近日，Dresner Advisory Services發(fā)布了2018年物聯(lián)網(wǎng)智能市場(chǎng)研究報(bào)告，該報(bào)告重點(diǎn)關(guān)注終端用戶對(duì)物聯(lián)網(wǎng)商業(yè)智能的興趣和需求，同時(shí)對(duì)于關(guān)鍵的相關(guān)技術(shù)也做了調(diào)研，例如位置智能、數(shù)據(jù)準(zhǔn)備、云計(jì)算、預(yù)測(cè)分析以及大數(shù)據(jù)分析。

本報(bào)告70％的受訪者來(lái)自北美，EMEA約占20％，其余分布在亞太地區(qū)和拉丁美洲�！半m然物聯(lián)網(wǎng)智能市場(chǎng)仍處早期階段，但我們堅(jiān)信物聯(lián)網(wǎng)智能是理解和利用物聯(lián)網(wǎng)數(shù)據(jù)的重要手段，隨著企業(yè)收集和利用傳感器級(jí)數(shù)據(jù)的成熟，物聯(lián)網(wǎng)智能市場(chǎng)也會(huì)隨之?dāng)U大�！盌resner咨詢(xún)服務(wù)部創(chuàng)始人兼首席研究官Howard Dresner這樣說(shuō)到。

該報(bào)告中的重要結(jié)論如下：

銷(xiāo)售、營(yíng)銷(xiāo)和運(yùn)營(yíng)是物聯(lián)網(wǎng)最活躍的早期采用者。 為了充分利用物聯(lián)網(wǎng)、并獲得有關(guān)產(chǎn)品和服務(wù)績(jī)效的實(shí)時(shí)客戶反饋，銷(xiāo)售和營(yíng)銷(xiāo)部門(mén)最先嘗試了物聯(lián)網(wǎng)，12％的運(yùn)營(yíng)管理者表示物聯(lián)網(wǎng)對(duì)其實(shí)現(xiàn)目標(biāo)至關(guān)重要。相較而言，執(zhí)行管理和財(cái)務(wù)部門(mén)在對(duì)物聯(lián)網(wǎng)的應(yīng)用上表現(xiàn)并不那么積極。

制造商將物聯(lián)網(wǎng)視為實(shí)現(xiàn)其產(chǎn)品質(zhì)量、生產(chǎn)計(jì)劃和供應(yīng)鏈編排目標(biāo)的最關(guān)鍵因素。 其中，保險(xiǎn)行業(yè)將物聯(lián)網(wǎng)視為運(yùn)營(yíng)的關(guān)鍵，其業(yè)務(wù)模式專(zhuān)注于自動(dòng)化庫(kù)存和安全管理。除此之外，保險(xiǎn)公司還跟蹤航運(yùn)和物流車(chē)隊(duì)中的車(chē)輛，以便更好地了解如何以盡可能低的事故風(fēng)險(xiǎn)優(yōu)化航線運(yùn)營(yíng)。金融服務(wù)和醫(yī)療保健也是對(duì)物聯(lián)網(wǎng)很感興趣的行業(yè)，而高等教育和商業(yè)服務(wù)的興趣點(diǎn)就相對(duì)較低。

投資物聯(lián)網(wǎng)分析、應(yīng)用程序開(kāi)發(fā)以及定義準(zhǔn)確、可靠的指標(biāo)來(lái)指導(dǎo)開(kāi)發(fā)是當(dāng)今物聯(lián)網(wǎng)采用最關(guān)鍵的方面。 數(shù)據(jù)供應(yīng)鏈的投資，包括數(shù)據(jù)采集、移動(dòng)、數(shù)據(jù)準(zhǔn)備和管理，是物聯(lián)網(wǎng)基礎(chǔ)設(shè)施投資的第二大關(guān)鍵領(lǐng)域。分析、應(yīng)用程序開(kāi)發(fā)以及指導(dǎo)DevOps的準(zhǔn)確、可靠的指標(biāo)，與預(yù)想中的一致，并且早期使用者已經(jīng)利用預(yù)測(cè)分析在運(yùn)營(yíng)、銷(xiāo)售和營(yíng)銷(xiāo)等方面取得了一定的成績(jī)。

物聯(lián)網(wǎng)早期采用者會(huì)優(yōu)先考慮儀表板、報(bào)告、物聯(lián)網(wǎng)用例、提供分析、高級(jí)可視化和數(shù)據(jù)挖掘不可或缺的數(shù)據(jù)流。 IoT早期采用者和更廣泛的響應(yīng)者群體在IT分析、位置智能、與操作流程集成、內(nèi)存分析、開(kāi)源軟件和邊緣計(jì)算的優(yōu)先級(jí)方面差異最大。這些數(shù)據(jù)反映了物聯(lián)網(wǎng)早期采用者已經(jīng)迅速熟悉了新興技術(shù)，且在未來(lái)可能實(shí)現(xiàn)跨分析和物聯(lián)網(wǎng)平臺(tái)的指數(shù)級(jí)擴(kuò)展。

預(yù)測(cè)分析的重要性達(dá)到了歷史最高水平。 絕大多數(shù)的受訪者認(rèn)為預(yù)測(cè)分析是非常重要或關(guān)鍵的，其獲得了3．6的得分。雖然在2017年預(yù)測(cè)分析出現(xiàn)了輕微下滑的情況，但是在這五年中，重要性情緒（先進(jìn)和預(yù)測(cè)分析的感知重要性）處于上升趨勢(shì)。掌握先進(jìn)和預(yù)測(cè)分析的排名靠前，也許明年會(huì)有更多的分析試點(diǎn)和生產(chǎn)中的物聯(lián)網(wǎng)項(xiàng)目。

高級(jí)和預(yù)測(cè)分析應(yīng)用程序中最有價(jià)值的功能包括： 支持一系列回歸模型、層次聚類(lèi)、描述性統(tǒng)計(jì)和推薦引擎支持。超過(guò)90％的受訪者認(rèn)為模型管理是非常重要的，這也表明物聯(lián)網(wǎng)分析是許多人追求的目標(biāo)。地理空間分析（與地圖，人口，人口統(tǒng)計(jì)和其他網(wǎng)絡(luò)生成的數(shù)據(jù)高度相關(guān)），貝葉斯方法和自動(dòng)特征選擇是下一個(gè)最需要的功能系列。

預(yù)測(cè)和時(shí)間分析、訪問(wèn)高級(jí)分析是當(dāng)今物聯(lián)網(wǎng)采用者最重要的可用性?xún)?yōu)勢(shì)。 其次是支持輕松迭代，第三是連續(xù)修改模型的簡(jiǎn)單過(guò)程。該研究共評(píng)估了九個(gè)可用性?xún)?yōu)勢(shì)，但有位專(zhuān)家表示最后一位對(duì)于70％的人來(lái)說(shuō)，不太重要。