这些并不是对遥远未来的一瞥，而是当今日益数字化的世界使之成为可能的现实。物联网(IoT)传感器已迅速集成到各个行业，现在可以不断跟踪和测量温度、压力、湿度、运动、光照水平、信号强度、速度、天气事件、库存、心率和交通等属性。
这些设备收集的信息——传感器和机器数据——提供了对这些物理参数的实时状态和趋势的洞察。然后，这些数据可以用来做出明智的决策，并采取行动，从简化的供应链到未来的智慧城市，释放变革性的商业机会。
IDC研究副总裁John Rydning预计，传感器和机器数据量将在未来五年内飙升，到2027年的复合年增长率将超过40%。他认为，这主要不是因为设备数量的增加，因为物联网设备已经相当普遍，而是因为随着企业学会利用它们产生实时流数据的能力，每台设备都会产生更多的数据。
与此同时，传感器的互联性越来越强，技术也越来越复杂，它们生成的数据除了时间戳外，还越来越多地包含位置信息。这些空间和时间特征不仅捕捉了数据随时间的变化，而且还创建了这些变化如何在不同地点展开的复杂地图，从而促进了更全面的见解和预测。
但随着传感器数据变得越来越复杂和庞大，传统的数据基础设施难以跟上步伐。传感器设备捕获的随时间和空间的连续读数现在需要一套新的设计模式来解锁最大价值。虽然十多年来，企业一直在独立利用空间和时间序列数据，但只有在上下文中结合起来考虑并具有实时洞察能力时，才能实现其真正的潜力。
下载报告。
本文内容由《麻省理工科技评论》的定制内容部门Insights制作。这篇文章并非由《麻省理工科技评论》的编辑人员撰写。
