現在得益于芯片技術的高集成化、智能化發展，物聯網技術也呈現出跨越式的快速發展。國際研究、顧問機構Gartner預計，到2020年，智能手機、平板與PC的總數量將達到約73億臺；而屆時物聯網的增長速度卻要表現的更快，其同期總設備數量將達260億臺，幾乎是2009年9億臺的30倍。
物聯網設備將呈爆炸性增長
物聯網（Internet of Things，IoT），顧名思義就是物物相連的互聯網，它以互聯網作為核心和基礎，通過物體內的嵌入式元器件與內部裝置或外在環境進行彼此溝通、感應和產生互動，并在此基礎上進行地延伸和擴展出的網絡系統。而其用戶端可延伸和擴展到任何物品與物品之間，進行信息交換和通信。
物聯網以互聯網作為核心和基礎，其設備將呈爆炸性增長
因此，物聯網可定義為通過裝置在各類物體上的射頻識別(RFID)、傳感器、二維碼等，經過接口與無線網絡相連，從而給物體賦予“智能”，可實現人與物體的溝通和對話，也可以實現物體與物體互相間的溝通和對話，這種將物體聯接起來的網絡被稱為“物聯網”。物聯網的范圍涵蓋硬件（即設備本身）、內嵌軟件（操作系統）、通信服務以及與設備相關的資訊服務。根據Gartner定義，提供此類硬件、軟件及服務的廠商即為物聯網供應商。
Gartner預測，2020年物聯網預期將帶給其供應商3090億美元的邊際收益，并且絕大部分將集中在服務領域。同時，其各類終端設備市場的銷售業績將達到1.9兆美元的全球經濟附加價值。
但是鑒于在消費級產品當中加入物聯網功能的成本低廉，因此市場上可能還會包括一些不能實現互聯互通的物聯網設備，包括內嵌物聯功能但仍需要軟件才能啟動，以及具備物聯網功能但消費者卻未加以利用的產品等等。
企業也將是廣泛應用物聯網技術的重要領域，未來會有各式各樣的物聯網新產品進入各類市場。舉例來說，高級的醫療裝置，應用于工業機器人的工廠自動化感應器與應用程序，可提高農業生產的感應器等等；還有應用于各領域的車載感應器與基礎建設中的監控系統，如公路與鐵路運輸、自來水與電力配送等方面。
Gartner研究總監Peter Middleton表示：“到2020年，由于元器件的成本將下滑至一定水準使連網成為一種標準功能，甚至處理芯片的價格也將低于1美元。如此一來，幾乎任何東西，從非常簡單到極度復雜的設備中都可能具備連網功能，進而提供遠端遙控、監測與感應能力?！?/span>
Middleton說：“事實上，許多2020年將出現的連網設備目前尚未出現；可是隨著產品設計人員不斷開發，可以更多地利用到智能產品中的內建連網功能，因此我們預期物聯網設備的種類到時將出現爆炸性增長。”
可以斷定的是物聯網設備將在新興領域（如可穿戴設備）中快速增長，它將使保險業的發展更為完善，因為設備將能夠提升安全性、保障并預防意外的損失。同時，物聯網也將促進新興商業模式的出現，例如根據即時駕駛數據計算的按里程付費保險等等。而對于銀行和證券產業來說，物聯網設備的移動支付功能也會為生活帶來更多地便捷。而在醫療與健身、公共設施、運輸、農業、建筑、智能家居等領域，各產業的快速發展也必將受惠于物聯網技術的演進。
企業急需進行海量數據分析
隨著未來物聯網設備的爆發，企業將迎來海量的數據增長階段，那么企業就需要快速構建海量數據信息處理系統，通過對企業內部和外部的巨量信息數據進行實時與非實時的分析挖掘，來發現新的價值點和企業商機。
企業需要通過大數據進行海量數據分析來發現新價值和商機
優秀的企業需要善于利用海量數據來獲取競爭優勢，預測趨勢，并為未來需求做好準備。例如，電商利用海量數據分析來分析銷售的產品。通過海量的數據收集，建立正確的模型確定產品。
首先從商品屬性、商品緯度、市場銷售、行業未來和領導企業等五大層級逐級篩選，從幾百個產品類別中，通過運算、篩選、驗證的過程，獲得最佳的幾個產品類別；之后進行全網信息檢索，采集各大網絡平臺相關品類的商品信息量、銷售單品數、銷售額、成交數量等數據；再將上述屬性不一，參數各異的海量數據，調整并模擬到同一環境下，使之盡可能真實的反應同一條件下的優劣程度，看該商品是否適合網上銷售；然后通過社會經濟數據參數進行進一步修正，從而更加符合宏觀消費環境；最后通過第三方研究機構數據分享及聯合研究，再次進行修正，從而更加符合市場環境。通過這個過程，確定了客群和經營定位，最終確定銷售哪些產品。
而當產品確定后，還需要合理的產品定價。產品價格并不能完全根據成本價格，或者采取價格跟隨策略。同類產品在定價上面臨的情況是：價格定高了無人問津，定低了又掙不了錢。面對這個矛盾的命題，如何找到平衡兩者關系，采取怎樣的價格策略，同樣需要借助海量數據分析。
在產品定價方面，通過收集對應產品的海量數據，并與其它數據相關信息相結合，包括地區經濟數據、人口特征、網絡情況、商品信息、銷售熱點等等，建立產品價格模型。依此確定對應產品的價格帶及價格線，制定合理的產品價格。在此基礎上，確定某個定價范圍，并看此定價是否會擠占來自其它定價的產品的銷量，由此，優化定價策略。同時，根據營銷活動和季節需求的變化，對產品采用動態價格，通過這樣的價格策略，在價格提高一定比例的時候，還能保持銷量，減少庫存。另一方面，還能在留住消費者保持市場份額的前提下，調整增加高利潤率商品的合理比例。
通過上面例子可以看出，海量數據能給企業帶來洞察與價值，因此獲取海量數據，并具備快速分析海量數據能力，將是企業接下來發展的重要一步。然而現狀是企業渴望利用大數據，但能夠進行實時分析的高昂成本也是令人望而卻步的。
在最初的數據獲取和發掘階段，企業需要解決的是如何通過數據搜索與可視化，更快地解答有關業務的諸多問題；在數據分析階段，企業需要良好的平臺和性能，支撐隨時隨地的實施數據分析，監測數據異常與趨勢，進一步得出洞見；在最終的規劃與預測層面，企業則需結合歷史與統計數據，搭建預測模型，最大化預測的精準度，在戰略管理以及人財物為決策者提供建議。而由于本身的復雜性，原生態的大數據技術局限應用于自身具備強大研發實力的互聯網行業，開源大數據技術則尚顯不夠完善。因此如何選擇高效的大數據技術，降低大數據在傳統企業內部的部署難度，也是擺在企業駕馭大數據業務面前的一個難點。
綜上所述，通過對海量數據進行有效的分析、梳理，為企業制定切實可行的發展戰略并提供可靠的數據依據，將是物聯網時代下海量數據所帶來的行業變革。相信隨著虛擬化技術、內存、移動等技術的不斷發展，大數據也正從無形的概念走向落地實踐。從互聯網企業，到電信、金融、政府這樣的傳統行業，對于海量數據的處理和分析，將為企業在市場優化、產品決策、風險分析等方面提供更多的幫助。
