大数据拦路 智能联网设备面临四大难题
上周拉斯维加斯举行的CES大展的主题便是物联网以及组成物联网的各种智能设备。每个参展商都能拿出某种号称最智能的新鲜玩意。但是这些智能设备真的智能吗?大数据和物联网一体两面。物联网收集来自各种智能设备的数据,这些数据需要被进行分类、重组并产生合理的决定。然后物联网利用终端智能设备来实施这些决定。这才是真正的智能化。
目前,随着智能设备的快速增长,在缺乏应用背景以及用户群的情况下,智能联网设备面临四大数据难题,阻碍了智能化的发展。虽然智能联网设备所面临的数据问题显而意见,但似乎很少有人想要真正讨论这些问题。
问题一:功能过于单一,没人会穿戴50种设备
CES大展上,VentureBeat网站的哈里森·韦伯在身上使用了56种可穿戴设备。如今的物联网科技创业者已经早就在前辈身上吸取了失败的教训,那就是任何产品使用起来一定要简单。因此,一种设备能把一件事真正做好就已经成功了。但是在未来智能设备爆发的情况下,衡量睡眠、进食速度或膝关节健康的设备都要分开穿戴的话,显然不太现实。
没有人愿意像哈里森·韦伯那样管理和穿戴50种智能设备。要不然你看起来就会是一名智能设备推销员。今天的智能设备创业公司正在用大量的单一解决方案来帮助简化人们的生活。为了实现简单易用的目标,这些公司过于集中在一个单一的问题上。CES走廊充斥着的智能瑜伽垫、智能阳光强度感应器、智能癫痫探测器、智能滑雪板等产品,让人变得无所适从。
问题二:获得传感器数据不是目的
就拿上文提到的阳光强度感应器来说。你真的需要一个腕带来感知当下的阳光强度吗?是不是可以使用智能手机来查询目前的光照强度,以确定是否应该出门。而不是出门后使用某种智能设备定期测量光照水平。前者的预判才是真正的智能,读取传感器数据谈不上什么智能设备,只是手段而已。
智能联网设备崛起后,会有大批的相关公司倒闭。只有少数的企业才能生存下来。这些幸存者将是那些能够发现更多数据背后信息,由此做出预判的设备。这意味着大量的数据挖掘能力。
早期版本的Jawbone的可穿戴健身设备,都要求配戴者手动登录他们的活动内容。而最近的版本则变成将正在进行的活动与已知活动模式进行比较,来对活动内容进行猜测。这就是从简单的数据读取,到真正智能化的最好例证。
问题三:数据无法共享
智能设备的崛起意味着传感器数据的几何增长。除非你是大型可穿戴设厂商-比如Jawbone、Fitbit、Withings等,否则可能无法收集足够的用户数据来获得用户生活的突破性发现。这使得大厂商有很强的先发优势。
当可穿戴设备厂商不可避免地被整合,所有倒闭公司收集的数据将会消失。目前,不同品牌可穿戴设备之间几乎没有任何数据共享。
人们不愿意从苹果切换到Android的最大原因就是操作的熟悉度和iTunes中的数据。同样地,在物联网的世界,数据的排他性阻止了用户在不同的设备之间切换。这也是为什么每个智能设备提供商都试图成为我们健康、家庭或财务的中心节点。
就像三星CEO在他的CES主题演讲中说的那样,“人们都希望为物联网创建一个单一的操作系统,但有这些想法的人目前都只关注自己的产品。”
问题四:数据挖掘并不易
如果数据不能改变你的行为,那搜集起来还有什么用呢?CES上有一款应用叫做V1bes,自称是“心灵应用程序”。它可以测量压力水平和大脑活动。
这一应用听起来很有用。但是知道压力水平,只是搜集到数据的表象,产生这种压力水平的原因无从得知。也许这些数据可以告诉用户压力水平过高,但是它并没有告诉用户可以引发慢性抑郁的压力来自哪里。
另一家叫做Narrative Clip的公司做的可能好的多。这家公司的产品每30秒就会拍摄一张照片来记录用户的生活,利用该公司的独特算法来决定哪些东西需要进一步分析,这种产品可能会让用户找到触发压力的线索。
不过,这次的CES有一点很明确,那就是智能联网设备市场不久的将来一定会爆发。我们正处在各种想法的漩涡之中,但很多都会胎死腹中。这些想法要么过于单一,要么无法对我们的生活产生任何帮助。智能终端、物联网和互联网大数据就是支撑这一市场的桩脚,忽略任何一环都无法支撑起一个有效的市场。目前智能终端和物联网无论从技术上还是实际应用上都日趋成熟,但是在智能化背后起核心作用的大数据却被有意无意的忽略。
数据分析咨询请扫描二维码
《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数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21