目前的情况是，现有的物联网模式行不通。将从众多传感器收集的大量数据传输到中央存储库的概念既不可持续，也负担不起。借助物联网，企业能够利用本地数据来推动本地决策并提高本地性能。实际发生的是，创建了一个巨大的数据源，充其量只是增加了整体商业智能的深度。庞大的规模证明是压倒性的，并开始呼应“大数据”的失望。而且，如果企业相信5G的到来将加强这一过程——请三思。带宽将继续承受巨大压力，随着语音和音频的移动而迅速填满。在边缘做出决策现在是时候让每个人停下来，退后一步，问问自己：“企业希望从物联网中获得什么价值？”通过机器学习实现自动化还为个人提供了在前线做出即时决策所需的洞察力。”边缘计算的概念开始发展。目标是更好地管理物联网数据并仅将最相关的数据传输到中心进行分析以解决带宽问题。但是，简单地管理边缘数据有什么价值呢？是的，它解决了数据交付挑战，但它如何支持任何急需的实时决策，这些决策对于从通常是大规模的物联网投资中实现有形价值是必要的？只有在边缘有效分析数据的能力，才会为企业带来有意义的新机遇。想一想让个别超市经理实时或近乎实时地了解冰箱的运行性能和温度的价值。他们将更好地准备在必要时立即采取行动，帮助防止食物浪费。将其与显示潜在故障点的历史性能数据的预测分析相结合，您就可以创建一个有形的数据集。在边缘收集和分析数据的能力无疑改变了利用物联网的方式——这将意味着物联网投资的回报最终可以实现。但是，如果以正确的方式部署，企业能从物联网创造的数据中获得的价值是有限的吗？在从数据中获取更多价值时，他们是否错过了一个重要的技巧？如何将数据货币化附加值将每条IoT传感器数据加载到基于云的数据库并将其混合在一起是不够的：没有上下文的数据基本上是没有意义的。那么，上下文存在于何处？将其他数据源或多个数据源组合在一起可以产生重要见解的地方在哪里？虽然销售和库存数据可以为商店提供改进店面所需的洞察力，但是，通过边缘计算，链接外部数据源或语音和视频可以通过改善购物者互动进一步增强商店体验和性能，从而增加销售额。边缘分析还允许收集和分析机器性能数据，这对制冷设备制造商也非常有价值，尤其是当它与有关不同位置和操作的上下文信息相结合时。有了这样的洞察力，制造商可以将这些信息整合到他们的设计过程中，以提高效率，并能够识别和解决特定运营领域内的任何问题。保险公司也是如此，他们可以通过审查来自监控危险环境的物联网传感器的综合信息来发现重要价值并深入了解市场。此外，如果公司能够证明安全性和合规性有所提高，它们也可能会从潜在的较低保费中受益。一场胜利，全面胜利。从物联网收集的数据中获得更多见解所带来的可能性是诱人的，但对于企业而言，可能需要考虑一些因素——例如谁拥有数据？部署传感器的公司拥有自己的业务。数据，但制冷设备的制造商和供应商是否也可以声称拥有其产品的性能数据？此外，这些数据如何安全地为特定第三方部门提供价值？如何添加额外的数据上下文——由谁添加？IoT分层数据源提供的见解对于能够真正将IoT货币化至关重要——就数据而言，整体肯定大于部分之和——但这样做需要明确定义的业务模型和对问题的扎实理解，从所有权到安全和数据交付。投资回报率物联网当谈到从物联网获得投资回报率时，企业确实需要重新考虑他们如何部署它，以便他们可以使用数据做出更好的实时决策并能够从中获利。然而，要使这两种情况都发生，并且要使物联网不像大数据那样结束，企业需要采用更高效的数据模型，这些模型能够添加上下文并与合适的人安全地共享数据。
