如果您的智能手表可以告诉您在驾驶时变得焦躁不安并向汽车收音机发出信号以播放舒缓的音乐会怎么样？如果您的真空吸尘器可以识别您家中容易藏匿过敏颗粒的特定位置并更频繁地清洁它们，那会怎样？如果可以提醒办公室员工彼此保持两米以内以保持社交距离，结果会怎样？如何？物联网使最后一个例子成为可能——通过腕带。系统已经在使用中。它的市场正在增长。客户驱动业务。因此，您所有的业务转型活动都应该以某种方式（直接或间接）专注于改善客户体验。当公司的产品映射到每个用户时，公司的数字化转型就完成了——或者至少准备成功了。这种映射只不过是公司和客户之间的数字“链接”，只要公司可以访问客户拥有的设备，即使这些设备尚未访问，物联网也可以促进和增强这种映射被客户卖掉了。物联网当然始于连通性，但联网设备本身并不能为客户或企业带来价值。真正改变公司商业模式的是产品的数字化，以及使用数据和分析来改善用户交互的效用。这符合Gartner对数字化转型的定义：利用数字技术和支持能力创建强大的新数字业务模型的过程但真正的数字化转型是由小型企业主导的，它们更有可能“创建强大的新数字业务模型”正在进行中。让我们来看看物联网从何而来，以及它如何帮助已经拥有敏捷方法、自动化核心流程、对所有业务功能采用分析以及对创新和IT进行战略投资的组织进行持续的数字化转型。物联网促进数据收集和分析企业通过销售产品和服务赚钱——即使这些产品和服务是虚拟的、信息化的或数字的。物联网在物理设备上运行，通过收集和使用数据来促进公司和客户之间的交易。公司有责任将来自物理世界的这些数据转换为有用的信息，以维持和发展其业务。这种物理设备有一个传感器，可以从其周围环境或组件收集实时数据，例如内部物品的数量或系统的温度。物联网软件然后将这些数据转换成数字有效载荷，使用加密和网络协议对其进行打包，并将其发送到公司的数据库，该数据库位于公司的数据中心或公共或私有云中。获得这些数据后，您可以对其进行格式化并将其输入到分析软件或基于AI的业务流程模型中，以获得对各种业务功能的关键洞察并做出预测。两个技术组件在从传感器收集的指标转变为推动决策和战略的洞察力方面发挥着关键作用。它们共同实现了物联网驱动的数字化转型。IoT平台IoT平台是一种软件定义的解决方案，可驱动从连接到数据处理再到与分析工具集成的整个过程。它执行一些关键功能：为边缘设备提供本地计算能力分析来自物理设备中嵌入的物联网传感器的数据连接到公共云、私有云或本地数据中心在生成数据的地方部署分析使用其数据的应用程序——合并物理层、应用程序层以及介于两者之间的所有内容。来源：https://docs.microsoft.com/en-us/azure/architecture/example-scenario/iot/devices-platform-application物联网平台就像操作系统驱动程序一样，管理硬件和应用程序交互。更重要的是，它必须配置和自动化所有连接的设备，与多种网络和云协议兼容，管理网络安全和加密，具有数据处理能力，并支持新的或本机应用程序开发。难怪连接平台的管理和监控很复杂。生成的数据量几乎不可能实时分析。这就是为什么物联网平台的一个关键特性是可观察性——管理员可以通过深入到特定设备、应用程序、区域或用户角色来轻松地理解、控制和排除复杂系统的故障。边缘计算传统上，所有数据处理都集中在企业拥有和运营的数据中心进行。消费和工业物联网设备现在被安装在无人驾驶汽车、无人机、公用事业仪表、闭路电视摄像机、心脏监视器、石油钻井平台等中。这些设备会生成大量有价值的数据，这些数据在创建后不久就会过时。当警察试图抓捕逃跑的罪犯、某人心脏骤停或行人撞上自动驾驶汽车时，毫秒就成了一个问题。在这种情况下，将关键数据从IoT设备移动到公共云或数据中心并再次返回会引入延迟，从而破坏数据收集本身的目的。他们需要在本地或尽可能靠近设备的地方进行分析、人工智能和处理，以便数据可以实时操作。这将导致计算发生巨大转变，数据处理正从数据中心和公共云转移到位于偏远地区的分布式、独立、独立的微型数据中心，更靠近特定区域的物联网设备集群。但这并不意味着在物联网驱动的数字化转型方面云已经过时。对于随着时间的推移提供洞察力的数据，将边缘数据与云中的应用程序统一起来是值得的。它可以帮助您跨多个站点聚合和关联IoT数据和工作流，对它们进行基准测试并相互比较，并了解哪些是高效或有利可图的。资料来源：https://stormagic.com/welcome-to-the-edge-the-need-for-iot-edge-computing数字化转型2.0在超融合边缘和公共云环境的新超连接现实中，物联网网络正在演变为物联网(IoE)的更广泛定义。所有这些技术进步正在推动B2B和B2C领域的第二波数字化转型，引领企业扩大其物联网部署。许多小型和大型公司正在从物联网试点项目和概念验证转向由数据、机器学习和预测分析驱动的更大机会。您可以模拟它们并在您公司的运营和IT部门之间架起OT/IT的桥梁。最终，这将帮助您快速创新并更贴近客户。
