資料轉換成商業價值的前提是資料能夠解決上層問題。硬體資料與其他型別的資料沒什麼兩樣，透過資料分析、抽象、挖掘可以用於表達上層意義。舉個例子：車聯網，車的油箱中裝有檢測油量的感測器，油量本身就是個數值，但是當油量與gps資料相結合之後，油量數字就有了他的價值，透過大資料可以分析出，該車型以你的駕駛習慣還可以開多遠，能夠開到的最好的酒店是哪個，飯店是哪個（這樣，就對飯店產生了商業價值）：進而將使用者的生活範圍、生活習慣等資訊挖掘出來，就可以帶來更多的商業價值了。

再舉一個掃地機器人的例子：一個掃地機器人的資料有什麼意義？表面上沒有，但是透過清理軌跡可以知道家庭面積，生活習慣，作息時間，進而推算使用者的收入水平等。

所以，無論是硬體資料還是軟體資料，挖掘才能產生價值

大資料是我的主要研究方向之一，目前也在帶相關方向的研究生，所以我來回答一下這個問題。

要想了解如何實現物聯網資料的價值化，首先應該從目前的物聯網應用體系入手。目前物聯網的應用體系有六大組成部分，分別是裝置、網路、平臺、分析、應用和安全，其中物聯網平臺目前尚未成熟，隨著物聯網平臺成熟度的提升，未來基於物聯網平臺的分析和應用將是創造價值的核心區域。

分析模組主要的工作任務有兩個，一個是做資料分析，目前基於物聯網的資料分析已經開始有所應用，目前主要的使用者還是人力資源崗位。另一個任務是為智慧體提供決策的依據，隨著人工智慧的不斷髮展，未來這部分應用的價值會逐漸得到體現，智慧體的參與程度越高，則系統的處理效率也會越高。目前在分析領域實現資料價值比較常見的做法就是場景大資料分析，未來這一應用會進一步得到拓展。

應用模組未來重點的發展方向就是人工智慧領域，目前AIoT概念得到了不少大型網際網路公司的關注，實際上物聯網是目前比較明顯的人工智慧產品的落地場景之一，物聯網與人工智慧的結合可以說是行業發展的一種必然。目前AIoT領域的產品研發正在進行，相信AIoT的產業規模會非常大，同時AIoT產品也是實現資料商業化的重要途徑之一，因為未經處理的資料，使用者很難實現價值化，同時也存在一定的安全風險。