雖然數據本身是客觀存在的，但是它的范疇是隨著文明的進程不斷變化和擴大的。在萬物互聯時代，大數據的幾個重要特征將會被成倍放大，并最終形成特殊的應用場景及商業模式。

數據的體量將會成倍增加

正如移動互聯網時代，核心網絡節點從PC轉換為人一樣，在萬物互聯時代，無數的物理硬件將成為核心網絡節點，數據來自無數自動化傳感器、自動記錄設施、生產監測、環境監測、交通監測、安防監測等；來自自動流程記錄，刷卡機、收款機、電子不停車收費系統，互聯網點擊、電話撥號等設施以及各種辦事流程登記等。由于連接數的增加，不間斷的數據收集、存儲、回傳，以及更高清的圖片和視頻應用，都會讓數據的體量有驚人的爆發。

比如Google街景服務，每輛車每天產生的數據將達到1TB，加入分三個拷貝，一年就是1PB，而目前最大容量的存儲硬盤不過是10TB。

在萬物互聯的場景下，每天都會有大量的終端在進行類似Google街景這樣的數據回傳，而大數據的理念，要求數據盡可能龐大且非刻意收集。

伴隨著物聯網技術的成熟，產業的爆發，各種隨身設備、物聯網和云計算、云存儲等技術的發展，萬物都將被聯網，物的所有軌跡都可以被記錄，一切皆被數字化，因此產生的數據可以想象，比之今天，會有多大量級的增加。數據存儲、數據計算與挖掘技術，都將成為萬物互聯場景下大數據應用的核心能力。

數據的及時性特征將會被放大

在互聯網甚至是移動互聯網時代，數據的及時性并沒有那么重要，大量的統計結果是基于過往數據的挖掘而產生的，這些不及時的數據意義也是非常巨大的。Google利用不同地區人們的搜索習慣，成功預測了流行疾病的爆發。Facebook利用網民在無壓力情況下瀏覽網頁、評論、點贊、社交言論的情況，成功預測了美國各州總統大選的結果。這些都屬于利用過往大數據的成功應用案例。

但是在萬物互聯場景下，由于物聯網可以實現微量數據的不間斷回傳，人們對于數據的及時性需求將越來越旺盛，無等待服務將被更多的行業提供，從而產生更多的應用場景。

比如在智慧交通上，百度、高德等地圖廠商，已經可以通過智能手機的數據回傳，動態監控整個城市的交通情況，從而為用戶提供實時的路況信息。目前這種路況信息已經取代了傳統的交通廣播模式，能夠實現個性化地關注出行路線的路況，并根據交通情況，自動設計、自動更改。

目前，在物聯網應用領域，缺乏一個類似iPhone之于移動互聯網一般里程碑的產品。而大多數人都將此寄希望于無人駕駛，因為人類如果能將汽車這樣一個工業時代最重要的個人產品進行智能化、數字化，那么將極大帶動其他產業物聯網化發展。而無人駕駛的前提，除了提前將整個街區數字化以外，不間斷的數據回傳也非常重要。在物聯網環境下，隨著車與更多物品連接起來，將會形成更大范圍的網絡效應，交通這個生態也將進一步豐富起來。

而在車聯網普及方面，也許到來的速度要比我們想象的還要快一些。歐盟已經提出打造數字化大市場，首先在車聯網領域進行突破，2018年3月31日開始，所有的汽車必須配備ecall裝置，每個ecall設備中需要放入SIM卡。歐洲運營商Vodafone，自建并運營了全球第三大M2M平臺（GDSP），確保M2M SIM 卡在全球無縫漫游，保證持續使用。截至2016年第一季度，Vodafone M2M連接數超過2000萬，收入增速達到21%。到2019年，M2M計劃新增覆蓋50個國家，覆蓋全球90%以上區域。

數據的完備性將得到極大提升

在大數據時代，數據格式變得越來越多樣，涵蓋了文本、音頻、圖片、視頻、模擬信號等不同的類型；數據來源也越來越多樣，不僅產生于組織內部運作的各個環節，也來自于組織外部。

例如，在交通領域，北京市交通智能化分析平臺的數據來自路網攝像頭/傳感器、公交、軌道交通、出租車以及省際客運、旅游、化危運輸、停車、租車等運輸行業，還有問卷調查和地理信息系統數據。

4萬輛浮動車每天產生2000萬條記錄，交通卡刷卡記錄每天1900萬條，手機定位數據每天1800萬條，出租車運營數據每天100萬條，電子停車收費系統數據每天50萬條，定期調查覆蓋8萬戶家庭等，這些數據在體量和速度上都達到了大數據的規模。

數據的完備性，尤其是跨界數據的交叉運用，將會產生意想不到的應用場景。亞馬遜正是此中高手，更加完備的數據，讓亞馬遜在個性化推薦的時候，并不用如沃爾瑪一樣思考為什么買啤酒的用戶會買尿不濕，他們只是通過統計學發現數以百計的類似關聯現象，配合更多諸如年齡、消費習慣、性別等標簽數據，將結論直接用于精細化營銷。

總 結

物聯網大數據的故事還有很長很長，數據的爆發只是一個開始，我們如何收集海量的數據，如何儲存，如何設定算法，如何運用機器智能實現自動運算，如何將運算的結果用于預測未來或者更多的商業場景，最后如何確保我們的數據安全。

這里的每一個步驟，都是一個細分領域，我們在大數據應用的路上才剛剛起步。