正文
数据源于思科
当上述统计也不完整，实际上没有人知道全球每天产生多少数据，因为并不是所有设备的数据都会连入互联网。
数据量本身意义不大，如何量化数据的价值才是关键所在，但在如何应用数据，以实现其价值方面，当前还没有行之有效的方法。
想挖掘数据的真正价值，就要对天量数字与模拟数据进行过滤，并充分考虑应用场景，这就像沙里淘金，大多数可能无功而返。不过，随着计算力的提高以及大规模并行计算工具的成熟，数据过滤分析--即找到更好的应用数据方法--已经能够创造出颇具市场前景的商业模式。
“众多行业人士指出，不同数据应用方法与其器件和商业模式相互关联，并对其商业、市场以及商业模式产生影响，”Synopsys董事长兼共同CEO Aart de Geus说道，“如果你能够从中找到捷径，提升效率，或者全新的商业模式，那就会是非常大的影响。 ”这也意味着高利润的可能，“你会看到，所有从事数据处理的人都在仔细聆听，以解码市场未来需求，或者自行判断当前市场需求，”de Geus继续说道，“或者更进一步，他们准备置身于数据通路之中，从而最靠近数据商业化的中心。”
这正是资本疯狂涌入的原因，从数据挖掘到云端服务，从机器学习到工业物联网，每一个数据应用场景都战况激烈。
“谁拥有数据，具备数据分析及处理能力，谁就能把所有钱都赚走，”西门子Mentor事业部总裁兼CEO Wally Rhines这样表示。
现在还难说数据应用是一个胜者通吃的游戏，不过确实有不少科技巨头在这个领域跑马圈地，奋勇争先，例如亚马逊、谷歌、微软、Facebook和IBM等掰着手指头就可以输出来的大家伙。
“收集上来的物联网数据中，包含了设备大量的性能、行为及应用数据，”IBM美洲区销售主管Christophe Begue说道，“我们接下来会把收集到的数据丢给Watson（IBM人工智能平台）去分析。”
现在的大问题是如何将这些数据变现，有哪些人愿意为数据付费。要将数据变现，首先要做到如下几点：第一，行业里的公司要真正懂数据的价值；其次，公司要能够快速应对数据变化，只要比别人快百分之一秒，券商就能够以此牟利，但现在大公司应对数据变化的反应时间通常是几天甚至几周；第三，变现数据的价格要有竞争力，不能波动太大。
