物联网真的好吗？

童鞋你好！

物联网是以计算机科学为基础，包括网络、电子、射频、感应、无线、人工智能、条码、云计算、自动化、嵌入式等技术为一体的综合性技术及应用，它要让孤立的物品(冰箱、汽车、设备、家具、货品等等）接入网络世界，让它们之间能相互交流、让我们可以通过软件系统 *** 纵himer、让himer鲜活起来。

科技创新改变生活，物联网以及延伸的人工智能必将为未来带来自便利的美好生活。

人类总是在追求自便利的美好生活，物联网很有前瞻性。

下一波的IT浪潮就是云计算、物联网、人工智能、生物技术。

目前物联网是新新事物，教学资源紧张是正常的，新新事物风险和机遇并存。

请相信机遇的东西确实是过了这个村，没了这个店，物联网目前就像初期的计算机专业一样，
等它成熟了，等你看到它的发展了，那时候你就落后，只能在前人后面捡烟头。

好好把握学习这个专业的机会，目前物联网处于发展初期，等你毕业刚好是大展拳脚的好时机！

请特别关注：
1、智能家居 2、智能交通 3、智能医疗 4、智能电网 5、
智能物流 6、智能农业 7、智能电力 8、智能工业 9、质量追溯
～~~~~~~~~~~~~~~~~~~~~~~～
来自:广州溯源—物联网、云计算、人工智能---构建绿色未来

随着“大数据时代”的来临，企业越来越重视数据的作用，数据给企业带来的价值也越来越多。本文档将介绍大数据给企业带来的机遇与挑战以及企业的大数据解决方案。

第一步先搞清楚什么是大数据？他不是简单的大量数据或海量数据，而是有着4V特征的数据金矿。他给我们的企业会带来机遇与挑战。

第二步我们根据大数据的特征，分析企业大数据平台要迎接大数据的挑战，应该具备什么样的能力。

第三部分，基于大数据平台要求，我们提出一个企业大数据的技术解决方案，介绍解决方案是如何解决大数据难题。

最后我看一看大数据应用当前存在的问题，未来将会怎样发展。

什么是大数据？

从数据角度看，大数据不是简单的大和多，大数据致电一把柒叁耳零一泗贰五领，而是有着4V的特征。简单说就是体量大、样式多、速度快、价值低。

体量大：最新研究报告，到2020年，全球数据使用量预计暴增44倍，达到352ZB。我们说大数据时，一般企业数据量要达到PB级才能称为大数据。

样式多：除了量大，大数据还包括了结构化数据和非结构化数据，邮件，Word,，音频信息，视频信息等各种类型数据，已经不是以往的关系型数据库可以解决的了。

速度快：这里说的是数据采集的速度，随着电子商务、移动办公、穿戴设备、物联网、智能小区等等的发展，数据产生的速度已经演进到秒级。企业要求能够实时获取数据，实时进行决策。

价值低：指的是价值密度，整个数据的价值是越来越高，但是因为数据量的壮大，数据价值密度也相应降低，无价值数据要占据大部分，企业需要从海量的业务中寻找价值。

从开发人员角度看，大数据和以往的数据库技术、数据仓库技术是不同的，他代表以Hadoop、Spark为首的一系列新技术。

这类技术的显著特点是：分布式、内存计算。

分布式：简单的说，分布式就是将复杂的、费时的任务拆分为多个细小的任务，并行处理。这里的任务就包含了数据采集、数据存储、数据处理。

内存计算：实质上就是CPU直接从内存而非硬盘上读取数据，并对数据进行计算、分析。内存计算非常适合处理海量的数据，以及需要实时获得结果的数据。比如可以将一个企业近十年几乎所有的财务、营销、市场等各方面的数据一次性地保存在内存里，并在此基础上进行数据的分析。

数据挖掘：大数据的核心实际上还应该包括数据挖掘技术，这是一个和统计学联系紧密的技术，粗略的划分为分类、聚类、预测、关联四大类，可从大量的、不完全的、模糊的数据中利用数学方法，提取出潜在的规律或知识。

大数据平台要求

大数据的能力分为数据采集、数据存储、数据计算或处理、数据挖掘、数据展现五个方面。

数据采集：需要对于海量数据、实时数据的采集能力，这是数据利用的第一步。

数据存储：对应大数据特点，需要大容量、高容错、高效率的存储能力，这是数据利用的基础。

数据计算：需要强大、廉价、快速的数据处理货计算能力，强大对应大数据的量大、类型多，廉价对应大数据的价值密度低，快速对应大数据的速度快，这是大数据能够发展的关键。

数据挖掘：要能够全角度、多方位的立体分析挖掘数据价值，应用好数据挖掘才能将数据转化为价值，这是数据利用的核心。

数据展现：多途径、直观、丰富的数据展现形式是数据的外在形象，这是数据应用的亮点，是能够得到用户认可的窗口。

以上是对于大数据平台需要解决的问题，必须具备的能力，数据提出的要求。

技术解决方案

企业大数据解决方案从数据处理流程上分为数据采集层、数据存储层、数据计算层、数据挖掘层、数据展现层，每一层解决大数据所需的关键难题。其中标黄的部分是传统数据处理技术。

数据采集层：

数据采集技术分为实时采集和定时采集，实时采集采用Oracle GoldenGate等工具，实时增量采集数据，保证数据的及时性；定时采集采用SAP Data Services等工具相结合的方式，定时抽取数据，主要用于大批量、非实时性数据。加入kettle、sqoop等分布式ETL工具，丰富多样化数据抽取服务，同时加入整合实时数据的kafka服务，处理大量实时数据。

数据存储层：

数据存储区在传统oracle的基础上，加入分布式文件系统、分布式列式数据库、内存文件系统、内存数据库、全文搜索等模块。其中，分布式文件系统ceph由于拥有数据分布均衡，并行化度高等特性，所以用于存储非结构化数据；分布式文件系统Hdfs由于拥有极佳的扩展性和兼容性，用于存储其他结构化数据；列式存储数据库hbase主要用于存储特定需求的海量数据，以供运算查询等服务。

数据计算层：

计算层采用标准SQL查询、全文搜索、交互分析Spark、实时数据处理Streaming、离线批处理、图计算Graph X等技术，对结构化数据、非结构化数据、实时数据、大批量数据进行数据计算处理。

核心计算方式spark内存计算引擎的优势：

轻量级快速处理。

易于使用，Spark支持多语言。

支持复杂查询。

实时的流处理。

可以与Hadoop和已存Hadoop数据整合。

可以与Hive整合

数据挖掘层：采用Spark_Mllib、R、Mhout等分析工具，依据模型分析引擎创建模型、算法库。由模型算法库对模型进行训练，生成模型实例，最后依据模型实例进行实时决策及离线决策。

数据展现层：提供门户展现、数据图表、电子邮件、办公软件等多种数据分析方式，在展现途径上可支持大屏幕、电脑桌面、移动终端等。

结束语

随着高性能计算机、海量数据的存储和管理的流程的不断优化，技术能够解决的问题终将不会成为问题。真正会制约或者成为大数据发展和应用瓶颈的有三个环节：

第一、数据收集和提取的合法性，数据隐私的保护和数据隐私应用之间的权衡。

任何企业或机构从人群中提取私人数据，用户都有知情权，将用户的隐私数据用于商业行为时，都需要得到用户的认可。然而，目前，中国乃至全世界对于用户隐私应当如何保护、商业规则应当如何制定、触犯用户的隐私权应当如何惩治、法律规范应当如何制定等等一系列管理问题都滞后于大数据的发展速度。未来很多大数据业务在最初发展阶段将会游走在灰色地带，当商业运作初具规模并开始对大批消费者和公司都产生影响之后，相关的法律法规以及市场规范才会被迫加速制定出来。可以预计的是，尽管大数据技术层面的应用可以无限广阔，但是由于受到数据采集的限制，能够用于商业应用、服务于人们的数据要远远小于理论上大数据能够采集和处理的数据。数据源头的采集受限将限制大数据的商业应用。

第二、大数据发挥协同效应需要产业链各个环节的企业达成竞争与合作的平衡。

大数据对基于其生态圈中的企业提出了更多的合作要求。如果没有对整体产业链的宏观把握，单个企业仅仅基于自己掌握的独立数据，无法了解产业链各个环节数据之间的关系，对消费者做出的判断和影响也十分有限。在一些信息不对称比较明显的行业，例如银行业以及保险业，企业之间数据共享的需求更为迫切。例如，银行业和保险业通常都需要建立一个行业共享的数据库，让其成员能够了解到单个用户的信用记录，消除担保方和消费者之间的信息不对称，让交易进行的更为顺利。然而，在很多情况下，这些需要共享信息的企业之间竞争和合作的关系同时存在，企业在共享数据之前，需要权衡利弊、避免在共享数据的同时丧失了其竞争优势。此外，当很多商家合作起来，很容易形成卖家同盟而导致消费者利益受到损失，影响到竞争的公平性。大数据最具有想象力的发展方向是将不同的行业的数据整合起来，提供全方位立体的数据绘图，力图从系统的角度了解并重塑用户需求。然而，交叉行业数据共享需要平衡太多企业的利益关系，如果没有中立的第三方机构出面，协调所有参与企业之间的关系、制定数据共性及应用的规则，将限制大数据的用武之地。权威第三方中立机构的缺乏将制约大数据发挥出其最大的潜力。

第三、大数据结论的解读和应用。

大数据可以从数据分析的层面上揭示各个变量之间可能的关联，但是数据层面上的关联如何具象到行业实践中？如何制定可执行方案应用大数据的结论？这些问题要求执行者不但能够解读大数据，同时还需深谙行业发展各个要素之间的关联。这一环节基于大数据技术的发展但又涉及到管理和执行等各方面因素。在这一环节中，人的因素成为制胜关键。从技术角度，执行人需要理解大数据技术，能够解读大数据分析的结论；从行业角度，执行人要非常了解行业各个生产环节的流程的关系、各要素之间的可能关联，并且将大数据得到的结论和行业的具体执行环节一一对应起来；从管理的角度，执行人需要制定出可执行的解决问题的方案，并且确保这一方案和管理流程没有冲突，在解决问题的同时，没有制造出新的问题。这些需求，不但要求执行人深谙技术，同时应当是一个卓越的管理者，有系统论的思维，能够从复杂系统的角度关联地看待大数据与行业的关系。此类人才的稀缺性将制约大数据的发展。

所有的商业模式，都是随着 科技 的发展而改变的，因为 科技 发展会改变人们的生活方式和购物方式。就如在没有互联网之前，购物必须要到线下，所有的生活 娱乐 业都是在实体场景完成，但随着PC时代的到来，就迎来来了电商和网络营销的时代。

同理随着4G、5G网络和智能手机的到来，又迎来了短视频和内容电商的时代，因为人们的生活方式改变了，就会影响商业发展。

当人们还沉醉在短视频红利的时候，又将盈利新的趋势和发展方向，因为在下个10年，有了5G的支持、将迎来物联网的时代。

物联网的到来将颠覆传统的购物场景和商业模式，所以想要抓住未来的新机会，就要认清物联网时代的4大购物场景。

1、Vr购物场景

2、实体店+传感器

3、无人智慧终端店

4、物联网消费场景
一

互联联网的出现将带来4大新的商业机会，如社交、信息、 娱乐 、商务。因此依托互联网诞生了电子商务、社交工具、短视频内容信息流、以及 游戏 等，这是互联网前20年的趋势。

那么未来的10-20年，将是物联网时代，因为未来一切的只要能够通电的端都可以联网，都可以相互的交互，这就如上述所说的一样， 科技 将影响商业变革，物联网的到来将迎来新的购物场景和商业模式。

就以购物为例，在互联网时代，是通过手机端依托图文或者视频的交互方式去选择自己喜欢的商品，但在物联网时代这种模式都会被代替。

因为人们可以通过VR购物的方式，去身临其境，在家里就可以进入任何一个虚拟的购物场景中，选择自己喜欢的商品。

因为可以通过3D眼镜结合物联网传感器，通过VR技术给消费者三维购物的体验，可以让消费者通过VR看到与真实场景一样的商品和商店。这样坐在家里就可以，去各大商店去逛街购物，让消费者触手可及。
二
在传统的电商购物中，我们最常遇到的一个问题就是购买的商品不合尺码。比如购买的衣服太大、鞋子太小，退货又比较麻烦，这些都是互联网时代下电商的弊端。

但在物联网时代，这些问题都不会存在，因为随着智能制造和物流的快速发展，未来消费者可以实现个性化定制。

比如我们想要购买一双鞋子，可以到实体，通过物联网+传感器的数据收集设备，根据自己喜欢的款式和尺码定制一双独一无二的鞋子。

那么未来的整个商业形态，也会发生巨大的变化，对于生产商来说，不再是先生产然后通过贸易批发到终端，而是智能生产制造厂家可以直接与终端店合作。

终端店主要的功能是体验和数据收集，可以把线下店作为获客入口，通过物联网和传感器收集消费者定制数据，传输到工厂定制化生产，然后通过物流配送给消费者。
三

不论在任何时代，在大多数人的认知里，只要有货币就可以购买到称心如意的商品，但是在某些特定场景或许无法实现这个目标。

比如我们去 旅游 、去爬山的时候，想要购买水和食物，就需要花费高于市场价格，才能购买到，即便有了无人购物设备，也是无法实现按需补给。

但有了物联网和大数据以后，这些问题都会迎刃而解，因为可以在各大 旅游 景点，设置智能购物商店，智能购物售货机。

这样不但能够解决消费者购物问题，增加 旅游 景点的营收，而且可以通过物联网和大数据，判断不同时期的客流量，可以按需补给，把水和食物已经生活用品，精准配送到各个智慧商店和智慧售货机。

当然除了 旅游 景点以外，社区写字楼也一样可以运营这些，智能商店和智能售货设备。
四

物联网完全普及以后，购物的场景，将不再局限于线上或者线下以及短视频和社交空间，而是可以通过任何一个终端实现营销和销售。

就如在PC时代，电脑联网以后，商家可以通过搜索场景把营销信息推送给消费者，可以通过邮箱推送营销活动，激活消费者购物一样。

也如同在移动互联网时代，手机可以联网以后，商家就可以根据消费者的行为数据和信息数据，给我们推送营销广告一样。

也像现在的电视可以联网，就可以通过互联网看各种的剧，玩各种 游戏 ，商家也可以通过电视为消费者推送营销活动和商品。

所以未来只要一切的端可以通电，可以联网，就可以成为营销场景和购物场景。
比如未来冰箱可以联网，那么冰箱就是一个购物场景可以直接购买生鲜。镜子可以联网，就可以变成一个试衣镜，可以与电商端和生产端连接试穿或者定制产品。梳子可以联网，就可以通过传感器，判断一个消费者适合用什么洗发水。

在未来10年是物联网的时代，想要发展就要根据新的购物场景去重新布局，如果只沉醉在旧的战场和竞争中，不论你再优秀只会成为 历史 和过去。

---