为什么劣质数据不会减少推迟物联网计划的原因

物联网（IoT）和人工智能（AI）之间的联系是不可抗拒的。正如有线文章所说，IoT‘将产生一个大数据的宝库’，‘跟上它的唯一方法是获得机器学习所隐藏的洞察力。’

对于壳牌的IT首席技术官Johan Krebbers来说，这是不容谈判的。“IoT本身就没用了，”他解释道。“只有当我们获取数据，并将机器学习应用于数据，数字化并帮助决策者时，它才会变得有用。”

成立于1907年的壳牌公司，与许多已经经营了一个多世纪的创新公司一样 - 将通用电气视为另一个例子 - 多年来一直在做物联网。当然，它当时并未被称为IoT; 壳牌最早的创新之一是在20世纪70年代提供水下机器人。

然而，最近机器学习的兴起 - 为了促进实时洞察，以及提供自学机制 - 已经迈出了下一步。“我们必须确保我们已经完成了整个端到端的工作流程，”Krebbers补充道。“谈论物联网本身就是浪费时间。物联网本身只能进行数据收集 - 你需要所有的事情来共同决策。“

理论上听起来都很棒。然而，许多组织正在努力冒险。早在2016年，思科副总裁Maciej Kranz发布了物联网，这是公司开始物联网旅程的指南，概述了商业价值主张，组织和文化变革以及如何避免错误。

今年早些时候，克兰兹发布了一个额外的工作手册以提供进一步的帮助。在评估技术准备情况的部分，组织必须回答他们是否能够连接和访问所有数据以确保它流向所有数据。“物联网不需要最新的技术，”该书断言。“你可以简单地将你已经拥有的系统连接在一起。仅此一点就会产生新的价值。“

但是，如果您的数据质量不高，该怎么办？克雷伯斯当然不认为这是一个问题。“我不太担心数据的质量，因为你永远无法获得高质量的数据，”他说。“如果你等到那，等到奶牛回家，你就等不及了。

“你必须使用你今天拥有的数据，开始使用它，让它可见，然后开始改进，”Krebbers补充说。“无论您今天拥有什么数据，立即开始使用它。否则，你可以度过余生，提高数据质量。..。..过去500年我们已经做到了，而且我们没有成功。“

鉴于石油和天然气行业的复杂程度，这一点值得注意。正如一家试图破坏该行业的公司去年向我解释的那样，石油和天然气是“一个行业中工业过程的A到Z”，涉及水，工程，基础设施，分销等。然而，这一点仍然存在。

“这很复杂，但你需要开始，”克雷伯斯说。“你不能使用质量差的数据作为不这样做的理由 - 这是一个非常糟糕的借口。”

因此，消息很简单。围绕这些新兴技术 - 包括区块链，而Krebbers称这将对企业产生“巨大影响” - 而不是开始，这已经不够了。结果令人惊叹 - 壳牌尼日利亚通过使用传感器监测油田，节省了超过100万美元。

Krebbers将于下周在阿姆斯特丹欧洲物联网技术博览会上发表关于IoT如何成为“人工智能数据驱动器”的重要文章 - 它肯定会成为一个值得关注的会议。“你需要看看端到端的故事，”他补充道。“你可以从今天开始，因为许多公司今天已经拥有物联网，你不需要花哨的东西 - 当然数据是所有这些的核心。”