當人們聽到“物聯網”這個術語時，可能會想到智能手表、智能揚聲器以及各種用途的家用電器。然而，一些企業通過將物聯網技術應用在業務中(例如運輸車隊的物流管理)，并更好地管理預測分析在從物聯網設備的實時數據中獲取價值方面起著核心作用。

亞馬遜公司在物聯網的應用就是一個突出的例子。去年秋天，該公司宣布將實施其亞馬遜航空運輸計劃，其中包括購買50架貨運飛機，以及投資12億美元在肯塔基州建設新的配送中心。股票市場分析師預計亞馬遜公司將進入運輸和物流領域。美國消費者新聞與商業頻道(CNBC)報道稱，亞馬遜公司甚至在其股東報告中首次提到了這一業務類別。而在他們的策略中宣布為主要客戶免費提供一天的配送服務。

亞馬遜公司不僅僅是將零售市場引入更多的市場機會，還將預測分析和物聯網戰略應用于運輸車隊使主要業務是交通運輸的企業轉變為利潤實驗室，并檢查物流如何通過更好的實時指標和數據影響決策來為客戶提供服務以部署資源。其成功的試驗將提高利潤率，從為客戶提供更準確的運輸信息，到更有效地購買燃油、維護部件和基本支持服務。

許多行業廠商已經開始依賴數據來推動分析價值鏈，從而獲得競爭性的業務優勢。然而，那些從事交通運輸的企業在數據模型探索方面有著更多的市場機會，因為更復雜的分析技術可以依賴有意義的現實數據。其最終結果是對經營活動產生的價值進行更好的評估。

分析師通常面臨的挑戰是從數據中創建一個連貫的敘述，指出哪些關系將始終支持良好的業務決策或改進產品或服務的特性。

預測分析正在改變交通運輸行業的一種方式是如何促使企業評估他們如何安排來自電子日志、視頻事件記錄器、電子控制模塊、其他車輛傳感器的數據。這些數據源對于辨別哪些運輸挑戰是至關重要的，這意味著企業要找到數據之間的關系，這些關系可以成為有用的經驗。

以雪佛蘭Corvette賽車為例，該車的專業版本采用了性能數據記錄器，可以從高清攝像頭對視頻上的車輛數據進行遙測。來自各種系統活動的數據用于分析賽道上的駕駛員會話，并獲得他們對賽車的體驗。

隨著人們對自動駕駛車輛技術的關注，探索數據組織的工作也將增多。自動駕駛車輛過去一直以某種格式管理這些數據，但到目前為止，沒有機會考慮來自網絡的數據，而且需要考慮采用中央存儲庫或本地平臺承載數據。自動駕駛車輛生成實時數據，可以向管理者提供實時物流決策。

但是生成了大量的數據，每個數據源使用一種不同的結構類型。自動駕駛車輛通常依賴三個數據源：物體檢測傳感器、激光雷達識別車道標記和攝像頭識別標志、人員和物體。數據探索導致大量的數據清理，以識別空值，并確定觀測中是否出現傳感器故障。所有這些都會用于開發過程的早期破壞模型。

因此，將預測分析應用于不同的數據類型和數據源需要管理多個利益相關者的參與，并建立一個可管理的數據生態系統。預測分析領域的競爭并沒有獲得太多的分析成果，而當今三個主要的云計算解決方案確實提供數千種工具。如今的競爭是關于如何最好地管理數據源、機器學習工具和團隊之間的協作。

預測分析和機器學習趨勢在運輸行業的興起也突出了有關數據最好存儲在哪里進行分析的問題。哪些數據從集中位置或車輛上訪問?分析發生的時間和地點也將發生變化。對于分析，它不再是一個是否需要內部數據驅動的成本控制的問題，而是一個與成本控制度量相關的信息應該存放在哪里以便最快地查詢的問題。

安全和社會問題

隨著越來越多的智能設備的推出，將會帶來其他問題。IDC公司在一次“物聯網未來發展”會議活動中表示，到2020年，40%的物聯網創建的數據將存儲在“邊緣”。換句話說，存儲在給定設備內或附近。企業關于數據存儲位置的決策，決定了應在何處強調數據安全，以及運輸網絡及其分析生態系統中存在何種數據質量的戰略選擇。

對生態系統的需求也將激勵研究人員研究與基礎設施相關的社會交通問題，例如社區如何最好地管理交通流量以防止噪音污染和生活質量問題。隨著門戶網站和機器學習解決方案中提供的開放數據在網上得到更廣泛的可用，研究人員可以創建一個分析生態系統，讓團隊可以在他們的調查結果和辯論中進行協作并保持透明。

企業意識到他們未來的增長將取決于利用其資產數據和網絡活動分析。關于優步公司近期首次公開募股的猜測表明，獲取數據并不能保證公司盈利。一些股票分析師認為優步公司將是下一個亞馬遜，因為該公司擁有數據訪問以及提供除汽車共享以外的其他服務的能力。但其他人則指出，該公司面臨的巨額債務抵消了將其數據用于獲利的潛力。更糟糕的是，優步公司在2018年一場令人矚目的車禍中導致亞利桑那州一名行人死亡，隨后推遲了其自動駕駛汽車計劃。如果數據的應用不能保證安全，那就更不用說為企業帶來成功的商業模式了。

受到交通數字化轉型影響的企業如果能夠開發出最佳的數據模型生態系統，可以在為客戶提供長期服務的同時，探索運營收益，那么就會發現自己已經走上一條盈利之路。