目前的情况是，现有的物联网模式不起作用。将从大量传感器收集的海量数据传输到中央存储库的概念既不可持续，也负担不起。
借助物联网，企业能够利用本地数据来推动本地决策并提高本地绩效。 实际发生的是创建了一个巨大的数据源，充其量增加了整体商业智能的深度。 事实证明，庞大的规模令人难以抗拒，并开始呼应“大数据”带来的失望。 而且，如果企业相信 5G 的到来将加强这一过程——请三思。 带宽将继续承受极大压力，随着语音和音频的移动迅速填满。
边缘决策
现在是时候让所有人停下来，退后一步，问问自己：“企业想从物联网中获得什么价值?”“结果应该是促进更好、更快、更知情的地方决策——既通过机器学习实现自动化，也让个人具备必要的洞察力，能够在前线即时做出决策。”
边缘计算的概念开始得到发展。目标是更好地管理物联网数据，只将最相关的数据传输到中心进行分析，以解决带宽问题。但是，仅仅在边缘管理数据有什么价值呢?是的，它解决了数据传输挑战，但它如何支持任何急需的实时决策，这些决策是从通常是大量的物联网投资中实现有形价值所必需的?
只有能够在边缘有效地现场分析数据，才能为企业带来有意义的新机遇。只要想一想，让个别超市店长实时或接近实时地洞察冰箱的运营表现和温度，有多大价值就行了。他们将有更好的准备，在必要时立即采取行动，以帮助防止食物浪费。将其与显示潜在故障点的历史性能数据的预测性分析相结合，就会创建一个有形的数据集。在边缘收集和分析数据的能力无疑改变了物联网的利用方式——这将意味着物联网投资的回报最终可以实现。
但是，如果以正确的方式部署，企业能从物联网创造的数据中获得的价值就仅限于此吗?当从数据中获得更多价值时，他们是否错过了一个重要的技巧?如何将数据货币化?
附加值
将每一条物联网传感器数据加载到基于云的数据库中并将其混合在一起是不够的：没有上下文的数据基本上没有意义。那么，上下文存在于何处呢?当组合在一起可以产生金块般的洞察力时，额外的一个或多个数据源在哪里?
虽然销售和库存数据可以为商店提供改善车间情况所需的洞察力，但通过边缘计算，链接外部数据源或语音和视频可以通过改善购物者互动来进一步增强商店体验和业绩，从而提高销售额。边缘分析还允许收集和分析机器性能数据，这些数据对制冷设备制造商也非常有价值，特别是当它与关于不同位置和操作的上下文信息结合在一起时。
有了这样的洞察力，制造商可以将这些信息整合到他们的设计过程中，以提高效率，并能够识别和解决特定运营区域内的任何问题。同样的道理也适用于保险公司，他们可以通过审阅来自监控危险环境的物联网传感器的整合信息，发现重大价值并深入了解市场。此外，如果公司能够证明提高了安全性和监管合规性，它们也可能从潜在的较低保费中受益。一场胜利，全面胜利。
从物联网收集的数据中获得更多洞察力所带来的可能性是诱人的，但对于企业来说，可能会有一些考虑因素-比如谁拥有这些数据?
部署传感器的公司拥有自己的运行数据，但制冷设备的制造商和供应商是否也可以声称拥有产品的性能数据?
此外，这些数据是如何安全地向特定第三方部门提供价值的?如何添加附加数据上下文——由谁添加?
在物联网上分层数据源提供的洞察力对于能够真正将物联网货币化至关重要——就数据而言，整体肯定大于部分的总和——但要实现这一点，需要明确定义的业务模型和对问题的充分理解，从所有权到安全性和数据交付。
投资回报率物联网
当谈到从物联网中获得投资回报时，企业真的需要重新考虑他们如何部署它，以便他们能够使用数据来做出更好的实时决策，并能够将其货币化。 然而，要使这两种情况发生，并且物联网不会像大数据那样结束，企业需要采用更有效的数据模型，能够添加上下文并与合适的人安全地共享数据。
