摘要： 隨著智能設備進一步擴大其在商業和消費領域的影響力，誰不會考慮物聯網（IoT）市場的爆炸性影響？
隨著智能設備進一步擴大其在商業和消費領域的影響力，誰不會考慮物聯網（IoT）市場的爆炸性影響？
John McDonald一個物聯網解決方案提供商，ClearObject，的CEO，和那些尋求'理解技術對他們商務的意義、實現可能如何導致顧客回流，還有怎麼利用這些資料生成的物件'的公司合作已成為常態。
“這是一個基於收集數據點，創造產出並將其作為金塊來創造線索和機會的經濟體，”他說。無論如何，它都是將實體商業模式轉變為與現在完全不同的東西。
例如，McDonald指向一位ClearObject客戶，這是印第安納州一家小型燃氣灶點火器製造商，已經營業超過四分之一世紀。它突然與IoT如何改變其業務面對面交流。它希望競標大型家電製造商的合同，但該製造商已經在考慮如何將傳感器技術用於為客戶提供主動支持服務。
為了贏得業務，點火器供應商必須能夠安裝能夠檢測點火器即將發生故障的傳感器。當設備公司收到數據時，可能需要採取措施在事件發生之前更換客戶。
McDonald表示，公司的首席執行官知道加利福尼亞或中國的一些技術供應商會知道如何做到這一點，如果該公司無法弄清楚如何做到這一點的話， - 而且很可能是製造商在未來25年內不會開展業務。生存意味著成為物聯網公司。他說 “我們幫助像這樣的公司建立和運行他們的數位產品，增強和支持和區分他們製造的實體產品，”。
大數據變得更大
ClearObject幫助公司管理他們投入產品的智能的歷史不斷發展，以幫助他們從他們的產品中獲取數據並使用它來執行分析。
“數據收集的表面區域變得如此之快，”他說。 “我們真正開始超越大數據時代，你只是想收集所有數據。太多了。“
他說，重新思考是有條不紊的，因為手動切片，切割和解釋數據雪崩將僅靠人力使用是不可持續的。將智能設備數據與人類訓練的機器學習模型結合起來是解釋數據的道路 - 無論它有多少 - 並幫助人們理解它。
“這有助於您處理更好的數據，因為您可以從產品中攝取更多數據，”McDonald說。 “你可以更快地理解它告訴你的內容，並將其付諸實踐，以便將其貨幣化。”
期待和準備抵抗
當然，沒有任何後果。在物聯網的情況下，問題很可能會出現 - 實際上已經來自消費者，他們想知道公司應該能夠訪問多少數據。
例如，今天，任何五歲以下的汽車都具有傳感器和軟件能力，可以學習很多並且可以根據個人消費者信息做很多事情。 “日常設備中的軟件爆炸式增長，”2019年Mercedes Benz S550就是一個例子。它擁有2000萬行軟件代碼，其中1400萬封在無線電中。
從理論上講，傳感器可以與機器學習相結合，以了解個別駕駛員並實時提出建議。例如，它的傳感器可以檢測到3點鐘的傳感器。汽車駛入和駛出車道，並得出結論說司機可能會疲憊不堪。再加上個人數據，有一個星巴克離開基於駕駛員的手機定位跟踪應用程序有兩個出口，例如，它可能為汽車採用的技術為“提示”，司機可能要停在那裡。也許它甚至從其他數據中得知它已經收集到了駕駛員喜歡鮮奶濃縮咖啡，並且它可以提供移動訂單，以便在他們到達那裡時準備就緒。
“汽車認為你需要咖啡數據點，”McDonald說 - 如咖啡“喜歡”，空間意識等等。 “這些數據點本身並不重要，”但是當它們組裝在一起時，它們是一個不同的故事。
他說，汽車製造商沒有採取這樣的措施，因為消費者不希望他們這樣做。有人擔心這些數據可供第三方使用 - 例如，可能是附近的酒店可以使用它來推銷房間，或者警察部門可以使用它來預防事故，但也有機會寫下來交通違規。 他說。“所以你應該把這功能關掉了，”
但是，有一種方法可以使用機器學習數據來訓練模型，這樣只有最少量的實時數據才能提供價值，他說，這對一個人來說可能是真正的幫助而不是引起關注。例如，如果汽車的數據顯示它是在清晨，那麼推斷駕駛汽車的人（無論他們是誰）可能需要咖啡並不是不合理的。 “模型可以使用匿名數據構建。沒有必要特別知道你喜歡咖啡;它只是使用數據來推斷你可能需要咖啡，“他說。
讓它成為一個成功的主張
他說，問題在於，這個行業並沒有真正讓消費者看到為自己的生活分享數據的價值。人們可能沒有智能恆溫器，因為他們擔心他們的製造商可能會在他們離開房子時以及當他們回來時進行跟踪。這對他們沒有價值。但是，如果該公司每個月都向消費者發送一封信，感謝他們的數據，並附上一份價值，那麼這可能是一個不同的故事。
“問題是從數據本身回歸到數據來源，”McDonald說。 “如果您可以追踪數據點的使用方式，包括數據點的來源，您可以重新獲取價值所有數據。”
在不久的將來，期望商業價值不再僅僅來自他們的工作 - 無論是製造，移動還是增長 - 而是他們對數據的處理方式。 “這是一個全新的偉大創造者和商業價值的破壞者，”McDonald說。 “它為任何規模的公司提供了徹底改變遊戲的機會。”
轉貼自： DATAVERSITY
若喜歡本文，請關注我們的臉書：Big Data In Finance
留下你的回應
以訪客張貼回應