找准十大关键方向，让物联网助力智能生活

据上海羿歌所了解，“从架构层面讲，最重要的是对这些系统进行合理设计，这样大家才能够根据实际使用习惯、具体客户类型(例如快餐店)、相关保险厂商或者FDA的要求对数据进行清理、富集与发布，”意大利中西部物联网委员会联席主席DonDeLoach解释称。“如果我是一家明智的物联网设备制造商，那么我会乐于获取并持有这些数据，但医院、餐厅或者零售店等客户可能会对此持反对意见，因为这些数据能够成为其决策的重要基础甚至改变其具体运营方向。”

数据治理工作需要进行重新考量

在制定面向物联网的业务迁移决策时，大家必须通盘考虑到数据的收集、存储、保护、处理、分析以及使用等各类相关问题。考虑到物联网设备所产生数据的庞大规模，我们必须要能够以自动化方式解决与数据相关的各类潜在难题，例如哪些数据应被保留或者加以使用，而谁又能够出于必要目的对其内容进行访问。

“最大的难题在于治理——谁持有数据、谁负责数据管理以及如何保护其中的隐私内容。治理工作在架构部署流程中的重要性将愈发凸显，”意大利中西部物联网委员会联席主席DeLoach解释称。

隐私问题需要得到进一步关注

物联网帮助企业收集到更多信息与更多与个人、位置以及其它前所未有的细节层面的具体数据。有鉴于此，企业应当了解到隐私管理政策的重要意义以及物联网的出现会对此类政策造成怎样的影响。

“自动驾驶车辆已经开始通过蓝牙、3G或者4G网络与物联网中枢相对接。到那个时候，将会有更多关于个人驾驶习惯、各时间段所处位置、实际路况以及过程中所传输信息的有趣数据被收集起来，”BoozAllenHamilton公司的Jacobsohn预测称。

企业需要采取合适的角度以理解其收集到的信息类型，包括其是否属于敏感信息、人们对相关收集行为抱有怎样的态度以及是否应当对其中部分信息进行舍弃。他们还需要了解自己不需要收集哪些信息，并确保对敏感信息加以严格保护。

机器学习将成为一种必要

数据总量越大，企业就越是需要利用机器学习将其真正转化为有价值信息。

“考虑到我们目前所拥有的庞大数据总量，未来我们将无法以人力或者手动方式解决此类计算难题。大家需要以机器学习方式识别庞大信息之间的内容关联性，从而实现资产的预测性维护以及其它相关既定目标，“硬件与软件解决方案供应商C3Energy公司高级副总裁HoumanBehzadi指出。

目前一家东海岸设施厂商已经开始尝试理解其传感器网络生成的运行状态信息，并借此防止潜在的欺诈行为。通过对数据源的简单分析规则处理，该公司得以在一年当中识别出数百起欺诈活动，但这套方案的准确率只有可怜的30%。而在机器学习机制的帮助下，该敲诈厂商立即将欺诈行为的发现总量提高到20000起，而且最终达到了90%的理想准确率水平，Behzadi解释称。

再次强调商业案例的必要性

物联网设备的普及亦有可能如其它类型的技术投资一样最终无法带来任何有意义的收益。换言之，如果在采购相关方案时没有为其设置既定商业目标，那么企业将很难通过这笔投资获得理想中的回报。

“物联网设备的介入绝不仅仅表现为获取及汇总数据。大家需要自始至终在思维当中考虑到相关分析机制。我们希望实现怎样的目标，又打算最终拿出怎样的项目方案?”戴尔公司信息管理部门首席研究官ShawnRogers在一次采访中表示。“在起步阶段，大家需要审视现有的良好执行方针，并考虑否则对其进一步优化。以分析为先并观察其具体结果。确保我们拥有数据管理与数据集成基础设施。大家还需要确保自己拥有先进安全策略与必要的执行能力。”

组织敏捷性至关重要

企业面临着快速利用数据实现具体价值的压力。考虑到物联网设备的实时特性以及基础设施的复杂性，利用灵活性实现价值的持续驱动就成为一种必要能力。

“传统项目规划是一个漫长而艰难的过程，来自各个部门的员工需要把自己的要求写下来，而后对各项内容进行优先级排序。而在某些大型企业当中，这项工作甚至需要耗时一整年，”普华永道公司合伙人OliverHalter表示。“而在物联网与大数据的普及趋势之下，我们根本没有如此充裕的时间周期。我们需要敏捷团队与敏捷的运营模式。”

包括物联网项目在内的大数据趋势往往要求我们采用一套混合型解决方案，从而将内部资源与外部资源以互补方式聚合在一起。鉴于迅猛的技术变化与持续演进的市场需求，企业往往需要依靠来自外部的专业知识作为指导，从而保持自身强大的市场竞争力。除此之外，由于物联网能够对企业的业务发展战略产生直接影响，因此其应当采用双峰结构(即将集中式IT服务与面向特定部门或者