隨著技術的發展，企業越來越依賴數字化的一切。在技術普及之前，很多機構制定了物聯網戰略，希望創建智能化、數據驅動的產品和服務，但至今被廣泛應用的產品和服務還很少。為應對新技術的挑戰，企業希望更夠專注于使用成熟的物聯網技術，這對企業而言仍然非常困難。

[[347260]]

根據Forrester的一份報告中指出了將物聯網的試點快速規模化應用有5個關鍵因素，根據報告，將這5個關鍵因素按照重要性排序，分別是：

1. 組織賦能;
2. 基礎設施、技術;
3. 集成;
4. 戰略;
5. 數據、分析。

雖然很多人都認為數據/分析對應用影響最大，但由于數據/分析的影響才剛剛開始，因而其影響的重要性排在其他因素的后面。隨著物聯網應用的普及，數據/分析的影響將會逐漸顯現。而一旦組織、基礎設施、集成、戰略落實到位，在分析和海量物聯網數據之間建立起富有成效的聯系，數據/和分析的價值將凸顯出來。

數據的挑戰與機遇

當公司物聯網的發展重點不再是收集數據，而是在運營和服務中及時挖掘相關數據時，不僅可以通過數據了解發生了什么，為什么會發生，還可以了解下一步可能發生的事情。這使決策者能夠以最小的風險迅速做出最佳決策。為了成為這種“及時響應”的企業，企業需要來自所有相關來源的可用數據。

隨著智能產品時代的到來，企業不僅必須能夠收集數據，還必須能夠管理數據的規模和安全性。在消費者和工業環境中，公司的數據管理策略將決定其連接生態系統的成功。

“服務化”帶來新的機會，通過建立在智能互聯產品基礎上的新商業模式，即企業圍繞現有產品組合創建基于知識的服務產品。一個例子是一家全球水泵制造商，通過物聯網技術升級成為一家供水數據提供商。

隨著創新公司尋求新的商業模式，以相對較低的資本支出為創造獲得新收入的機會，以應對缺乏智能的實體產品利潤率的不斷下降，服務化將繼續存在。

發展實時洞察能力

以下示例演示了物聯網數據分析對創建實時感知的運營、產品、運營和服務的影響：

• 一家用于工業和消費用途的水泵制造商遇到了一個問題：它的產品非常可靠且經久耐用，以致于該公司正在失去銷售。這家公司是業內首家集成電子和遠程監控的公司，尋求從水泵制造商轉型為可持續供水和智能化的領導者。我們幫助企業構建了一個基于Microsoft Azure的物聯網平臺，最終使企業能夠每年從1600萬臺泵中收集結構化和非結構化數據，使用算法在邊緣執行分析，同時通過云安全地共享有意義的數據。
• 一家消費品制造商試圖徹底改革其全球業務。其資產中幾乎沒有安裝傳感器來支持數據分析，而且公司甚至缺乏對基本生產指標的可見性。同時公司面臨著設施之間的溝通和協調方面的限制。該公司通過實施工業物聯網(IIoT)數據平臺，從配備傳感器的設備和系統中收集數據，并為管理人員創建儀表盤，以監控其100多個制造業務中的生產機械。鞏固其能力是一個中心設施，在這個中心設施中，現代工業過程管理軟件在將真實世界的IIoT解決方案推向全球運營之前對其進行驗證，從而提高產品質量、提高生產率和創造新的效率。物聯網神經中心使組織能夠探索、展示和測試流程，并試點和實施務實的、現實世界的解決方案，從而提高投資回報率并實現實時故障排除。

物聯網的下一步如何發展

重要的是不要低估從物聯網數據中產生可操作見解的難度。在Forrester的研究中，企業(根據其物聯網工作的可擴展性分為新手、有意識和領先者的類別)被問及在擴展物聯網時，他們在數據分析方面面臨的最大挑戰。基于每一個類別，我們制定了成為一個時刻意識到的企業的下一步建議。

• 物聯網新手應確保他們有一個明確的目標和一種將物聯網數據分發給關鍵用戶的方法。這些組織需要確定其物聯網數據的強大內部機會，以及與潛在第三方的貨幣化戰略。還需要制定一個捕獲和歸檔數據的策略，以使用例能夠提供近期和長期的價值。
• 有物聯網意識的企業應專注于與利益相關者確定結構化、非結構化和分析性需求，同時在內部和與第三方鞏固和調整其物聯網戰略。這些組織還需要將新興的第三方生態系統正式化，并著眼于盈利模式。
• 物聯網的領先組織可以積極探索物聯網數據的盈利模式。需要制定一個產品和服務路線圖，以利用機會，并擴大第三方合作伙伴的范圍。

雖然數據/分析還沒有成為物聯網價值的主要源泉，但卻是從物聯網部署中獲取價值的一個必要因素。雖然這些挑戰并非易事，但尋求最大限度地利用物聯網數據分析的企業可以從更成熟的組織獲得見解，尤其是加快其現代決策能力。