從物聯(lián)網(wǎng)收集的數(shù)據(jù)中創(chuàng)造真正商業(yè)價值的關鍵在于，在物聯(lián)網(wǎng)實施的每一步都要有數(shù)據(jù)科學家的參與。

　　根據(jù)IDC對物聯(lián)網(wǎng)2019年的預測，數(shù)據(jù)科學家必須與IT部門和工程師通力合作，才能從物聯(lián)網(wǎng)收集的數(shù)據(jù)中獲取最大價值，這一點非常重要。

　　IDC集團物聯(lián)網(wǎng)和移動業(yè)務副總裁Carrie MacGillivray在一個網(wǎng)絡研討會上說，物聯(lián)網(wǎng)的數(shù)據(jù)處理方面將成為物聯(lián)網(wǎng)給企業(yè)帶來價值的核心支柱，而想要以一種有意義的方式處理這些數(shù)據(jù)則需要使用機器學習和人工智能。

　　根據(jù)MacGillivray的說法，問題在于沒有足夠的專業(yè)技術人員來讓每個AI/IoT實現(xiàn)工作，因此企業(yè)通常會采用以下的三種選擇之一：讓現(xiàn)有的在職數(shù)據(jù)科學家參與工作，將ML模型構建外包給專業(yè)服務團隊或直接嘗試使用開源的ML模型。

　　但她表示，越來越多的工程師-包括機械、電氣、軟件、系統(tǒng)-從大學畢業(yè)時就掌握了AI和ML技術，因此物聯(lián)網(wǎng)分析管理也可能會轉向工程師團隊。

　　IDC預計，企業(yè)將迅速接受這一事實，到2020年，企業(yè)實現(xiàn)支持人工智能的物聯(lián)網(wǎng)系統(tǒng)的成功率將達到90%。MacGillivray說，目前物聯(lián)網(wǎng)分析的未來和現(xiàn)實之間的脫節(jié)是當下的一個重點難題。特別是在制造業(yè)和車隊管理等部門，其焦點一直是放在如何盡快地連接每臺機器或車輛，并從系統(tǒng)中獲取詳細信息。因此，物聯(lián)網(wǎng)技術最常見的早期應用之一就是預測性的維護分析。

　　但是，物聯(lián)網(wǎng)的應用還有很多不同的方面，要實現(xiàn)這些應用，首先要讓數(shù)據(jù)科學家和數(shù)據(jù)科學原理更充分地參與到這項技術中來。

　　她演講的其他關注點還包括：

　　·到2020年，全球30%以上的物聯(lián)網(wǎng)項目將無法清晰地展示投資回報，因為企業(yè)根本不具備制定物聯(lián)網(wǎng)項目關鍵績效指標的專業(yè)技能。IDC表示，這種情況雖然會改變，但不會一蹴而就，甚至在未來幾年也不會發(fā)生。識別特定的KPI應該是支持IOT的企業(yè)的首要任務。

　　·根據(jù)MacGillivray的研究，在未來三到四年的時間里，大約40%的物聯(lián)網(wǎng)數(shù)據(jù)分析將在其端點附近的邊緣設備上完成。這將引發(fā)一波對邊緣網(wǎng)關硬件的投資，使企業(yè)能夠對更大的數(shù)據(jù)集進行更高級別的分析。此外，這也將要求IT部門能夠在遠離數(shù)據(jù)中心舒適環(huán)境的地方更好地管理這些設備。

　　·到2021年，45%的視頻監(jiān)控將專注于提供給定物聯(lián)網(wǎng)設備的更完整畫面，尤其是在車輛管理和公共安全方面。“視頻提供了有價值的視覺數(shù)據(jù)，以彌補其他傳感器數(shù)據(jù)的不足，為決策提供信息，”MacGillivray說。她認為，將計算機視覺和人工智能系統(tǒng)結合起來也將具有巨大的價值。