目前的情況是，現有的物聯網模式不起作用。將從大量傳感器收集的海量數據傳輸到中央存儲庫的概念既不可持續，也負擔不起。

　　借助物聯網，企業能夠利用本地數據來推動本地決策并提高本地績效。實際發生的是創建了一個巨大的數據源，充其量增加了整體商業智能的深度。事實證明，龐大的規模令人難以抗拒，并開始呼應“大數據”帶來的失望。而且，如果企業相信5G的到來將加強這一過程——請三思。帶寬將繼續承受極大壓力，隨著語音和音頻的移動迅速填滿。

　　邊緣決策

　　現在是時候讓所有人停下來，退后一步，問問自己：“企業想從物聯網中獲得什么價值?”“結果應該是促進更好、更快、更知情的地方決策——既通過機器學習實現自動化，也讓個人具備必要的洞察力，能夠在前線即時做出決策。”

　　邊緣計算的概念開始得到發展。目標是更好地管理物聯網數據，只將最相關的數據傳輸到中心進行分析，以解決帶寬問題。但是，僅僅在邊緣管理數據有什么價值呢?是的，它解決了數據傳輸挑戰，但它如何支持任何急需的實時決策，這些決策是從通常是大量的物聯網投資中實現有形價值所必需的?

　　只有能夠在邊緣有效地現場分析數據，才能為企業帶來有意義的新機遇。只要想一想，讓個別超市店長實時或接近實時地洞察冰箱的運營表現和溫度，有多大價值就行了。他們將有更好的準備，在必要時立即采取行動，以幫助防止食物浪費。將其與顯示潛在故障點的歷史性能數據的預測性分析相結合，就會創建一個有形的數據集。在邊緣收集和分析數據的能力無疑改變了物聯網的利用方式——這將意味著物聯網投資的回報最終可以實現。

　　但是，如果以正確的方式部署，企業能從物聯網創造的數據中獲得的價值就僅限于此嗎?當從數據中獲得更多價值時，他們是否錯過了一個重要的技巧?如何將數據貨幣化?

　　附加值

　　將每一條物聯網傳感器數據加載到基于云的數據庫中并將其混合在一起是不夠的：沒有上下文的數據基本上沒有意義。那么，上下文存在于何處呢?當組合在一起可以產生金塊般的洞察力時，額外的一個或多個數據源在哪里?

　　雖然銷售和庫存數據可以為商店提供改善車間情況所需的洞察力，但通過邊緣計算，鏈接外部數據源或語音和視頻可以通過改善購物者互動來進一步增強商店體驗和業績，從而提高銷售額。邊緣分析還允許收集和分析機器性能數據，這些數據對制冷設備制造商也很有價值，特別是當它與關于不同位置和操作的上下文信息結合在一起時。

　　有了這樣的洞察力，制造商可以將這些信息整合到他們的設計過程中，以提高效率，并能夠識別和解決特定運營區域內的任何問題。同樣的道理也適用于保險公司，他們可以通過審閱來自監控危險環境的物聯網傳感器的整合信息，發現重大價值并深入了解市場。此外，如果公司能夠證明提高了安全性和監管合規性，它們也可能從潛在的較低保費中受益。一場勝利，全面勝利。

　　從物聯網收集的數據中獲得更多洞察力所帶來的可能性是誘人的，但對于企業來說，可能會有一些考慮因素-比如誰擁有這些數據?

　　部署傳感器的公司擁有自己的運行數據，但制冷設備的制造商和供應商是否也可以聲稱擁有產品的性能數據?

　　此外，這些數據是如何安全地向特定第三方部門提供價值的?如何添加附加數據上下文——由誰添加?

　　在物聯網上分層數據源提供的洞察力對于能夠真正將物聯網貨幣化至關重要——就數據而言，整體肯定大于部分的總和——但要實現這一點，需要明確定義的業務模型和對問題的充分理解，從所有權到安全性和數據交付。

　　投資回報率物聯網

　　當談到從物聯網中獲得投資回報時，企業真的需要重新考慮他們如何部署它，以便他們能夠使用數據來做出更好的實時決策，并能夠將其貨幣化。 然而，要使這兩種情況發生，并且物聯網不會像大數據那樣結束，企業需要采用更有效的數據模型，能夠添加上下文并與合適的人安全地共享數據。