引言：上世紀80年代，智能家居的概念初步具備雛形。到近兩年，隨著互聯網的發展，智能手機終端的出現，智能家居逐漸從概念走向大眾生活。目前，我國智能家居行業正在進入快速成長期，市場分析報告預計，該行業將以年均19.8%的速率增長，在2015年產值達1240億。
市場前景如此廣闊，但目前大多數廠商沒有真正做出卓有成效的產品，導致這一現象的關鍵在于大數據。有了終端，有了互聯網，智能家居的輪廓基本能夠描繪出來。但這些還只能實現家居的“互聯化”而非“智能化”。大數據才是真正實現從家居“互聯化”邁向“智能化”的關鍵。可以說，沒有大數據支撐的智能家居，還只是一群智能偽軍。
大數據并非數字的堆積，它分為三個層次，普遍化、差異化和動態化。最終目的應當是一個動態的調整，以達到智能化的要求。
第一，大數據要具備足夠的積累，了解大眾的普遍需求。這一功能要求，智能家居要采集足夠多的數據樣本，以分析大眾對某一款設備的普遍接受范圍。比如，大眾普遍適應的室溫、空氣濕度、吸塵器的檔位等等，在初始設定時，達到智能化的效果。這一方面，要求采集的樣本足夠多。因此，家電行業傳統的巨頭往往更容易占據優勢。比如海爾最近發布的星盒，就是一款智能溫控器，它依托的是海爾在家電領域多年以來的數據積累。根據數據的積累，找到最適合大眾用戶感受的溫度。而這款星盒作為智能家居領域的先鋒，后續將會向起他智能家居拓展，而海爾在家電領域多年來的積累，能夠更加提升智能化水平。而這是大數據的第一層意義。
第二，大數據要在數據積累的同時，滿足個性化和差異化的需求。大眾化只能適用于普遍的規律，而不同用戶的實際需求是不同的。這需要大數據具備“學習”能力，能夠根據用戶的具體習慣，形成差異化的設定。同樣以星盒為例，其智控模式，能夠自動學習用戶使用空調的習慣，根據實時的地區、月份、室內外溫濕度、白天/夜晚等因素綜合判斷，通過星盒自學習算法，經過一周用戶習慣的學習，生成用戶專屬的作息曲線，這是大數據“學習”的典型案例。此外，星盒還具備多種模式可供選擇，比如好睡眠模式，能夠根據用戶所在地區和室內外溫濕度環境，以及用戶之前一周睡眠時的使用習慣記錄，自動生成用戶專屬的睡眠曲線運行。大數據實現差異化的設定，是智能家居的第二個層級。
第三，大數據需要做到動態調整。用戶的需求存在差異，不僅是指個體之間的差異，還包含在個體內部，不同環境下的不同需求。這就要求，大數據能夠根據差異化的需求，進行動態調整。海爾星盒在控制室內濕度時，能夠實時檢測室內濕度，當濕度超過一定范圍時，空調會自動開啟除濕模式。愛寶寶模式能夠根據用戶所處地區、寶寶年齡、實時室內外溫濕度等環境，經星盒環境數據中心計算，得出適合寶寶的溫濕度，并進行動態優化。動態調整是大數據在智能家居領域第三個層次的應用。它能夠最大限度地減少用戶人工調整，實現智能化。
D1Net評論：
總而言之，智能家居的發展離不開大數據，智能家居如果離開大數據，是遠遠無法真正實現“智能化”，這也是目前市場上諸多開發者只能停留在概念層次而無法達到實際操作層次的原因。市場前景十分廣闊，但只有真正實現了大數據的普遍化、差異化和動態化的廠商，才能搶占市場，構建生態系統，從而徹底擊碎家居智能的“偽軍”。
京公網安備 11010502049343號