将物联网购物车放在马面前

物联网平台的炒作即将到达渐进式，在500多个IoT平台（据估计）中，我们有一个令人眼花driage乱的阵列可以抗衡。这些平台中的大多数在物联网价值链的整个范围内提供不同级别的功能。有些人以不同的利基（连通性，边缘，分析等）运行，而较大的壁ni似乎是针对无所不包的命题。

但是，在所有这些方面仍然很普遍物联网平台。让传感器不断地散发出他们的情绪（又名测量值）的重点和着迷，并且能够可视化实时直播的“当下”的能力始终保持不变。客户也在驱动这种疯狂的情况，他们要求专注于从传感器中取出流媒体数据，摄入相同的流媒体数据并通过基本的趋势和异常分析可视化相同的实时。显然，物联网业务价值比实时数据获取和可视化更多的东西似乎吸引了物联网革命中的所有关注。

为了渴望采用物联网技术，物联网的表赌注似乎正在困扰真正的业务价值方程。我们真的想念树木的森林吗？我们对连通性和可视化的痴迷导致我们错过了有关物联网将如何的全局产生业务价值？简而言之，关键问题是“我们要把物联网手推车放在马面前吗？”

Gartner预测，到2020年，所有IoT项目中有80％在实施阶段将失败。对在整个终点线中获取数据的痴迷，希望它能引起人们的关注并创建一个物联网乌托邦，这似乎是放错了位置的。传感器在那里呆了很长时间。毫无疑问，由于集成，计算和带宽的进步，它们越来越便宜，丰富，并且更有能力，但是在持续提供可行的洞察力的基础上，可以更好地利用物联网平台的真正力量，从而提供真正的业务价值。显然，没有一个银色子弹，但是长期以来，在物联网实现业务价值方面的许多因素。

那么，以物联网驱动的业务价值的最终圣杯是什么？在数据，连通性，计算，算法，人才或过程中，这将使我们能够利用物联网的真正业务潜力？要回答这个问题，让我们探索每个因素和每个因素带来的价值。

数据：数据确实已经呈指数增殖，因此能够以一小部分成本捕获该数据。根据一些估计，在物联网革命的大规模出现之前，实际上通过分析实际提供的数据量仅为2％。技术肯定会在积累和分析此数据宝库中越来越好，并且肯定是数据科学会告诉我们数据越多，越好。数据可能是新的石油，但是这种油的质地和化学反应变得越来越复杂，随着非结构化的数据源构成了狮子的数据处理。这种新的数据油还将需要大量的炼油，混合和分发（在正确的情况下在正确的时间与正确的利益相关者）来交付货物。

计算：如果数据是油，则计算是保持发动机嗡嗡作响的能力。计算已经迅速发展，基于GPU的架构的主流采用和大量分布的并行处理已迎来了一场计算能力的革命。Compute还通过TAP上的基于云的环境的可用性启用了一个水平的竞争环境，从而消除了即使是具有绝佳想法的创业公司的潜在障碍和规模相关的挑战。

连接：连通性仍然是各种意大利面条，但构成了保持物联网引擎嗡嗡声的基本管道。多重标准在无线电和网络级别上都扩散，并且没有一个尺寸适合所有尺寸。但是，我们很幸运能成为一个连通性不再是约束的时代。多个竞争标准和协议可能会延迟我们的标准化之旅，但是连接仍然是将所有元素绑定在一起的脐带。

算法：据称，算法是蛋糕上的锦上添花，也是最受欢迎的地块。算法是很酷的东西，是物联网土地上的终极必杀技，但是算法依靠可靠的数据基础，计算并从同一功能中汲取力量。算法还需要处理多个方面，例如精度，召回，假阳性/负面因素，尽管围绕它们的炒作仍有多个挑战。在孤立的数据科学课堂环境中开发算法是一回事，将它们部署在生产环境中，并在上下文中使用它们来得出，然后应用见解是另一回事。上下文也会变化太快，算法需要通过连续刷新来保持步调，以保持相关性。

天赋：像在任何领域一样拥有合适的人才也是在物联网世界中取得真正成功的绝对基岩。但是，说起来容易做起来难，因为我们需要多种非常多样化的技能来成功地将物联网在生产景观中部署并运送商品。物联网需要跨学科的方法以及工程，域，IT，OT，数据科学技能以及真正强大的跨域计划管理观点的合并，以整合多个学科。至少在可预见的将来，良好的人才（尤其是跨学科的人才能够帮助整合各种观点）仍然是一个挑战。

过程：物联网仍然是一个相对较新的领域，并且规模扩大生产水平部署的过程和方法仍在不断发展。有论据既支持和反对对IT部署的基于敏捷的方法，这些方法在IT领域中已被证明是如此成功。物联网方法和最佳实践开发仍然是一项复杂的努力，具有多个运动部位以及IT和OT营地的完全不同的遗产和哲学。

因此，物联网平台需要扩大视野并发展成为更丰富的物联网生态系统，这些系统可以恰当地协调这些不同的方面并提供集成的价值驱动技术。为了使物联网在未来几十年中实现数万亿美元业务影响的愿景，这显然将采用一种“系统思维”方法来将上述所有观点整合到整体整体中。这就是我们将在购物车之前获得物联网马的方式！

所有的物联网议程网络贡献者都负责其帖子的内容和准确性。意见是作家的，不一定会传达物联网议程的思想。