现代企业如何使用 IoT 数据来刺激创新

很少有现代技术能够像物联网 (IoT) 的最新发展一样引发集体想象。此术语由创新者 Kevin Ashton 在 1999 年首次提出，用于描述一个巨大、互联的物体世界，这些物体通过互联网分享信息，支持联网设备自主执行任务。¹

如今，得益于 5G 技术的普及，IoT 设备已随处可见。从汽车和家用电器到无人机、卫星，乃至整个制造工厂，嵌入式传感器都能通过快如闪电的网络收集和分享数据，使人工智能 (AI) 和云计算等尖端科技得以蓬勃发展。据《福布斯》报道，近年来 IoT 设备数量增长超过一倍，从 2018 年的 10.3 亿台增至 2025 年的 25 亿台。²

然而，海量大数据维系着众多 IoT 应用程序的性能，企业需要安全地收集和存储大数据，才能使应用程序正常运行。从全自动制造设施到更智能的城市和能源网，IoT 设备生成的数据之多，让企业难以“招架”，

而边缘计算技术则提高了企业处理 IoT 生成数据的灵活性。边缘计算是一种分布式计算框架，它使数据能够在更靠近其来源的地方进行处理，即高速网络数据传输的“边缘”。这减少了在集中式数据中心处理 IoT 数据时常见的延迟和带宽问题。

“大数据”一词描述了企业从各种来源收集的信息，这些来源包括社交媒体、互联网和数据库。从技术上讲，IoT 数据是大数据的一个子集，只处理从连接到 IoT 网络的设备（例如传感器或仪表）所收集的信息。然而，IoT 数据在三大关键维度上与众不同，必须进行针对处理。

IoT 数据由连接到互联网的设备生成。然而，大数据可以由多个来源生成，例如用户的社交媒体历史、金融交易等。这意味着，IoT 数据通常结构严密、格式规范，受到提供信息的设备（如仪表或传感器）的限制。然而，大数据通常是非结构化的。

设计用于处理大型非结构化数据集的数据中心通常无法胜任持续处理数据的任务，可能会导致延迟和准确性问题，而处理此类任务是大多数 IoT 应用的核心要求。

联网 IoT 设备的数量不断增长，产生了惊人的数据量。根据最近的一项研究，IoT 设备在 2022 年生成了 86 PB 的信息，到 2027 年将生成超过 1,100 PB 的信息，增长率超过 1,000%。³

传统数据中心并非为如此海量的数据而构建，尤其是 IoT 设备旨在实现数据的持续传输。数据洪流不仅迅速填满存储系统，更引发一系列问题。

IoT 数据实时发送且需要立即处理，以便其驱动的应用程序能够有效运行。想象一下，如果自动驾驶汽车要等待交通信号灯数据在数据中心处理完毕并返回后，才能做出反应。大数据通常包括历史数据，这些数据可以在不影响相关应用程序性能的情况下分批、分时处理。

传统数据中心（容纳 IT 基础架构的实体本地建筑）旨在分批、分时存储和处理大量非结构化数据。虽然该架构适用于处理大规模、复杂的数据，但它无法满足 IoT 工作量的数量、规模和实时需求。

IoT 技术所依赖的数据源数量庞大且复杂，加之设备传输的数据量与速度，往往令传统数据中心不堪重负。因此，边缘计算和“边缘数据中心”更适合存储和处理数据。

边缘解决方案为 IoT 设备的传统数据中心模式提供了引人注目的替代方案。与传统的数据处理方法不同，边缘计算的一个优势是，可以在接收数据时对其进行处理和分析。它甚至接近数据生成点而不是发送到云或传统数据库。

借助边缘解决方案，位于网络边缘的非关系型数据库 (NoSQL) 应用程序便可实时处理和分析 IoT 设备生成的数据。例如，就无人驾驶汽车而言，边缘计算对于实现实时响应功能以避免发生碰撞至关重要。

这种方法可用于许多 IoT 应用（根据设备的不同，在设计上也略有不同），有助于减少网络拥塞，实现实时响应能力。然而，即使有了这些增强型边缘解决方案，IoT 设备收集的数据仍然超出其正常运行所需的范围

由于 IoT 设备仅使用小部分生成的数据量，因此一些企业决定丢弃额外数据。从表面上看，这似乎是一个相对简单的解决方案，但 IoT 数据并非可以装袋后随意弃置路边的垃圾。IoT 设备存在于家庭、汽车和其他私人空间内，通常包含高度个人化且受严格监管的信息。

例如，除了检测风速或交通信号灯的颜色之外， IoT 设备还可生成大量个人身份信息 (PII)。部分示例包括：个人位置、财务记录、互联网使用情况等。这些数据的收集、存储和分析必须遵守严格的数据主权法，违反这些法律要付出高昂的代价。

那么，如果必须安全地存储 IoT 设备所收集的数据，企业应如何利用这些数据来生成洞察分析并使其服务于宏大的商业目的呢？

IoT 连接设备所生成的潜在数据用例令人震惊。根据最近的一份报告，IoT 设备生成的数据将在未来 5 年内释放 5.5 万亿至 12.6 万亿美元的价值。⁴

当 IoT 设备生成的数据按照所有相关的地方法律安全地存储并处理时，它就能帮助企业发掘洞察分析、探索趋势以及规划未来产品。以下是现代企业运用 IoT 数据的五个领域。

智能冰箱、自动驾驶汽车和智能家居电能传感器等 IoT 设备可帮助客户自动执行以前需要手动输入的流程。但它们还可以对客户行为、偏好生成有价值的洞察分析，甚至帮助公司规划新产品。

例如，公司可以使用智能冰箱生成的数据来了解客户更喜欢哪些产品，并将这些信息出售给第三方或利用这些信息向他们推销更多服务。

边缘计算对于农民选择种植哪种作物、如何收获以及如何应对不断变化的天气条件具有巨大的潜力。

使用嵌入土壤和农作物的传感器提供的实时信息，他们可以更有效地管理生长和肥料，并发现侵扰等潜在威胁。饲养牲畜的牧场主正在转向边缘计算，以远程监控动物并检测疾病的早期迹象。

工业厂房中的智能监控系统嵌入了数百个配备传感器的 IoT 设备，可提供温度、运行效率、速度等信息。虽然这些系统有助于自动执行以往需要人工干预的流程，但它们也能生成可用于其他用途的数据。

例如，在预测性维护领域，企业正在利用 IoT 数据更好地规划停机时间，确保最有价值的资产能够以最高效率运行。机器传感器中的信息可准确预测某些组件何时发生故障，从而为维护实践提供依据，并帮助管理人员在非高峰使用时段安排维修。

医疗保健行业的智能设备——如监测心率、血糖等指标的手表，有助于改善各种疾病患者的护理及疗效。与其他行业一样，这些设备从患者那里收集的信息比 IoT 设备正常运行所需的信息还要多。

例如，如果患者使用可穿戴设备跟踪心率，他们可以选择一项服务来使用设备数据，根据可穿戴设备所收集的其他信息提供膳食补充剂或锻炼计划建议。

连接到网络的摄像头和运动传感器等 IoT 设备正在对安全行业产生巨大影响。新的 IoT 设备可以降低操作员和安保人员面临的风险，有时甚至无需亲自巡逻。

此外，这些设备生成的信息正在改进安全公司提供服务的方式。例如，可以分析这些摄像头和其他传感器收集的信息，以预测威胁、识别模式并设计更主动的响应。

IoT 设备生成的数据量异常庞大，让企业无从下手；但随着 5G 无线连接和边缘计算的发展，企业也在探索新的应用程序。

如今，IoT 设备几乎无处不在，它们从家用电器、无人驾驶汽车、卫星等各种设备中收集信息。在边缘实时处理数据，而非像过去那样将其迁移至服务器，为开发极具突破性的全新应用程序铺平了道路。

从智能工厂和城市到 IoT 驱动的医疗保健解决方案以及远程设施和设备监控，企业 IoT 和边缘计算应用程序的数量正在迅速增长。通过投资边缘计算和 IoT，企业可以加速数字化转型，从而针对流程获取新的洞察分析，并根据实时数据及时采取行动。