企业可以通过物联网产品获得大量数据_用这些数据来推动业务发展

用户永远是企业最宝贵的资产，这需要企业开展合作、创造，以及创意，而采用机器学习将简化这个过程，使企业能够理解这些想法将如何被生成、重复和执行。

根据福布斯的调查报告，到2020年，全球物联网市场价值将达到4570亿美元。制造业、运输和物流业将占据特别大的市场份额，但更多的公司可能很快就能分享物联网革命的收益。

研究机构Gartner公司认为，到2020年，超过65％的企业采用物联网产品。企业可以选择通过物联网产品获得大量数据，但他们如何有效利用这些数据来推动业务发展？机器学习可以证明是实现这一增长的一种特别有效的解决方案。

机器学习虽然是一种复杂的人工智能，但并不是一种新的计算现象。“机器学习”一词实际上是在20世纪50年代后期创造的，然而，通过使用机器学习来优化业务流程早已超出了许多公司的实际能力。

这主要是与传统的计算机使用的算法相比，机器学习算法更为复杂。在通常情况下，计算机将解决一些问题，因为它已经进行了专门编程。然而，机器学习算法在使用大量数据来指导他们的决策和预测方面存在一些差异。

例如，用于电子邮件的软件可以通过选择垃圾邮件中常用的短语来对垃圾邮件进行更有意义的分类。同时，Netflix公司可以通过用户之前购买的内容来推荐新电影和节目。这些都是机器学习的直接示例。

传统上，对利用机器学习感兴趣的企业一直受到供应和维护用于托管和执行机器学习算法的计算机和存储设备成本的限制。然而，由于云计算的本质和技术进步，启动这些算法已成为一种更可行的选择。

如今，许多企业可以轻松利用云计算解决方案，使他们能够无限扩展计算和存储以满足他们的机器学习需求。

这些业务还受益于高性能计算服务，由于可用的按次付费订阅模式，这些服务可以保持在其可接受的成本范围内。

正如一些媒体对这种情况的描述，“云计算将成为使机器学习恢复生机的理想替代品。”

尽管机器学习有很多值得称赞的优点，但其算法的有效性仍然严重依赖于输入数据。

大量的相关数据可以推动机器学习算法的发展，就像有用的线索可以帮助侦探得出更明智的结论一样。

正是因为这个原因，物联网才能为这项技术提供理想的用例。各种各样的物联网设备可以高度频繁地生成数据，然后将这些数据放入机器学习算法中。例如，企业的关键设备提供的信息可以帮助其（或者更准确地说是机器学习）预见这些设备可能出现的故障或可能运行多久。这些启示可以帮助企业节省维护时间。

运输行业和物流行业也将被机器学习吸引。这是因为机器学习可以从车辆中获得大量的数据，以帮助提高这种安全性和可靠性。

当然，为了最大限度地提高机器学习的效率，企业需要足够的云计算访问权限。幸运的是，公共云将在企业领域广泛发展。

根据对IT行业相关人士进行的调查研究，约37％的受访者表示，其工作量将在本地部的数据中心上运行，不过到2020年，这一比例可能会下降至约27％。

与此同时，约31％受访的者表示，采用公共云承载其工作量；然而，这个数字在2020之前将会上到约41％。

预计私有云和混合云在这段时间内的使用量也会增长。企业也可以从这些值得关注的云解决方案提供商所强调的物联网示例中获得灵感。