释放制造业 IoT价值的关键所在

亚洲制造商正越来越多地从传统制造转向先进制造或智能制造，以应对劳动力短缺和技术不断进步带来的颠覆影响。

2020年对制造商来说将是重要的一年。德勤预测马来西亚、越南和印度尼西亚将首次跻身制造业竞争力前15强的国家或地区行列，紧随中国、日本、印度、韩国和新加坡，而瑞典或瑞士这样的老牌西方国家将被挤出前15强。但要实现这一点，亚太地区的制造商需要抓住物联网带来的机遇。

制造业预计将成为未来亚洲经济的巨大推动力。德勤预计到2020年，最具竞争力的制造业国家或地区前15强中将有9个来自该区域，其中包括中国、日本、印度、韩国、新加坡、越南、马来西亚、泰国和印度尼西亚。

为什么会出现此格局？因为亚洲制造商正越来越多地从传统制造转向先进制造或智能制造，以应对劳动力短缺和技术不断进步带来的颠覆影响。

在这过程中，最关键的方法之一便是通过联网传感器将原本孤立的机器、系统和产品连接在一起，从而利用物联网（Internet of Thing，IoT）技术提高运营效率、获得竞争优势。

例如，一家服装制造商可以组合使用传感器、数据收集与分析技术来监控其机器设备的实时性能与生产环境，并在机器出现故障前采取预防措施。

有了这种预测性维护能力，制造商可以减少由于意外停机和生产中断而造成的成本和时间损失。在智能工厂中，IoT可提供整个生产线的实时洞察。制造商可以借此快速识别生产滞后或产能过剩并做出调整以满足生产订单需求。

由于IoT的价值在于数据，所以数据管理战略是IoT项目成功的关键。它应该涵盖五个方面：

1.收集，其中包括收集传感器数据并可进行传输。

2.传输，侧重于确保来自互联设备的数据安全、可靠地传输到数据中心。

3.存储，需要存储传感器数据并保证其可用于分析，甚或是实时分析。

4.分析，分析系统所收集到的传感器数据并获得洞察。

5.归档，着眼于经济高效的长期传感器数据归档与管理。

制造商还需要确保他们的数据管理战略涵盖核心数据（存储在数据中心的数据）和边缘数据（在设备和传感器上生成的数据）。对于前者，收集到的所有数据首先发送到数据中心集中存储，然后再进行分析。这对于回顾性数据分析很有用。

至于后者，也称为边缘计算，联网设备执行部分筛选和分析操作，并根据生成的数据做出初始决策。例如，生产线上的一个联网机械臂便可以收集其性能数据，过滤掉不重要的信息，仅在出现异常情况（例如，过热或部件故障）时，才向操作员发送警报。为了支持边缘计算和实时分析，制造商需要利用内置闪存固态驱动器的工业PC。由于生产线上的机器通常会用到大型磁铁，这些磁铁会损害机械硬盘，因此制造商在采用IoT时应该考虑使用基于闪存的存储。

此外，良好的数据管理战略应该确保无论数据驻留在何处，制造商都可以使用相同的数据管理工具和流程。随着制造商为了实现灵活性越来越多地采用混合云，他们需要采用统一的数据格式，以便能够轻松地整合来自不同环境的数据用于分析。

向先进制造发展可能会让人望而生畏，因为需要处理的事情多种多样，尤其是数据管理。减少这种复杂性的一种方法是使用能够统一IoT数据以便用于工作负载或应用程序的解决方案，完全无需考虑架构和平台。消除数据孤岛并且能够随时随地访问数据有助于制造商提高效率和加快创新步伐。

亚太地区大多数地区制造业的未来都将倚仗智能和互联技术。IDC预测，到2021年，该区域制造商在IoT上的合计投资将占到全球总投资的三分之一左右。但对亚洲制造商来说，切勿因IoT风靡全球就盲目跟风。

首先，他们需要一个适应未来需求的数据管理战略，以便能有效地利用互联设备生成的数据。只有这样，他们才能够利用IoT监控业务发展，做出明智决策，推动企业向前发展，超越竞争对手。

汽车行业需开足马力，方能驰骋数据时代

初创企业拜腾（Byton）的小型电动SUV在今年国际消费类电子产品展览会（CES）上一亮相，便成为让消费者兴奋不已的最新产品。Gartner预测，到2020年，汽车企业将在全球生产6100万辆联网汽车；而2017年的生产量则仅为2100万辆。

这些通常被称为“车轮上的智能手机”的汽车，其潜力不仅在于不断汇总和分析车辆与路网数据，为司机提供更好的体验；更在于通过其收集的数据为企业带来两个全新的获利机会：基于用户数据开发新服务以及利用这些数据来改善当前的业务运营。

随着气候变化的加剧，汽车制造商正努力降低影响，逐步从制造以汽油为燃料的汽车转向生产零排放的电动汽车。一些汽车制造商甚至更进一步，生产出智能汽车，开启了第二次汽车革命—智能，乃至自动驾驶（autonomous driving）。

只要看看特斯拉（Tesla）、拜腾（Byton）或蔚来（NIO）等公司便知，在我们谈论之际它们已经占据了汽车市场。这些汽车通常被称为“车轮上的智能手机”，使用机器学习来分析车辆数据和处理环境状况，以自动应对潜在威胁和故障，这意味着它们能够实现自动驾驶。

亚洲渴望拥抱自动驾驶汽车

像拜腾这样的自动驾驶汽车已经在全世界引起了广泛的关注。根据Rakuten AIP的调查，在亚太地区，超过80%的中国、印度和新加坡消费者表示他们知道自动驾驶汽车。而且，印度和中国的消费者极易接受自动驾驶汽车，其中 85%和82%的受访者表示如果这种汽车在国内上市，他们有兴趣体验一下。

亚洲各国政府也对无人驾驶汽车表示支持。例如，从2015年起，新加坡就允許在维一科技园（One-North）内进行无人驾驶汽车试验，以测试其是否能够上路。同样，中国现在向在国内注册的公司提供临时许可证，以在某些道路和特定条件下测试它们的自动驾驶汽车。

各国消费者和政府对自动驾驶技术表现出浓厚的兴趣，这将有助于推动自动驾驶汽车的普及，并为汽车制造商开辟了全新的矿藏。如果制造商们能重新思考其商业模式，并将注意力集中在利用汽车数据创收上，毫无疑问，这其中的价值不啻为一片全新大陆。

将数据转化为真金白银

根据Frost & Sullivan在《汽车数据货币化》报告中的预测，到2025年，数据货币化将为汽车制造商带来价值330亿美元的商机。

汽车生成数据的货币化方式主要有两种：直接数据货币化和间接数据货币化。

在直接数据货币化方式中，数据被视为一种资产，用于发掘新的收入来源。在获得客户许可后，汽车制造商可以与第三方（如汽车保险公司）分享通过汽车传感器采集的驾驶数据。

这样，汽车保险公司可以提供基于使用情况的保险，根据记录的里程、是否遵守限速或者加速与刹车力道是否太猛来向司机收取保险费。

间接数据货币化利用从车辆生成的数据中发掘的洞察来改善业务运营和服务。例如，通过了解智能汽车的性能，汽车制造商能够预测车辆何时需要维护，从而能够提供维修建议与说明，甚至在车辆前往维修点之前就准备好更换部件与服务。这不仅可以防止汽车制造商在维修工人和零部件上过度投资，还能够因节省维修时间、提升服务质量而令客户更加满意。

无论选择何种数据货币化策略，汽车制造商都需要一个可靠的平台来高效地存储、分析和管理车辆数据。这样，他们才能提高整体效率并优化存储，从而降低运营成本。该平台还应该让制造商能够更容易地遵守不同国家/地区的数据隐私、可用性和控制权要求。例如，德国的一家汽车公司使用了NetApp的 StorageGRID Webscale，支持其位于不同国家和地区的开发团队在本地快速地访问相关数据集。

该解决方案通过使用应用程序定义的元数据标记自动指定数据的分布位置、如何加以保护或者是否删除来确保合规性。随着汽车越来越依赖软件驱动，移动性将不再是渐进式变化，而会经历根本性的变革。

未来，自动驾驶汽车将成为一种规范，成为智能手机的延伸，让消费者随时随地都能互连和高效工作.与此同时，由全联网汽车产生的数据将不仅有助于改善汽车制造商的运营，而且还将带来新的收入来源。在汽车工业的发展道路上充满了机遇，现在正是开足马力，满载而归的好时机。

数据推动银行未来发展

随着初创企业不断打破行业惯例，区域金融服务正变得越来越有竞争力。那么，在这种不断变化的环境中，老牌银行如何才能继续占据一席之地？答案就是，通过数字化转型和另辟蹊径来确保提供非凡的客户体验。云计算是实现这一愿景的基本技术之一。IDC的最新《亚太地区银行云服务》报告预测，未来两年将是亚太地区银行采用云计算的一个转折点，因为客户希望随时随地获取服务，这就迫使金融机构有效利用数据洞察，实时提供定制产品和服务。

快速发展的技术正在彻底改变金融领域，以更具创新性、更便捷的银行业务方式，随时随地为客户提供金融服务。随着银行争先恐后地推行数字化业务，试图希望超越客户期望，数据无疑会为企业保持领先地位带来差异化优势。

挑战现状

事实证明，亚太地区拥有非常广泛的群众基础，金融技术在该地区获得了更多关注。在中国，腾讯建立了第一个纯数字化民营银行 —微众银行。微众银行通过腾讯公司的微信应用向8亿微信用户推广银行服务，在运营的前 6个月，微众银行通过将个人客户和小型企业与银行和金融机构联系在一起，支出了超过8亿元人民币。

在越南，Timo（全称为Time & Money）与当地一家银行合作，提供越南国内首项数字银行服务，让客户能够管理自己的资金、账单，甚至在从一个平台上为手机卡充值，而不用在银行排队或登录不同的网上银行系统。

所有这些新兴银行服务都有一个共同点，那就是：它们都是借大数据之力构建的。虽然过程稍显缓慢，但毫无疑问，金融领域正逐渐意识到大量的潜在数据对他们的业务大有益处。

新加坡的星展银行（DBS）成立了一家名为 Digibank的移动银行，该银行在印度尼西亚和印度采用无分支机构、无纸化和无签名运营模式。Digibank旨在实现精简性和效率，通过人工智能驱动的虚拟助理提供24小时客户服务。

在最近于旧金山举行的Google Cloud Next会议上，汇丰银行的首席信息官Darryl West表示，除了汇丰的2.4万亿美元资产外，该公司的核心资产是其数据库。随着客户飞速采用数字交易渠道，West注意到汇丰银行数据资产规模呈现出惊人的增长态势。

通过智能地收集客户互动数据，汇丰银行正在与金融科技公司紧密合作，从中发掘洞察力，从而更加高效地运营业务和打造更有吸引力的客户体验。

信息带来机会

谈到充分利用数据的力量，不得不说我们的许多客户都转向了云计算。IDC的最新《亚太地区银行云服务》报告预测，未来两年将成为亚太地区银行采用云计算的一个转折点，因为客户希望随时随地获取服务，这就迫使金融机构有效利用数据洞察，实时提供定制产品和服务。

例如，当你打开优步或者嘀嘀应用时，它会自动提示你的下一个目的地，或者银行会在客户收到账单时提供无息贷款来支付大笔账单。基于以往的借款模式，后端算法可以计算出合适的利率并评估用户的信用风险，然后瞬间转汇贷款金额。

数据也推动了工作流程自动化和机器学习算法训练，因为人工智能和高级分析有可能改变银行未来的运作方式。像DBS、新加坡大华银行（UOB）和华侨银行有限公司（OCBC）这样的银行已经通过在单一平台上提供在线和移动设备银行服务，实现了多渠道体验。这种强化也离不开社交网络的整合，目的是了解消费者的需求和期望。

然而，如果银行独立地建立自己的实践，比如信用风险分析、业务分析和合规分析，这意味着它们不会相互沟通，那么数据的整合和交叉传播就会有问题。通常情况下，这些“孤岛”会检查类似的数据集，以分辨收益机会和风险。随着数据系统和技术的建立，实现跨银行分析并解决机构范围挑战，新型和更有效的客户服务将会涌现。

不过，采用大数据并不是一个一帆风顺的过程。在只有一些机构优先考虑数据和分析需求的情况下，银行和金融机构需要采取以下步骤才能获得显著收益：

·利用NetApp OnCommand Insight获得端到端可见性：了解您的数据在何处及其如何跨私有云或公共云以及不同的地理位置移动

·利用NetApp ONTAP软件简化数据管理：为公司的所有数据采用统一流程和接口，降低操作風险和混乱

·利用NetApp SnapLock Data Compliance 始终确保安全性：及时检测到性能异常情况，防止出现服务中断或停机，并确保遵守法规和内部IT治理规则