现在得益于芯片技术的高集成化、智能化发展，物联网技术也呈现出跨越式的快速发展。国际研究、顾问机构Gartner预计，到2020年，智能手机、平板与PC的总数量将达到约73亿台；而届时物联网的增长速度却要表现的更快，其同期总设备数量将达260亿台，几乎是2009年9亿台的30倍。

物联网设备将呈爆炸性增长

物联网（Internet of Things，IoT），顾名思义就是物物相连的互联网，它以互联网作为核心和基础，通过物体内的嵌入式元器件与内部装置或外在环境进行彼此沟通、感应和产生互动，并在此基础上进行地延伸和扩展出的网络系统。而其用户端可延伸和扩展到任何物品与物品之间，进行信息交换和通信。

物联网以互联网作为核心和基础，其设备将呈爆炸性增长

因此，物联网可定义为通过装置在各类物体上的射频识别(RFID)、传感器、二维码等，经过接口与无线网络相连，从而给物体赋予“智能”，可实现人与物体的沟通和对话，也可以实现物体与物体互相间的沟通和对话，这种将物体联接起来的网络被称为“物联网”。物联网的范围涵盖硬件（即设备本身）、内嵌软件（操作系统）、通信服务以及与设备相关的资讯服务。根据Gartner定义，提供此类硬件、软件及服务的厂商即为物联网供应商。

Gartner预测，2020年物联网预期将带给其供应商3090亿美元的边际收益，并且绝大部分将集中在服务领域。同时，其各类终端设备市场的销售业绩将达到1.9兆美元的全球经济附加价值。

但是鉴于在消费级产品当中加入物联网功能的成本低廉，因此市场上可能还会包括一些不能实现互联互通的物联网设备，包括内嵌物联功能但仍需要软件才能启动，以及具备物联网功能但消费者却未加以利用的产品等等。

企业也将是广泛应用物联网技术的重要领域，未来会有各式各样的物联网新产品进入各类市场。举例来说，高级的医疗装置，应用于工业机器人的工厂自动化感应器与应用程序，可提高农业生产的感应器等等；还有应用于各领域的车载感应器与基础建设中的监控系统，如公路与铁路运输、自来水与电力配送等方面。

Gartner研究总监Peter Middleton表示：“到2020年，由于元器件的成本将下滑至一定水准使连网成为一种标准功能，甚至处理芯片的价格也将低于1美元。如此一来，几乎任何东西，从非常简单到极度复杂的设备中都可能具备连网功能，进而提供远端遥控、监测与感应能力。”

Middleton说：“事实上，许多2020年将出现的连网设备目前尚未出现；可是随着产品设计人员不断开发，可以更多地利用到智能产品中的内建连网功能，因此我们预期物联网设备的种类到时将出现爆炸性增长。”

可以断定的是物联网设备将在新兴领域（如可穿戴设备）中快速增长，它将使保险业的发展更为完善，因为设备将能够提升安全性、保障并预防意外的损失。同时，物联网也将促进新兴商业模式的出现，例如根据即时驾驶数据计算的按里程付费保险等等。而对于银行和证券产业来说，物联网设备的移动支付功能也会为生活带来更多地便捷。而在医疗与健身、公共设施、运输、农业、建筑、智能家居等领域，各产业的快速发展也必将受惠于物联网技术的演进。

企业急需进行海量数据分析

随着未来物联网设备的爆发，企业将迎来海量的数据增长阶段，那么企业就需要快速构建海量数据信息处理系统，通过对企业内部和外部的巨量信息数据进行实时与非实时的分析挖掘，来发现新的价值点和企业商机。

企业需要通过大数据进行海量数据分析来发现新价值和商机

优秀的企业需要善于利用海量数据来获取竞争优势，预测趋势，并为未来需求做好准备。例如，电商利用海量数据分析来分析销售的产品。通过海量的数据收集，建立正确的模型确定产品。

首先从商品属性、商品纬度、市场销售、行业未来和领导企业等五大层级逐级筛选，从几百个产品类别中，通过运算、筛选、验证的过程，获得最佳的几个产品类别；之后进行全网信息检索，采集各大网络平台相关品类的商品信息量、销售单品数、销售额、成交数量等数据；再将上述属性不一，参数各异的海量数据，调整并模拟到同一环境下，使之尽可能真实的反应同一条件下的优劣程度，看该商品是否适合网上销售；然后通过社会经济数据参数进行进一步修正，从而更加符合宏观消费环境；最后通过第三方研究机构数据分享及联合研究，再次进行修正，从而更加符合市场环境。通过这个过程，确定了客群和经营定位，最终确定销售哪些产品。

而当产品确定后，还需要合理的产品定价。产品价格并不能完全根据成本价格，或者采取价格跟随策略。同类产品在定价上面临的情况是：价格定高了无人问津，定低了又挣不了钱。面对这个矛盾的命题，如何找到平衡两者关系，采取怎样的价格策略，同样需要借助海量数据分析。

在产品定价方面，通过收集对应产品的海量数据，并与其它数据相关信息相结合，包括地区经济数据、人口特征、网络情况、商品信息、销售热点等等，建立产品价格模型。依此确定对应产品的价格带及价格线，制定合理的产品价格。在此基础上，确定某个定价范围，并看此定价是否会挤占来自其它定价的产品的销量，由此，优化定价策略。同时，根据营销活动和季节需求的变化，对产品采用动态价格，通过这样的价格策略，在价格提高一定比例的时候，还能保持销量，减少库存。另一方面，还能在留住消费者保持市场份额的前提下，调整增加高利润率商品的合理比例。

通过上面例子可以看出，海量数据能给企业带来洞察与价值，因此获取海量数据，并具备快速分析海量数据能力，将是企业接下来发展的重要一步。然而现状是企业渴望利用大数据，但能够进行实时分析的高昂成本也是令人望而却步的。

在最初的数据获取和发掘阶段，企业需要解决的是如何通过数据搜索与可视化，更快地解答有关业务的诸多问题；在数据分析阶段，企业需要良好的平台和性能，支撑随时随地的实施数据分析，监测数据异常与趋势，进一步得出洞见；在最终的规划与预测层面，企业则需结合历史与统计数据，搭建预测模型，最大化预测的精准度，在战略管理以及人财物为决策者提供建议。而由于本身的复杂性，原生态的大数据技术局限应用于自身具备强大研发实力的互联网行业，开源大数据技术则尚显不够完善。因此如何选择高效的大数据技术，降低大数据在传统企业内部的部署难度，也是摆在企业驾驭大数据业务面前的一个难点。

综上所述，通过对海量数据进行有效的分析、梳理，为企业制定切实可行的发展战略并提供可靠的数据依据，将是物联网时代下海量数据所带来的行业变革。相信随着虚拟化技术、内存、移动等技术的不断发展，大数据也正从无形的概念走向落地实践。从互联网企业，到电信、金融、政府这样的传统行业，对于海量数据的处理和分析，将为企业在市场优化、产品决策、风险分析等方面提供更多的帮助。