物聯(lián)網大數(shù)據(jù)被放大的特征

1.數(shù)據(jù)的體量將會成倍增加

正如移動互聯(lián)網時代，核心網絡節(jié)點從PC轉換為人一樣，在萬物互聯(lián)時代，無數(shù)的物理硬件將成為核心網絡節(jié)點，數(shù)據(jù)來自無數(shù)自動化傳感器、自動記錄設施、生產監(jiān)測、環(huán)境監(jiān)測、交通監(jiān)測、安防監(jiān)測等;來自自動流程記錄，刷卡機、收款機、電子不停車收費系統(tǒng)，互聯(lián)網點擊、電話撥號等設施以及各種辦事流程登記等。由于連接數(shù)的增加、不間斷的數(shù)據(jù)收集、存儲、回傳，以及更高清的圖片和視頻應用，都會讓數(shù)據(jù)的體量有驚人的爆發(fā)。

在萬物互聯(lián)的場景下，每天都會有大量的終端在進行類似Google街景這樣的數(shù)據(jù)回傳，而大數(shù)據(jù)的理念，要求數(shù)據(jù)盡可能的龐大且非刻意收集。

伴隨著物聯(lián)網技術的成熟，產業(yè)的爆發(fā)，各種隨身設備、物聯(lián)網和云計算、云存儲等技術的發(fā)展，萬物將都被聯(lián)網，物的所有軌跡都可以被記錄，一切皆被數(shù)字化，因此產生的數(shù)據(jù)，可以想象，比之今天，會有多大量級的增加。數(shù)據(jù)的存儲，數(shù)據(jù)的計算與挖掘技術，都將成為萬物互聯(lián)場景下，大數(shù)據(jù)應用的核心能力。

2.數(shù)據(jù)的及時性特征將會被放大

在互聯(lián)網甚至是移動互聯(lián)網時代，數(shù)據(jù)的及時性并沒有那么重要，大量的統(tǒng)計結果是基于過往數(shù)據(jù)的挖掘而產生的，這些不及時的數(shù)據(jù)意義也是非常巨大的。Google利用不同地區(qū)人們的搜索習慣，成功預測了流行疾病的爆發(fā)，Facebook利用了網民在無壓力情況下瀏覽網頁、評論、點贊、社交言論的情況，成功預測了美國各州總統(tǒng)大選的結果。都屬于利用過往大數(shù)據(jù)的成功應用案例。但是在萬物互聯(lián)場景下，由于物聯(lián)網可以實現(xiàn)微量數(shù)據(jù)的不間斷回傳，人們對于數(shù)據(jù)的及時性需求將越來越旺盛，無等待服務將被更多的行業(yè)提供，從而產生更多的應用場景。

比如在智慧交通上，百度、高德等地圖廠商，已經可以通過智能手機的數(shù)據(jù)回傳，動態(tài)監(jiān)控整個城市的交通情況，從而為用戶提供實時的路況信息。目前這種路況信息已經取代了傳統(tǒng)的交通廣播模式，能夠實現(xiàn)個性化的關注出行路線的路況，并根據(jù)交通情況，自動設計、自動更改。

目前，在物聯(lián)網應用領域，缺乏一個類似Iphone之于移動互聯(lián)網一般里程碑似得產品。而大多數(shù)人都將此寄希望于無人駕駛，因為人類如果能將汽車，這樣一個工業(yè)時代最終要的個人產品進行智能化、數(shù)字化，那么將極大的帶動其他產業(yè)物聯(lián)網化的發(fā)展。而無人駕駛的前提，除了提前將整個街區(qū)數(shù)字化以外，不間斷的數(shù)據(jù)回傳也非常重要。在物聯(lián)網環(huán)境下，隨著車與更多物品連接起來，將會形成更大范圍的網絡效應，交通這個生態(tài)也將進一步豐富起來。

3.數(shù)據(jù)的完備性將得到極大程度的豐富

在大數(shù)據(jù)時代，數(shù)據(jù)格式變得越來越多樣，涵蓋了文本、音頻、圖片、視頻、模擬信號等不同的類型;數(shù)據(jù)來源也越來越多樣，不僅產生于組織內部運作的各個環(huán)節(jié)，也來自于組織外部。

例如，在交通領域，北京市交通智能化分析平臺數(shù)據(jù)來自路網攝像頭/傳感器、公交、軌道交通、出租車以及省際客運、旅游、化危運輸、停車、租車等運輸行業(yè)，還有問卷調查和地理信息系統(tǒng)數(shù)據(jù)。

4萬輛浮動車每天產生2000萬條記錄，交通卡刷卡記錄每天1900萬條，手機定位數(shù)據(jù)每天1800萬條，出租車運營數(shù)據(jù)每天100萬條，電子停車收費系統(tǒng)數(shù)據(jù)每天50萬條，定期調查覆蓋8萬戶家庭等等，這些數(shù)據(jù)在體量和速度上都達到了大數(shù)據(jù)的規(guī)模。

數(shù)據(jù)的完備性，尤其是跨界數(shù)據(jù)的交叉運用，將會產生意想不到的應用場景。亞馬遜正是此中高手，更加完備的數(shù)據(jù)，讓亞馬遜在個性化推薦的時候，并不用如沃爾瑪一樣思考為什么買啤酒的用戶會買尿不濕，他們只是通過統(tǒng)計學發(fā)現(xiàn)數(shù)以百計的類似關聯(lián)現(xiàn)象，配合更多諸如年齡、消費習慣、性別等標簽數(shù)據(jù)，將結論直接用于精細化營銷。

物聯(lián)網大數(shù)據(jù)的故事還有很長很長，數(shù)據(jù)的爆發(fā)只是一個開始，我們如何收集海量的數(shù)據(jù)，如何儲存，如何設定算法，如何運用機器智能實現(xiàn)自動運算，如何將運算的結果用于預測未來或者更多的商業(yè)場景，最后如何確保我們的數(shù)據(jù)安全。

相關鏈接 

http://fdgzk.cn/ask/63.html 

http://fdgzk.cn/ask/61.html 

http://fdgzk.cn/ask/38.html