多年来，互联网已经在全球范围内普及了数十亿人。现在，一切都属于物联网的范畴，这与分析是一个巨大的商机。我们一直听说物联网(IoT)，但它真正的含义是什么?人们说这是下一个大事件，但我们是否能够真正收获物联网的力量，超越概念产品或服务的证明?
通过物联网，它意味着一个连接着全球互联网的设备网络;任何可以从环境中收集信息的东西，也可以做像打开电灯开关这样简单的事情。
图片:pixabay
由这些传感器组成的庞大网络收集到的所有数据都将是无用的，除非它们经过充分处理，从而得出有助于人们做出更好选择的模式。以地图导航软件为例。交通流量是通过路边传感器、公路摄像头以及其他使用地图导航的安卓或苹果设备来测量的。然后，它会根据时间(大部分时间)和距离绘制出最佳路线。这是一个设备网络协同工作以帮助其他用户的例子。
但是，这种表面上很有帮助的服务的陷阱是什么呢?从A点到B点最常用的X路是拥挤的。在线地图显示了另一条线路y，这对所有用户都适用。但是我们的交通警察，无论如何都被限制在全国各地，它无法动态地、快速地在备选路线上部署足够的资源，以避免在空旷的Y路线上发生潜在的交通堵塞。
原则上，一个真正的物联网网络加上高效的分析算法将能够缩小上述突出的差距。人们通常不会将物联网网络与一个缺失的功能联系起来，那就是人为输入的选项。现有的算法严重依赖机器学习，但很少考虑人类的直觉。但不可否认的是，人类的直觉可能是错误的，但忽视它会导致更低的系统效率。
仅去年一年，物联网设备就收集了大约200 Exabyte的数据(即2后面跟着很多数字)。为了处理这些数据，我们需要越来越快的网络和服务器。在某种程度上，我们受到硬件处理能力的限制，但更缺乏的是接受这样一个事实:除非取得重大进展，缩小获取和数据处理之间的差距，否则物联网和分析的全部潜力将永远无法实现。
从表面上看，我们可以说数据和高效分析之间缺乏桥梁，但从更基本的角度来看，真正缺乏的是将它们结合在一起的框架。数据收集和分析的方式因企业而异。需要有一个如何合并数据的公共标准。它使实现更容易。
我们确实还没有完全理解分析和物联网可能产生的影响。人们时不时会听到一些创新的应用，但它们都很具体。
我特别喜欢的一个是所谓的预测性维护，它有潜力节省数十亿美元的大型工业工厂的维护。它分析连接在一个工厂的数以吨计的传感器的数据，并从过去的历史、案例研究、保修文件和用户输入来预测一个系统是否即将崩溃。它可以用来向制造商发送数据，以便开始运送替换品。它可以作为一个快速参考的质量和间接成本使用从一个特定的制造商在未来发出招标。它消除了任何可能因可疑营销而形成的认知偏差。
但是，对公共领域和工业工厂收集的数据进行分析的主要区别之一是隐私问题。我们应该允许多少关于我们自己的信息传播给更广泛的受众?谁来决定更广泛的受众?这是一个很难回答的问题。
举个例子。如果我的饮食习惯以某种方式被我的医疗保险公司终止了，他们增加了我的保险费，这公平吗?但是假设我的饮食习惯被一个机密的医学数据库收集。我将来会患上一种疾病。然后将我的饮食习惯与其他被诊断患有相同疾病的人进行比较，可以指出我们饮食中的确切错误，从而帮助我的孩子们避免患上同样的疾病。第二种情况似乎很公平，但第一种情况似乎有些问题。也许是我们厌恶损失的人类心理。在人类的感知中，失去某物的代价要高于获得同等物的代价。我可以随时行使我的隐私权。
但是如果医疗保险公司拒绝给我保险，除非我给他们信息。在资本主义经济中，他们有权保护自己免受潜在损失，并可以推动这样的要求。我们的底线在哪里?我们会选择哪一个?
这就像签署婚前协议的困境:无论我们选择什么，都有收益和陷阱。
但除了隐私的道德问题之外，个人数据的安全也具有同样重要的意义。在缺乏公共框架的情况下，很难确保和维护跨不同领域的数据安全性的非常严格的要求，特别是在收集与人类用户有关的数据时。工业物联网无论如何都可能被关闭。
最后一个我认为需要更广泛研究的话题是物联网设备的碳足迹。我们不能确保所有的生物可降解材料在整个物联网设备中使用。难道一个共同的框架不应该确保大多数组件都必须由生物可降解材料制成，满足一定的能源效率标准吗?但严格遵守这些规定将推高成本，使其更难在更大范围内被采用。但是效率的概念依赖于数据——越多越好。
在这段婚姻真正发生之前，还有很长的路要走。我们都会被邀请的!这是一段最终会发生的婚姻!
本文由德里IMI的Debamita Sinha撰写
