省的成本,所以往往你不想困在一个昏暗的办公室或者冰冷的酒店客房。自动化技术同样也存在安全隐患。
尽管如此,自动化也是不可避免的。没有人会为了节省4.75美元而不停地用手指来试恒温器的温度。同样,那些依靠人工交互的照明系统也失败了(一些智能照明生产者希望用他们的传感器数据告诉商店的管理者何时应该打开结账通道)。挑战将围绕开发应用程序和产品规则而展开。
可供行为参考数据
把这个看作是有后续计划的状态数据。建筑物消耗了整个国家电力的73%,并且其中一大部分(根据EPA显示,最高达到30%)被浪费了。为什么呢?因为对于大多数建筑物的所有者来说:能源是次要的问题。他们虽也想解决这一问题,但担心成本、精力以及一些棘手的局面所产生的损失会超出收益。
对于这一问题相应地产生了两种方法:1.能够改变系统实时状态的自动化技术;2.能够使人们改变行为习惯或者做长线投资的说服力。Opower开创了关于说服力的解决方案,也就是提供用户及其邻里之间使用能源的对比数据。根据他们自己的研究,这些具有说服力的数据能使能耗降低2到3个百分点。
反馈数据
你了解你的顾客的真实想法吗?你也许认为你了解,但是你可能错了。在不远的将来,生产者还能分析从已销售的产品中获取的数据,从而更好地了解产品在现实世界中的使用情况。现在大部分公司并不太了解他们产品的使用状况。这些产品从分销商处装运,从零售商处销售,最后进入了千家万户。而使用者和生产者可能永远都不会有交集。
物联网创造了一个从消费者到生产者的反馈回路,在这里产品生产者可以通过适度水平的隐私、安全以及匿名性来检验产品的实际表现,并鼓励持续的产品改进和创新。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 8-1 Pandas 数据重塑 - 数据变形 数据重塑(Reshaping) 数据重塑,顾名思义就是给数据做各种变 ...
2024-11-26统计学基础 - 理解统计学的基本概念和方法是数据分析师必备的技能之一。统计学为他们提供了处理数据、进行推断和建模的基础。 数 ...
2024-11-25数据分析师在如今信息爆炸的时代扮演着至关重要的角色。他们不仅需要具备扎实的数据分析技能,还需要不断学习和适应不断发展的技 ...
2024-11-25数据分析师的工作职责涉及多个关键方面,从数据的获取到处理、分析再到可视化,旨在为企业的决策提供有力支持。让我们深入了解数 ...
2024-11-25数据分析师:洞察力量的引擎 数据分析师的兴起 数据分析师行业目前正处于快速发展阶段,市场需求持续增长,薪资水平也有所提升。 ...
2024-11-25数据收集与整理 - 从各种来源收集数据,清洗和整理以确保数据质量和可用性。 数据分析与建模 - 运用统计学方法和机器学习模型对 ...
2024-11-25数据分析是当今社会中不可或缺的一项技能,涵盖了广泛的工具和技术。其中,掌握各种数据处理函数对于数据分析师至关重要。本文将 ...
2024-11-25“大数据治理”是一个涵盖广泛的复杂概念,其核心在于确保大规模、多样化的数据资源能够被有效管理和利用。不仅涉及数据的采集、 ...
2024-11-25一、引言 背景介绍 随着信息技术的快速发展和互联网的普及,大数据已经成为现代社会的重要资产。大数据的兴起不仅推动了各行各业 ...
2024-11-25《Python数据分析极简入门》 第2节 7 Pandas分组聚合 分组聚合(group by)顾名思义就是分2步: 先分组:根据某列数据的值进行 ...
2024-11-25数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22