The Future of IoT:

Why We Need the Open Interconnect Consortium

康橋白光車牌攝影機，

任何顏色車牌——都拍攝的清清楚楚！

來源：雅宁财经

全球物聯網行業市場規模

整體來看，全球物聯網相關技術、標準、應用、服務，還處於起步階段，物聯網核心技術持續發展，標準體系加快建構，產業體系處於建立和完善過程中。

未來幾年，全球物聯網市場規模，將出現快速成長。據預計，未來十年，全球物聯網將實現大規模普及，年均複合增速將保持在20%左右，到2022年全球物聯網市場規模，有望達到2.3萬億美元左右。

2017-2022年全球物聯網整體市場規模變化趨勢及預測(單位：萬億美元，%)

為此，先進國家紛紛頒布政策進行戰略佈局，搶抓新一輪資訊產業的發展先機。美國以物聯網應用為核心的「智慧地球」計劃、歐盟的十四點行動計劃、日本的「U-Japan計劃」、韓國的「IT839戰略」和「u-Korea」戰略、新加坡的「下一代 I-Hub」計劃、台灣的U-Taiwan計劃等，都將物聯網作為當前發展的重要戰略目標。

據測算，2017年全球物聯網設備數量將達到84億，比2016年的64億成長31%，2020年物聯網設備數量將達到204億。

2014-2020年全球物聯網設備數量統計及預測(單位：億台)

物聯網未來發展趨勢分析

物聯網正成為經濟社會綠色、智慧、可持續發展的關鍵基礎，和重要引擎。隨著物聯網技術產品的不斷成熟，物聯網的潛力和成長性正逐步凸顯，應用將加速滲透到生產和生活各個環節，市場規模不斷擴大；產業潛力將加快釋放，市場化的資源配置機制逐步確立；物聯網與傳統產業的深度融合將加劇，並帶來生產方式和生活方式的深刻變革。

(1)物聯網與行動網路融合方向市場潛力空間巨大

行動網路與物聯網是最具發展潛力的兩大資通信產業：移動互聯網主要面向個人消費者市場，側重於提供大眾消費性、全球性的服務；而物聯網主要側重於行業性、區域性的服務。

當前，行動網路正進入高速普及期，成功的產品和服務模式，不斷向其它產業領域延伸滲透，而處於起步階段的物聯網，也開始融入行動網路元素，行動網路與物聯網的結合成為物聯網發展最有市場潛力和創新空間的方向。

(2)M2M、車聯網市場最具內生動力，商業化發展更加成熟

市場需求、成本、標準化、技術成熟度、商業模式是影響物聯網應用規模化推廣的主要因素，M2M和車聯網市場內生動力強大，相關技術標準日趨成熟，全面推廣的各方面條件基本具備，將成為物聯網應用的率先突破方向。

(3)行業應用仍將持續穩步發展，蘊含巨大提升空間

行業應用仍然是物聯網發展的重要領域。在工業、農業、電力、交通、物流、安控、環保等行業領域，物聯網應用提升的空間廣闊。

(4)萬物互聯時代全面開啓

全球互聯網連接成長步入動力轉換階段。全球互聯網正從「人人相聯」向「萬物互聯」邁進，物聯網作為互聯網的網路延伸和應用拓展，實現對物理世界的感知辨識、即時控制、精確管理和科學決策。

在消費領域，融合互聯網與物聯網特徵的，智慧可穿戴設備快速普及，預計每年全球出貨量將達到1.1億；在生產領域，Forrester 調查表明33%的企業，已經或計劃佈署物聯網解決方案，25%的企業則已經開展評估；在城市管理領域，物聯網成為智慧城市核心要素，在公共安全、城市交通、管網監測等方面取得廣泛應用。

從未來發展前景看，物聯網市場規模巨大。2016年，美國和西歐的物聯網投入資金，將分別達到2320億元和1450億元，預期至2020年物聯網營收規模，增速分別達到16.1%和18.9%。據麥肯錫預測，2025年物聯網對全球經濟貢獻，將達到11.1萬億元，佔全球GDP總量的11%。

物聯網助力產品向「使用」轉移

消費者獲取產品價值，實質上是消費者在使用過程中，使產品與時間結合進行「生產」所得到的效用。簡單來說，產品價值在於消費者花費時間使用它，根據個人期望創造能效。

原本的經濟學理論中，時間的價值只在「生產時間」的範圍內被考慮，管理學家們都把注意力集中在企業營運、產品生產的效率(efficiency)或效能(effectiveness)上，而對於非生產領域的時間或消費過程中，所花費時間的理論研究，卻很少涉及。

如今，經濟學家們已經意識到，產品的價值並非只是在其售出給消費者後就確定了的，它的價值還取決於消費者的使用，消費者在使用過程中的效率、方法、成本消耗，以及最終獲得的能效，才真正決定了產品的價值。

這部分使用價值被稱之為「消費者剩餘」，用一個公式來表示，產品價值=消費者剩餘+生產者剩餘，其中消費者剩餘是使用價值，而生產者剩餘是生產價值，兩者之和便是產品的真正價值。

隨著資訊技術發展，企業對產品的關注從「生產」向「使用」轉移，或者說關注產品的全生命週期(生產+使用)，將是一個必然的趨勢。原本，傳統企業並沒有能力直接粹取產品的使用價值。而物聯網的興起，一方面使得「物」在使用時的全方位資訊收集成為可能，另一方面也可以幫助企業實現，遠端資產管理，將「物」的消費形式，從產品銷售變為服務租賃。

企業可以透過部署物聯網應用，來收集、分析消費者在產品使用中產生各類數據(包括環境資訊)，一方面形成自主的決策機制和操作指令向設備發送，以提升用戶體驗和應用效能，另一方面，進一步提高產品的使用價值，減少過度開發，專注核心功能。

掌握企業的生產時間消費者的使用時間，是企業數位化轉型的目標，也是讓「資訊成環」的關鍵(麥肯錫認為物聯網的作用，就是讓企業的生產資訊形成「感知-預測-決策-執行」的操作環路)。

目前，業界對共享產品(包括共享單車)的疑慮和批評不少，但從整體來看，共享產品在挖掘「使用價值」方面潛力巨大，有顛覆傳統的商品消費形態的理論基礎和趨勢。

在未來，很多消費產品不再出售給用戶，而為企業所有並進行著管理，用戶按需租用的服務模式會越來越多見。企業透過共享租賃的模式，關注用戶的產品使用時間，並透過迅速的產品優化和營運服務，來增加消費者剩餘價值。自此，可以斷言，未來行業競爭的主戰場，將從生產線上轉移到使用環節。

在工業領域，同樣如此。工業領域提出的「數位孿生」「數位化映射」「增強現實」等概念和技術，都是將使用環節的資訊進行數位化，並融入到產品/設備的生命週期管理中，進行分析和預測，以進一步提升工業設備的能力和價值。

為了充分實現物聯網分析的潛力，您應該考慮以下五個事項：

1.真正看到數據，與數據交互

回想一下 Steve Jobs首次介紹 iPhone 時的情形。他為使用大尺寸觸螢幕提供了一個理由：每個應用都需要自己的用戶介面。類似的理由同樣適用於分析。

我們提出的每一個數據問題都需要自己的圖表和可視化視角；構成物聯網基礎的傳感器數據，呈現出爆炸式成長趨勢，更加需要不同的圖表和視角。

不幸的是，多數物聯網應用程序，採用了一成不變的視圖，或「閉端式儀表板」。除了回答一組預先確定的問題外，它們再無其他用途。

這些工具的靈活性，遠遠不足以滿足用戶的需求。「可鑽性」對於物聯網數據的使用價值至關重要。例如，您或許能夠使用一個物聯網應用程序的故障引擎數據，來預測今後的故障頻率和類型。但是，如果您希望查看出現故障的具體部件，情況又會如何？要回答這個非常自然的後續問題，交互性和共享能力至關重要。

理想的情況是，用戶與數據 — 以及其他數據探索者 — 進行隨意而深入的對話，讓每個人都可以發現引起變化的排列及模式。

2.組合可以提高數據品質

與這些深層問題密切相關的是物聯網成功的第二個關鍵因素：整合。交互式數據分析可以提供答案，物聯網數據與其他上下文資訊的組合同樣可以提供答案。

我們從一個消費者示例說起，例如透過組合 Fitbit 數據來探索健身方案與睡眠模式之間的潛在關聯。

現在，想像透過混合不同數據，來尋找企業級見解。噴射引擎中的嵌入式傳感器，有助於預測引擎何時需要維護。它可以預防故障，節省數十億美元的資金，甚至挽救生命。與其他資訊組合後，它還可以幫助我們為每個產品或區域制訂更好的預算決策。

3.迭代和優化

在我們生活的世界，「完美數據」這種說法越來越顯得自相矛盾。無論數據的構建方式有多麼完善，這些數據很可能儲存在您無法連接的數據源中，缺少關鍵元素，或者不具有支持深度分析的格式。這些缺點同樣存在於物聯網應用程序中，特別是在設備互操作性支持標準方面，未達成共識的情況下。

為了避免不完整數據，造成企業無法正常運轉，您必須透過迭代來找出正確答案。這尤其適用於不具備大體量數據可供挖掘的公司。一些組織重點使用基於傳感器的簡單數據流，來推動尋找簡單見解的項目，並通過這些項目實現分析的早日採用。

此類小規模舉措的門檻較低，有助於集蓄力量，以便應對更大的挑戰。

在迭代過程中，您發現「足夠好」的數據，通常足以定向性地回答幾乎所有問題。此外，透過更好地瞭解數據缺口，您可以解決流程問題，改進數據的捕獲和攝取方式，更加接近可以付諸行動的見解。

4.擁抱數據引力

您是否有跟蹤網站點擊流或測量消費者情緒?如果您在這樣做，那麼您就擁有外部數據，這些數據正在雲端生成和存儲。為什麼這麼說呢?降低日常開支，縮短啓動時間，以及進行無限擴展。據 Constellation Research 預計，到 2020 年，60% 的任務關鍵型數據都將位於公司外 - 短短三年之內，超過一半的數據會在外部生成。

這對物聯網分析而言意味著什麼?過去，業務數據在內部防火牆後方生成 — 因此，本地數據倉庫、管理員和分析工具的存在都是合理的。現在，您的組織必須積極採用順應數據引力的平台，在數據所在的位置執行和管理分析。只要看到雲中托管的工具能夠以多快的速度生成數據，您就會開始理解數據引力。

但轉換為基於雲的 BI 並不意味著一蹴而就。請記住，數據引力會影響分析的位置。因此，如果數據跨雲端和本地儲存，分析需要提供混合解決方案。雲服務是根據您的業務需求，提供相應支持，而不是一種非此即彼的解決方案。

5.不要考慮工具，考慮平台

物聯網數據常常來源不同，並且分散在多個相關和非相關的系統中，例如 Hadoop 群集、雲倉庫和 NoSQL 數據庫。因此，如果您認為自己可以憑借一款一成不變的物聯網工具，就能完成從數據到見解的整個過程，請摒棄這種想法。

要實現理想的分析效果，您需要可靠的數據準備和擴充方法、可擴展的儲存、為管控提供支持的目錄，最後還需要為最終用戶提供有助於發現見解的直觀分析平台。

現代組織將最佳解決方案組合成一個敏捷的堆棧，以便根據需求的變化對其進行調整。這些需求取決於多種因素，包括用戶角色、數量、訪問頻率、數據速度等。此堆棧採用適合該用例的架構，並構成您的數據策略基礎。其靈活性最終將驅動技術選擇。