5、數據持有權問題可能愈發嚴重

　　物聯網設備會生成大量數據，但這些數據該歸誰所有，誰又有權對其進行訪問？到底是設備制造商？服務供應商？物聯網設備持有者？抑或是其它第三方？具體答案可能取決于設備的實際類型、由其產生的信息內容、誰需要這些信息又出于何種目的、隱私與安全性問題以及該設備運行所在的實際環境等等。包括這到底是單一的獨立設備，還是被集成至一整套物聯網設備網絡中的組成部分？

　　“從架構層面講，最重要的是對這些系統進行合理設計，這樣大家才能夠根據實際使用習慣、具體客戶類型（例如快餐店）、相關保險廠商或者FDA的要求對數據進行清理、富集與發布，”意大利中西部物聯網委員會聯席主席Don DeLoach解釋稱。“如果我是一家明智的物聯網設備制造商，那么我會樂于獲取并持有這些數據，但醫院、餐廳或者零售店等客戶可能會對此持反對意見，因為這些數據能夠成為其決策的重要基礎甚至改變其具體運營方向?！?/p>

　　6、數據治理工作需要進行重新考量

　　在制定面向物聯網的業務遷移決策時，大家必須通盤考慮到數據的收集、存儲、保護、處理、分析以及使用等各類相關問題?？紤]到物聯網設備所產生數據的龐大規模，我們必須要能夠以自動化方式解決與數據相關的各類潛在難題，例如哪些數據應被保留或者加以使用，而誰又能夠出于必要目的對其內容進行訪問。

　　“最大的難題在于治理——誰持有數據、誰負責數據管理以及如何保護其中的隱私內容。治理工作在架構部署流程中的重要性將愈發凸顯，”意大利中西部物聯網委員會聯席主席DeLoach解釋稱。

　　7、隱私問題需要得到進一步關注

　　物聯網幫助企業收集到更多信息與更多與個人、位置以及其它前所未有的細節層面的具體數據。有鑒于此，企業應當了解到隱私管理政策的重要意義以及物聯網的出現會對此類政策造成怎樣的影響。

　　“自動駕駛車輛已經開始通過藍牙、3G或者4G網絡與物聯網中樞相對接。到那個時候，將會有更多關于個人駕駛習慣、各時間段所處位置、實際路況以及過程中所傳輸信息的有趣數據被收集起來，”Booz Allen Hamilton公司的Jacobsohn預測稱。

　　企業需要采取合適的角度以理解其收集到的信息類型，包括其是否屬于敏感信息、人們對相關收集行為抱有怎樣的態度以及是否應當對其中部分信息進行舍棄。他們還需要了解自己不需要收集哪些信息，并確保對敏感信息加以嚴格保護。

　　8、機器學習將成為一種必要

　　數據總量越大，企業就越是需要利用機器學習將其真正轉化為有價值信息。

　　“考慮到我們目前所擁有的龐大數據總量，未來我們將無法以人力或者手動方式解決此類計算難題。大家需要以機器學習方式識別龐大信息之間的內容關聯性，從而實現資產的預測性維護以及其它相關既定目標，“硬件與軟件解決方案供應商C3 Energy公司高級副總裁Houman Behzadi指出。

　　目前一家東海岸設施廠商已經開始嘗試理解其傳感器網絡生成的運行狀態信息，并借此防止潛在的欺詐行為。通過對數據源的簡單分析規則處理，該公司得以在一年當中識別出數百起欺詐活動，但這套方案的準確率只有可憐的30%。而在機器學習機制的幫助下，該敲詐廠商立即將欺詐行為的發現總量提高到20000起，而且最終達到了90%的理想準確率水平，Behzadi解釋稱。

　　9、再次強調商業案例的必要性。

　　物聯網設備的普及亦有可能如其它類型的技術投資一樣最終無法帶來任何有意義的收益。換言之，如果在采購相關方案時沒有為其設置既定商業目標，那么企業將很難通過這筆投資獲得理想中的回報。

　　“物聯網設備的介入絕不僅僅表現為獲取及匯總數據。大家需要自始至終在思維當中考慮到相關分析機制。我們希望實現怎樣的目標，又打算最終拿出怎樣的項目方案？”戴爾公司信息管理部門首席研究官Shawn Rogers在一次采訪中表示?！霸谄鸩诫A段，大家需要審視現有的良好執行方針，并考慮否則對其進一步優化。以分析為先并觀察其具體結果。確保我們擁有數據管理與數據集成基礎設施。大家還需要確保自己擁有先進安全策略與必要的執行能力?！?/p>