我们把工业物联网的难点总结成一个倒三角。但在实际市场中，工业物联网的竞争态势呈现正三角。为什么会有这样的分布，要从工业物联网的技术体系说起。我们将工业物联网的技术应用分为以下七层：1.设备联网和数据采集。随着工业物联网的快速发展，许多传统工业制造企业将目光投向了设备数据，第一步是获取设备数据。那么对于工业设备来说，数据采集难吗？设备厂商自己做不了？当然不是。工业设备数据采集其实就是做一个硬件终端与设备进行交互。只要了解交互的物理接口、交互协议、数据类型等，这个任务并不难。但是，为什么有协议的设备厂商不自己收集数据，而是通过第三方获取数据呢？难点不在于数据采集本身，因为工业设备的数据海量且杂乱无章。除了数据采集，还需要数据存储、分类、处理等。这些都是厂商需要面对和解决的问题。中国制造业的现状决定了数据采集将是一个非常大的市场需求，催生了一大批提供基础数据互通能力的硬件厂商、数据采集集成商等服务企业。2、数据接收、数据存储、云平台。云平台难吗？设备厂商自己做不了，其他软件公司做不来吗？MQTT是物联网吗？当然不是。云平台的难度当然比数据采集终端要难，但云平台归根结底还是解决终端规模的接入处理能力，如何解决大数据量的问题。大规模并发数据存储也是一个纯技术问题。设备商做不到，还有很多物联网公司可以做，比如阿里云、华为云、汇川万川。我喜欢的是他们的云部署能力和强大的实力。他们对部署在云端的数据有比较高的保障。这是一般企业想做却做不好的事情。不过话说回来，工业物联网数据是时间序列数据。在大多数情况下，不能使用一般软件公司通常熟悉的关系数据库。这对于物联网企业来说是一个不小的门槛，但这个门槛也不是没有。逾越节。3、数据处理所谓数据处理，就是对数据进行高度抽象，并进行必要的处理，使这些数据能够更加有序地存储，高效地检索，便于后续的数据应用、统计、分析和计算。数据处理这个环节其实很容易被忽略。大多数物联网服务提供商不了解数据处理的全部内容，更不用说如何做好了。这就带来了一系列问题：面对海量数据，只能展示零散的数据，无法准确判断数据之间的关系，无法辅助决策等。在这个层面上，各家物联网企业的实力差距已经体现的淋漓尽致。能够有效处理数据的企业，往往能更快进入行业，为客户提供数据价值。4、数据分析、分析结果将数据分析应用到工业物联网中，有两个方面：分析数据和形成分析结果，这是数据分析必须要做的一件基本的事情。分析结果的合理应用现阶段工业物联网企业普遍还停留在第一次“分析数据”，极少开始做第二次。分析是手段，不是目的，分析的目的是应用分析的结果。对于物联网，分析的目的是实现安全生产+节能+减排+增效。这件事是真事。只是吹捧概念而没有实施的企业很难实现预测性维护。智物联实现了设备连接、数据处理、业务应用的综合使能平台，可应用于各种行业场景，处理各种设备和数据。10T工业运行数据。5、工业物联网系统化建设工业物联网系统化建设是工业物联网解决方案提供商最引以为豪的地方。在一定程度上，这也是他们区别于其他物联网公司的地方。竞争中真正的软实力。6.商业模式设计设备制造商一般的工业物联网需求是让制造商知道他们的客户是谁，以及设备位置、设备运行方式、设备运行方式、故障问题、故障处理，了解同一个设备在不同的地方。各地使用造成的差异，不同的用户习惯对设备运行产生不同的影响等等，毫无疑问，通过物联网，让他们的服务变被动为主动。不同的企业在起步时或多或少会走一些弯路，但最终都会走出自己的商业模式，而商业模式的选择决定了企业在一定时期内会如何成长，占据什么样的市场.位置。模式没有对错之分，但市场会做出合适的选择。7、营销、项目落地、知识体系传递无论是政策的推动还是市场的红海，工业物联网的营销已经逐渐成熟，也有大量的落地项目落地在中国实施，从工信委的示范项目到“上海云上平台”，呈现出一片欣欣向荣的景象。
