以數(shù)據(jù)為導向的物聯(lián)網(wǎng)方向有哪一些

根據(jù)IDC的最新報告，數(shù)字化轉(zhuǎn)型支出預計將在未來四年內(nèi)超過6萬億美元，并且相信僅在2019年底之前，全球企業(yè)在數(shù)字化轉(zhuǎn)型方面的支出就將超過1萬億美元。

該報告還指出，加工、離散制造和運輸?shù)刃袠I(yè)將是最大的支出者。這些投資正在推動機器學習（ML）和物聯(lián)網(wǎng)（IoT）的發(fā)展，以改善客戶體驗以及運營效率和準確性。隨著公司開始采用數(shù)字化轉(zhuǎn)型，2020年將看到更多的變化。

1. 大數(shù)據(jù)成長為龐大的數(shù)據(jù)

根據(jù)Network World的一篇文章，“ IDC預測，到2025年，全球數(shù)據(jù)的總和將從今年的33ZB增加到175ZB，復合年增長率為61%?！?（1 zettabyte等于1萬億GB。）這意味著我們不僅會看到IoT生成的實時數(shù)據(jù)的數(shù)量大量增加，而且還將看到企業(yè)創(chuàng)建和管理的大量新數(shù)據(jù)。

到2025年，將在企業(yè)與消費者之間創(chuàng)建和管理175ZB數(shù)據(jù)中的近60%。推動這一增長的是物聯(lián)網(wǎng)邊緣設備，它向云發(fā)送信息波。

2. 物聯(lián)網(wǎng)和機器學習不再是未來的技術(shù)

人力沒有能力分析如此大量的數(shù)據(jù)，因此企業(yè)將尋找使用ML來擴充進行分析的新方法。由于數(shù)據(jù)量巨大，物聯(lián)網(wǎng)應被視為當今數(shù)據(jù)驅(qū)動型經(jīng)濟的骨干。為了理解這些數(shù)據(jù)，物聯(lián)網(wǎng)產(chǎn)品和服務的發(fā)展將不再側(cè)重于核心技術(shù)，而更多地側(cè)重于更好地利用收集到的數(shù)據(jù)的技術(shù)。

3. 數(shù)據(jù)即服務

隨著每天開發(fā)的所有數(shù)據(jù)（到2020年，每個人每秒將創(chuàng)建1.7MB數(shù)據(jù)），使用這些數(shù)據(jù)來做出更明智的業(yè)務決策才有意義。

例如，KAR Global已發(fā)布了一個平臺，可為汽車經(jīng)銷商提供當前需求汽車的廣角視圖。除了庫存細分分析和營銷建議之外，該平臺還顯示了最佳的投資回報率以及經(jīng)銷商如何轉(zhuǎn)移不良車輛。所有這些都以專有的方式使用了KAR及其客戶提供的數(shù)據(jù)，從而使整個汽車銷售行業(yè)受益。我們應該期望其他行業(yè)以同樣的方式開始使用DaaS模型進行決策。

4. 打包應用程序的下降

取代下載應用程序，漸進式Web應用程序（PWA）很快將變得更加普遍。 PWA的訪問方式與從應用程序商店下載的PWA相同，但是它們加載速度更快，更安全并且尺寸更小。 Lumavate等公司幫助賽車、醫(yī)療制造、建筑和金融服務等行業(yè)的開發(fā)人員從本機應用程序轉(zhuǎn)變?yōu)榫哂谐杀拘б娴腜WA，最終提供了更好的用戶體驗并釋放了設備空間。

5. 規(guī)范分析

規(guī)范分析超出了預測可能的選項的范圍，而是建議了一系列操作以及這些操作的潛在結(jié)果。隨著更多工具的可用，這種類型的數(shù)據(jù)分析正成為新的趨勢。

自動駕駛汽車就是一個很好的例子。無人駕駛汽車必須基于分析數(shù)據(jù)進行數(shù)百萬次計算，以決定何時轉(zhuǎn)彎，改變車道等。

石油和天然氣行業(yè)還使用規(guī)范分析來評估供應，需求，價格以及變化時對行業(yè)的影響。規(guī)范性分析和預測性分析作為商業(yè)智能協(xié)同工作，可為高管提供洞察力以及對公司數(shù)據(jù)的遠見。

6. 實際上，人工智能將創(chuàng)造比失去更多的工作機會

預計到2020年，人工智能將減少180萬個工作崗位，但還將創(chuàng)造230萬個工作崗位。醫(yī)療、教育和公共部門等行業(yè)將看到不斷增長的工作需求。雖然中低層職位將受到最大的沖擊，但這類類型的工人將在太陽能等行業(yè)中嶄露頭角，太陽能是目前增長最快的創(chuàng)造就業(yè)的行業(yè)。工業(yè)制造行業(yè)也在努力提高其勞動力的素質(zhì)，將其員工的技術(shù)和非技術(shù)知識與數(shù)字化轉(zhuǎn)型相結(jié)合。

7. 通過機器學習增強工作

機器學習曾經(jīng)意味著自動化任務和替代人工?，F(xiàn)在的重點是ML增強人類工作能力的能力，以使我們更具生產(chǎn)力和效率。 2020年，我們將看到旨在優(yōu)化物流，零售和機器人技術(shù)的機器學習模型。諸如推薦引擎，欺詐檢測和機器人流程自動化之類的事情將成為標準，并使行業(yè)競爭更加激烈。

8. 機器人過程自動化（RPA）

今年，德勤（Deloitte）看到企業(yè)將用于庫存管理等日常業(yè)務任務的智能自動化工具（例如機器人流程自動化）數(shù)量翻了一番。特別是制造業(yè)，多年來一直在關(guān)注RPA，并將在2020年增加采用RPA。制造業(yè)中已經(jīng)成功的RPA解決方案包括訂單履行、采購訂單處理、庫存報告和運輸管理。實施RPA的高管注意到，員工通過戰(zhàn)略和創(chuàng)新思維更加投入。

無論是哪個行業(yè)，為了保持競爭力，都將越來越需要在物聯(lián)網(wǎng)、機器學習和數(shù)據(jù)分析方面進行投資。明年和將來，我們將在技術(shù)上看到的大多數(shù)內(nèi)容都將集中在IoT產(chǎn)品和服務上，這些產(chǎn)品和服務使我們能夠理解到第二年獲得的數(shù)據(jù)?，F(xiàn)在，建立和分析數(shù)據(jù)可為企業(yè)提供比以往更多的信息。在2020年，他們將使用這些數(shù)據(jù)來提升客戶，員工和利益相關(guān)者的體驗。