作者：日经计算机
出版社：机械工业出版社
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
物联网商业时代试读：
译者序
物联网的英文名为“the Internet of things”，简称IoT。它是将各种信息传感设备与互联网结合起来而形成的巨大网络，也是继计算机、互联网与移动通信网之后的又一次信息产业浪潮。物联网主要通过射频识别、红外感应器、全球定位系统、激光扫描器等信息传感设备，按约定的协议将所有的“物”（小到手表、钥匙，大到汽车、楼房等）与互联网相连，进行信息交换和通信，以实现对物品的智能化识别、定位、跟踪、监控和管理。
自2009年以来，世界各国纷纷推出本国的物联网相关发展战略。在亚洲国家中，日本是较早开始物联网应用的国家之一。早在20世纪90年代中期，日本政府就制定了多项国家信息技术发展战略，有序开展了大规模的信息基础设施建设，为其后日本物联网的发展奠定了良好基础。进入21世纪以来，日本更是积极推进IT立国战略。近年来，伴随德国工业4.0时代的到来，传统的制造业强国日本也开始发力，希望通过对物联网技术的研究和发展，在数字领域占据制高点，使日本重新获得“第一梯队”的地位。
翻开本书，一幅全面而生动的物联网版图在我们面前徐徐展开。它涵盖日本物联网的系统架构、核心技术、关键领域等各个方面，更通过世界各国的最新案例，勾勒出未来世界物联网城市的美好蓝图。在公共事务管理方面，我们可以看到各国在政务公开、交通管理、防恐防灾、节能环保等领域的积极举措；在公众社会服务方面，我们可以切身感受到包括医疗健康、智能家居、金融保险在内的物联网应用；在经济发展建设方面，我们可以了解物联网在日本能源电力、物流零售、智能工农业等行业日趋增长的应用趋势。当然，这其中也不乏日本对于物联网安全及“小岛进化”现象的认真思考。
在我国，自2009年8月时任总理温家宝提出“感知中国”以来，物联网被正式列为国家五大新兴战略性产业之一，从此开启了中国物联网产业发展的新纪元。2016年《政府工作报告》更是明确提出，在“十三五”期间要促进大数据、云计算、物联网的广泛应用。虽然日本的国情与我国不同，不能照搬照抄其模式，但相信我们仍然可以从书中获得不少有益的启示。
本书由路邈负责翻译工作，翻译专业的研究生张巍钟、张帆、周思宏、赵一诺、黄倩榕、张阳、薛天娇、息平、李迪、金露共同承担了初稿的翻译。在翻译过程中，我们力求准确贴切，但由于受水平和时间所限，疏漏错误在所难免，敬请各位读者批评指正。译者2017年6月 第1章IoT概要·20分钟理解IoT的本质20分钟理解IoT的本质
现今，我们每天都能看到“IoT”（Internet of things）一词出现在各类媒体上。这个词又被译作“物联网”。它并不是指某种特定的技术、产品或解决方案，而是指将所有物品与互联网结合起来构成的世界（见图1-1）。图1-1 IoT全景图
过去，可以连接互联网的设备仅限于电脑及通信设备。后来，具有上网功能的手机（feature phone）开始出现，自动售货机等搭载移动通信模块的机器也可以连接到互联网了，而智能设备（智能手机/平板电脑）的诞生让人们随时随地都可以上网。同时，伴随着社交媒体的兴起，越来越多的人整天都置身于网络环境之中。
现在很多东西都可以联网，包括电视机、数码相机、数码摄像机、数码音响、硬盘录像机、家用游戏机等数码家电，以及家庭安防设备、健康器械、汽车、自动售货机等。还有一些家电或健康器械虽然不能直接联网，但也可以和智能手机进行通信传输。
日本将于2020年举办东京奥运会及残奥会，届时将有许多具有跨时代意义的服务获得开发，并广泛地提供给来自日本国内外的观众，而IoT很有可能以各种形式活用于这些服务之中。例如，设置在场内或周边设施中的数字化标牌和自动售货机，可以与入场观众的智能手机、智能手表等设备进行网络连接，并根据该用户的所在地、兴趣、个人情况等为其提供最合适的信息。随着众多企业和公共机构的加入，预计到2020年，IoT将会和PC及智能手机一样发展成为一种必不可少的技术。
互联网大大改变了人们的生活模式和行为，给企业、社会、国家带来了很大冲击，也拉近了全世界的距离。而IoT将会给企业、社会、国家带来比互联网更大的冲击，因为无论是数量还是种类，“物”都远多于“人”。未来IoT活跃的范围也许将超越地球走向宇宙，无法想象届时宇宙和世界将呈现怎样的一番景象。可以说，IoT具有无可估量的发展潜力。IoT的特征与历史
在IoT这一概念出现之前，人们提倡的是“M2M”（machine to machine），即机器对机器的通信。实际上，M2M的观点早已有之，但因为其一直使用的是以太网（Ethernet）等有线通信方式，所以连接范围仅限于工厂、仓库、店铺等狭窄的空间，而这一状况随着无线通信的普及发生了彻底改变。以Wi-Fi为代表的无线通信技术逐渐普及，使得异地的设备之间也可以通信。
除了设备间的通信，设备和人之间的通信也非常重要。现在，人们经常通过智能手机或普通手机浏览信息或将数据传入系统。我们将[1]这种通信形态称为“M2P”（machine to person）。
现阶段IoT尚没有明确定义，不过人们多把包括上述M2M和M2P在内的概念也称为IoT（见表1-1）。严格说来，M2M、M2P都不是必须连接到互联网的，也可以通过3G/LTE等移动通信技术或企业内网来进行，但人们还是普遍把M2M、M2P统称为IoT。表1-1 IoT的定义
与M2M近似的想法最早可以追溯到20世纪80年代。当时制造业中一个新词“FA”（factory automation）兴起，即将工厂的控制设备或机器与电脑连接，通过与电脑通信，提升生产状态、生产效率及制造品质。IoT和M2M表面上与FA这一尝试相似，然而实际上，现代的IoT和过去的FA有着很大的区别（见图1-2）。图1-2 FA与IoT的差异
出处：（ITR）
第一个区别在于二者通信范围不同。当时几乎所有企业的FA通信都限于工厂内部，即使是大企业的FA通信，也局限在企业内的WAN里。而与此相对，IoT基于互联网的连接模式，可以实现全球范围内的通信。
第二个区别在于二者系统的可扩展性不同。在FA通信时代，计算机本体和存储器的价格都非常昂贵，因此很难将应用于小型工厂的FA设备扩大到大型工厂或多家工厂之中。但是在IoT时代，计算机和储存器的价格已经相当便宜，很容易就可以进行系统的纵向及横向扩展。
第三个区别在于二者对数据的处理不同。在FA通信时代，尽管从设备中获取了各种数据，但在当时并没有能够高速分析这些海量数据的系统，储存器的容量也十分有限。因此如果要进行商业分析，从常识上说需要事先对这些数据进行筛选。然而，提前制定一个筛选标准并非易事，这就造成很多时候虽然获取了大量数据，但并未能对其进行有效利用。
IoT和M2M都不是最近才出现的技术。M2M始于何时并不明确，不过一般认为，1996年美国通用汽车公司导入的名为“OnStar”（安吉星）的Telmatics系统（一种通过在汽车中安装通信系统，以协助驾驶和提供信息服务的系统），是M2M最初期的应用实例之一。
关于IoT的概念最早是由谁提出的也没有定论。据说，凯文·阿什顿（Kevin Ashton）还是美国宝洁公司（P&G）的一名技术人员时，在1999年的一个与RFID（无线射频识别技术）相关的演示中，首次使用了“Internet of things”这个词。从20世纪90年代开始，人们在IoT领域进行了各种尝试。之后我们还会讲到，随着IoT构成要素的创新以及低价化，近几年来IoT的可行性得到了很大的提高。人人都能尝试IoT
由于IoT越来越受到关注，很多企业向我咨询有关IoT方面的问题，其中不少都是“实现IoT是否需要投入巨大的资金”这样的烦恼。企业之所以会这样想，是因为一般人们在介绍IoT时举的都是上述“OnStar”这种规模宏大的例子。这就导致企业将IoT自行定义为，“用网络把分布在世界各地的庞大数量的电子设备连接起来，在对这些海量数据进行分析获得真知灼见的基础上，进行独具特色的商业活动”。这种误解使得企业在开展IoT时踌躇不前。然而，IoT的适用范围非常广泛，并不受设备数量和分布范围的制约。
说得极端一些，在现代社会，每个人都可以通过IoT开展商业活动。为了便于理解，我举一个“Teddy the Guardian”的例子，它能使大家发现其实IoT就在我们的身边。
一般来说，给婴幼儿看病是很困难的。因为他们看到医生会紧张，或者会对血压计、血氧饱和度计等大人用的检测仪器产生恐惧心理，所以医生很难测出准确数值。克罗地亚的两名女大学生了解到这种现象后就在想，如果能够用一种孩子不排斥的方法检测，孩子和父母不就不会因此而烦恼了吗？于是，她们把目光投向了深受全世界儿童喜爱的泰迪熊。
两人于2013年5月创办了一家名为“Iderma”的公司，研发了一款医用传感器，并给它取了“Teddy the Guardian”这样一个很有亲和力的名字。这个传感器藏在泰迪熊玩偶里，可以测量孩子的心率、血压、血氧浓度、体温，并通过蓝牙或Wi-Fi将数据传输到监护人的智能手机中，必要时还可以传给医院的医生。
由于这是一款医疗器械，它的研发需要经过各国专业机构的审批。如果独自进行研发，不但存在风险，还会耗费大量时间。因此她们想出的办法就是向有研发经验的制造商采购传感器，并将从传感器中采集的数据通过蓝牙传输给智能手机。Iderma公司的两位创始人既不是IT专家，也不是电子设备专家，但她们凭借自己新颖的想法和实现创意的热情，与外部企业合作，打造出了全新的IoT解决方案。
就在不久以前，由两个既不懂IT也不懂电子设备的外行创造出这样一个具有跨时代意义的产品，无异于痴人说梦。但是现在像Teddy the Guardian这样，只需将传感器和蓝牙这种近距离的通信工具组合并与智能设备连接，就能很容易地连接到互联网。对企业来说，它们还可以通过生产设备上安装的各种传感器以及控制/检测仪器获得大量数据，只要接入无线LAN，就可以很容易地收集数据。如今，许多云服务都可以实现海量数据的储存和分析。可以说，实现IoT的最大障碍已经不再是技术和成本，而是独一无二的创意以及实现创意的热情。在IoT应用上呈现两极分化的日本国内企业
那么，日本国内企业的IoT进展程度如何？2014年及2015年的IoT应用状况（见图1-3）调查结果显示，“已经导入并将扩大规模”的企业以及“已经导入，但由于效果不明显，今后将不扩大规模”的企业，也就是说现在已经在应用IoT的企业占到了总数的25%。这一数字自2014年起没有太大变化。另外，“现在还没有应用，但准备在一年之内导入”的企业从2014年的14%增加到了2015年的17%。图1-3 日本国内企业的loT应用状况
出处：ITR（2015年6月调查数据）
图1-3的下半部分是不同经营状况下各企业对IoT的应用情况。可以看出，越是经营状况良好的企业，越是积极地应用了IoT。在不打算导入IoT的企业中，只有9%的企业认为自己“发展势头非常良好”，而有高达71%的公司认为自己“发展势头非常不佳”。从以上数据可以看出，发展势头良好的企业正在通过先进的IoT理念谋求企业的进一步发展。
我们也统计了IoT在企业经营活动中的应用情况（见图1-4）。数据显示，已经开始在实际经营活动中应用IoT的企业在2014年为45%，2015年则增加到了53%。虽然IoT一词在2013年前后才开始被媒体广泛使用，但如前所述，类似的M2M在20世纪90年代后期就已经得到了应用，这也是IoT获得了如此高的适用率的原因。图1-4 各企业对loT的应用情况
出处：ITR（2015年6月调查数据）
图1-5显示的是IoT的具体用途。比例最高的是“安防系统”，约占40%，接下来依次是用于远程监控机械及设备的“远程监控”、利用传感器来获取数据的“传感系统”、追踪物品位置及状态变化的“追踪/定位”以及“结算/POS”等。这些用途在M2M时代就已经存在，因此可以认为，现在的IoT是以M2M领域为中心发展起来的。IoT的构成要素
图1-6为IoT的典型结构。设备（“物”）通过某种方式与处理系统来通信，二者之间的联系手段主要是互联网，也可以是内网。但当较多电子设备直接接入网络（内网）时，其效率就会降低，因此很多时候会借助网关，不过网关并不是非有不可的。设备的通信界面包括无线通信及近距离通信两种方式。
接下来介绍这些构成要素的核心技术和服务，表1-2即为实现IoT所需的技术/服务。图1-5 IoT的用途
出处：ITR（2015年6月调查数据）图1-6 IoT的典型结构
出处：ITR表1-2 实现IoT所需的技术/服务
IoT的普及与这些核心技术及周边技术的进步密不可分。在设备中，最重要的就是智能设备。与过去的大型计算机相比，智能设备的处理速度更快，同时可搭载相机、GPS等各种传感器，并可构筑多样化的App应用软件，这些都是IoT成功的重要因素。此外，超小超薄型传感器开发方面取得的成果，也让人们对其用途充满期待。
最具有代表性的例子是美国MC10公司开发的“BioStamp”产品。这是一款可以直接贴在皮肤上的微型传感器。使用者只要将其贴在皮肤上，就可以实时监测自己的身体状况。BioStamp采集的数据包括心电图、脉搏、体温、紫外线吸收量、大脑活动等，这些数据可以通过智能手机发送到云端并解析。
小型SoC（system on chip，系统芯片）的出现推动了微型IoT设备的发展，而单板机（single-board computer）使得“菜鸟”技术人员也可以开发IoT设备。IoT设备需要有电源供给，经常换电池显然不方便。如果使用有线电源供电，当设备较多且范围较广时，其又会受到场地的限制。虽然可以考虑RFID这种无线供电的方式，但这就必须在设备的旁边安装天线。现在较受瞩目的供电方式主要包括使用阳光、照明、震动、热、电磁波等进行的“环境发电”，以及“能量采集”（energy harvesting）。
对自动售货机的IoT/M2M化起到重要作用的是“Ubiquitous模块”。这种3G通信模块安装在由通信运营商提供的机器中，其价格近年来已经降到了数千日元，这减少了企业应用的成本阻力。另外，以前的无线网络（Wi-Fi和蓝牙）并不适合多节点的通信。IoT需要把非常多的“物”和互联网接续起来，这就需要一个可以对应庞大节点数量的专用网络协议。我们将其统称为“无线传感器网络”（wireless sensor network）。老牌巨头与初创企业并存的IoT市场
下面总结一下与IoT相关的企业。可以说在IoT构成要素的市场中，已有的老牌巨头以及凭借全新的技术和理念参与进来的初创企业通过相互竞争和协作，使得整个市场充满活力。
在IoT设备用半导体市场当中，美国的英特尔（Intel）、英国的ARM、美国的高通（Qualcomm）等大型半导体公司具有相当的实力。另外，许多初创企业也开始崭露头角。例如，美国的Ineda Systems公司研发出了IoT专用的低功耗SoC芯片，受到广泛瞩目。
在可穿戴设备市场中，美国的苹果公司（Apple）、韩国的三星电子（Samsung）、美国的微软公司（Microsoft）等巨头也已经加入，而美国的Pebble Technology公司等后起之秀的产品也颇受欢迎。
在面向IoT的网关/网络市场中，大型移动通信公司是“主角”。此外，日本的初创企业Soracom使用安装在专为IoT服务的MVNO（移动虚拟网络运营商）以及AWS（亚马逊云服务）上的通信控制系统，为IoT提供了优化的网络/网关服务。可以说，Soracom公司的出现向世人展现了IoT市场的巨大商机。
IoT处理系统的主要竞争领域是PaaS（平台即服务）和SaaS（软件即服务）等公共云端服务，这一点毋庸置疑。美国的亚马逊（AWS）、微软（Microsoft Azure）和IBM（IBM Bluemix）等世界顶级的云服务公司提供了面向IoT的PaaS云平台。另外，美国的Xively（后为美国的LogMeIn收购）等提供同样服务的初创企业今后也会不断增加。IoT的标准化工作尚在途中
如前所述，IoT的构成要素涉及很多领域。如果可以在整个物联网世界推行统一的标准，企业只需将重点放在打造具有独创性的IoT商务方面，就可以取得成功，这是一种理想状态。然而在现实中，IoT的标准化还远未实现。
例如，在无线传感器网络（WSN）方面，除了之前介绍的Zigbee（紫蜂协议）之外，还有Z-Wave、Xmesh、SmartMesh、MeshScape等许多颇具前途的协议，但这些协议之间的兼容性还没有实现。此外，这些协议从下层到上层都是一个堆栈（stack），缺乏与其他体系结构的互操作性。虽然在快节奏的商务活动中，这种垂直型堆栈有其存在的必要性，但是随着IoT对象范围的扩大，这种体系结构的局限性也凸显了出来。
为了使互不兼容的协议之间实现互联，就需要使用大量的网关，如何实现统一的路径管理也是一个难点。各协议需要在不同的平台上开发和维护，因此规模庞大的IoT往往成本过高，很难实现所有传感器信息的共享。另外，如果IoT长期没有一个国际标准的话，加入或者使用IoT市场的企业在数量上也很难有大的突破。
鉴于这样的现状，目前全球范围内的标准化活动正在推进，但尚未取得大的进展。应用IoT的企业也应充分地认识到这一现状，开展技术和服务方面的设计。数据采集量的大幅增加可以提高企业的服务质量
IoT在商业活动中的运用主要有两种：一种是用于促进企业现有的商务活动，另一种则是用于业务创新。
我们先来谈谈前者。企业对数据的运用有几种不同的水平（见图1-7）。水平最低的是无法从数量上对公司的经营活动进行把握。比这个水平高一些的阶段是能够收集各种数据，从而掌握已发生的情况，这一阶段可以称作“可视化阶段”。再进一步发展的阶段，就是能够明确地了解事情发生的原因，预测未来的情况，进而做好相应的准备，到了这个阶段就可以算是具有较高分析能力的企业了。很多企业自认为目前已经度过了“可视化阶段”，进入了提升自身分析能力的阶段。但是，真的有企业完全掌握了自己当前的情况吗？图1-7 真正理解“发生了什么”至关重要
出处：ITR
最近关于企业的负面新闻接连不断，而这些企业无一例外都是“没有掌握当前情况”的企业。比如，原材料从在工厂经过多道工序加工，到最后完成成品，几乎没有一个企业能够掌握这一过程中的所有情况。那些销往全球的商品从自己公司的仓库出货，到最终运送到海外客户的手中，在这一过程中要经历哪些环境，恐怕也没有企业能够全部了解。当然，以数据的形式掌握所有情况这一点并不现实，但可以说绝大多数企业连商业活动中必要的数据都没有充分获取。
然而，大幅增加数据的采集量，可以提高企业的管理水平和服务质量。天气预报就是一个很好的例子。现在，天气预报的准确率较过去有了极大的提高。在对高度为5000～6000m，压强为500hPa的高空气象预测中，目前72小时预报的精度已经和20世纪80年代中期24小时预报的精度相当（见图1-8）。对于台风路径的预测误差也有所减小，现在5天以内的预测误差比20世纪80年代前期3天以内的预测误差还小。图1-8 通过天气预报了解观测数据的增加如何提升业务品质
出处：日本气象厅网站（http://www.jma.go.jp/jma/kishou/know/whitep/1-3-9/html）
气象部门认为，天气预报准确率提高的原因在于数值预报模式的精细化、解析手法的高度化、观测数据在质量上的增加以及计算机作为数值预报的基础在性能上的提高。但是，无论预报模式、解析方法、计算机性能再如何进步，如果不增加样本的采集点，缩短测量间隔，那么预测精度的提高都是很有限的。可以说，数据量的增加对于提高天气预报的精度发挥了巨大的作用。通过IoT实现业务流程的高效化
在应用IoT以提高企业经营能力的成功案例中，最有名的当属日本小松制作所（Komatsu）的设备控制管理系统“小松康查士”（KOMTRAX）。现在世界上约有30万台建筑机械搭载了GPS定位，而它们都由“小松康查士”系统对机械位置、工作状况、油位、工作时间等进行全方位的详细管理。这就大大降低了建筑机械的失窃风险，相关的保费也有所减少。此外，通过工作状况的相关数据可以指导客户如何提高设备的使用效率，这也有效地提高了客户的满意度。这些都使得客户能够接受小松的产品涨价方案，最终提升了营业额。
如果能够利用IoT持续获得真实有效的数据，那就完全有可能实现业务流程的高效变革。图1-9的上半部分显示的是传统的数据运营，下半部分则是通过IoT实现了高效化的数据运营。图1-9 数据带来的经营及改革循环的自律化/高频化
出处：ITR
可以看出，传统的做法是通过分析一定时间内的数据，对目前业务流程的好坏加以判断，然后决定改革方针，采取下一步的行动。这种做法需要花费相当长的一段时间，才能实现真正的改革，无法及时应对外界环境的快速变化。在当今时代，企业需要预测未来环境的变化，随时做好准备。当出现所预测的情况时，企业应可以及时调整流程迅速应对。但是现在很多企业的PDCA循环都很难做出这样的快速反应。
通过IoT，企业就能够从业务流程中高频地获取最新数据。为了充分发挥这一优势，就不能长时间搁置已获取的数据，而应频繁地分析这些数据，再将分析中所得出的结论迅速地反馈到实际的业务流程中去。换言之，企业在探讨利用IoT促使业务流程高效发展的时候，不能仅仅考虑数据的获取及分析方法，而必须建立一个体制，不断地对自己的第一手数据进行实时分析，并自觉地将其反馈到业务流程中去。拥有IoT商机的领域
最后，我想谈一下如何利用IoT来进行商业创新的问题。之前我们介绍过的“Teddy the Guardian”就是一个很好的例子。它说明如果没有IoT的理念及技术，再好的产品或服务也只能是纸上谈兵。
企业在利用IoT进行业务创新时，首先应了解能将IoT运用于哪些方面。表1-3旨在提示哪些行业应用了哪些IoT技术，可以获得怎样的IoT商机。打“√”的地方代表该领域充满商机，可供企业在考虑利用IoT进行业务创新时，为现有业务或新业务选择合适的IoT技术来参考。另外，表中没有打“√”的地方并不意味着该领域毫无商机。相反，正因为还未被市场充分认识，可以说其存在着业务创新的潜在可能性。表1-3 IoT的商机
出处：Frost& Sullivan
虽然可运用IoT的领域非常之多，但目前IoT还没有完全普及。观察我们的周围就可以发现，虽然家中的家电如照明、空调等是电子控制，但无一例外都没有连网，而这些产品如果全都连接到互联网的话，有可能形成新的价值。例如，每个家庭都把所有的照明电器连上网络并加以有效控制的话，就可以在世界范围内实现节电。可以说，围绕IoT具有无限商机。
在利用IoT进行商业创新方面，现在“制造业的服务化”受到了广泛瞩目。喷气发动机、空调、电梯、互联网设备等多个领域的制造商，正在将自身的商业模式从“销售产品”逐渐向“提供功能服务”转变。正如云端服务一样，越来越多的企业会根据客户的要求随时增加或停止相关的功能和服务。要实现“制造业的服务化”，IoT必不可少。
对于客户来说，“服务化”的意义在于能够根据个性化需求随时增加或停止相关的功能和服务，避免不必要的投资浪费。对于厂家来说，“服务化”的意义在于可以获得机器的全部运行数据。一直以来，机器的运行数据只掌握在客户手中，厂家很难对其进行活用。而通过“服务化”，厂家可以自由地使用数据，这就为机器的预防性维护和新技术、新产品的开发提供了帮助。此外，也不用根据客户对功能的需求来对产品进行复杂的改款，只需将标准机器租借给客户，随时增加或停止某些功能，这也降低了总成本。
美国通用电气（GE）等公司提出的“工业互联网”（Industrial Internet）构想当中，有一个概念叫作“软件定义的机器”（software defined machine，SDM），这就是从传统的“软件用于设置和控制硬件的功能”这一观点，转变为“硬件用于执行软件定义的功能和用户体验（UX）”这一观点的创新。如果硬件非常简单，并可以通过软件定义其功能的话，那么在生产之前可以采用3D模型进行模拟，根据模拟结果，通过IoT就能够很容易地将其实际安装在硬件上。
[1] 即机器对人的通信。——译者注 第2章IoT的最新事例·久保田·竹中工务店·海尔亚洲国际·富士施乐[1]久保田利用大数据生产“好吃的大米”，活用IT以维系农机需求
日本大型农机公司久保田（Kubota）自2014年6月开始提供新型农业经营支援服务“KSAS”。
其通过分析来自农机传感器的“大数据”，有效改善种田农户的经营状况，在日本首开先河——使用IT助力国内农户，维系农机需求。
农机研发部门与IT部门携手打造数据可视化，成功开展新型服务。
日本大型农机公司久保田于2014年6月开始了一项使用IT技术的新型服务“KSAS”（久保田智能农业系统），通过推行“农业经营可视化”理念，利用IT技术助力农户。
久保田农机第一事业推进部KSAS业务组负责人长纲宏尚表示，此项服务旨在“将公司的农机技术与IT相结合，帮助农户实现赚钱农业”。
对于久保田来说，除了农机销售之外，也希望通过这项新举措帮助农户更好地进行经营活动。这种新型智能农业系统采用M2M（machine to machine）结构，将从农机各部位搭载的传感器中获取的“大数据”灵活运用于多方面。该服务推出后，经过了第一个农忙期的“考验”，截止到当年12月，注册用户达到了650人，可以说实现了一个顺利的开端。
KSAS的结构如图2-1所示。首先，在久保田生产的农机（现阶段主要是插秧机、拖拉机、联合收割机）中安装可使用KSAS服务的车载无线组件，这已经成了2014年新发售的大型农机的标配，第一年的销售目标为5000台。当使用这些农机开展插秧或收割作业时，用户可以通过农机各部位搭载的传感器获取数据，并汇总到无线组件中。
接下来，通过组件中内置的无线LAN（Wi-Fi）功能，将数据发送至安卓手机“KSAS手机”上，用户在这款手机的画面上可以直接查看作业的进展状况。“KSAS手机”还可以将从农机中获取的数据传输到云端的“KSAS服务器”，通信方式则选用的是NTT docomo公司为MVNO（移动虚拟网络运营商）所提供的3G/LTE网络。施肥少，收获大
传感器一般安装在农业机械的计时表（hour meter）、电动施肥器以及装稻谷用的粮斗等部位。观察这些传感器所收集的数据，就可以了解农机在每块地上的工作时间、施肥量、收割稻谷的成色及数量等。
KSAS系统的目的在于将这些数据进行整合，以最低限度的作业及肥料，收获最大数量的优质稻米。在新潟县的种稻农户中使用KSAS系统进行实证性试验发现，单位面积的收获量与过去相比增长了约15%。
想要增加粮食收获量，就需要分析作业内容，优化时间分配及施肥方式。农户可以通过电脑网页登录KSAS服务器，在事后对作业状况进行详细分析。
很多农户都在多处分散的土地上进行稻米栽培。通过KSAS服务，可以在地图上了解每块田地的状况，调整第二天的作业计划。尤其是当投入了很大的工作量和肥料，但收成仍然不佳的时候，这项服务可以帮助农户判断是否在下一年更换品种来种植。图2-1 KSAS的结构
现在，由于受到日本人饮食习惯的变化以及人口老龄化等问题的影响，日本国内种田农户的处境十分艰难。从TPP（跨太平洋伙伴关系协定）谈判的趋势来看，未来与进口大米的竞争可能会更加激烈。久保田公司希望通过提供智能农业系统服务，提高稻米农户的生产力，减少客户的流失。灵感来源于“会辨识味道的联合收割机”
KSAS作为一项事业展开，其开端还要追溯到2011年。当时，长纲正在琢磨如何开拓新的事业时，得知公司内部正在进行“食味收成联合收割机”的研发。这种联合收割机在收割稻米的同时，可以测定稻米的味道及收成。通过一款测量稻米成分的特殊传感器，可以了解稻米的味道，这样就能够判断该处收割的稻米的美味程度，对品质加以改善。
味道及收割量的数据会显示在驾驶席的仪表盘上，让开展作业的人知道“收割了好大米”。但仅仅如此的话，不免有些浪费，长纲认为如果把这些数据加以记录分析，就可以助力农业经营。2012年4月，“KSAS项目”正式启动，开始了系统性的企划工作。
KSAS系统的投资额没有公开，不过研发花了一年时间，鼎盛时期研发人员约50人。其中，田中博志是负责研发的系统子公司“Kubota系统开发”的商务解决方案事业部解决方案第二部SAS项目组的成员，他回忆说：“我还是第一次遇到未知课题如此之多的项目。”
这是久保田公司首次尝试将农机与IT紧密结合，开发新型服务，因此项目开发时遇到了不少难题。为了解决这些问题，公司实行跨部门合作，并且将自己的客户也纳入这一体制（见图2-2）。
最先遇到的问题就是公司内部的相关部门繁多，需要调整。种稻农户使用的农业机械主要是插秧机、拖拉机和联合收割机三种，其构造各有不同。插秧机一般装10个传感器，联合收割机则要装50个左右。图2-2 KSAS研发的组织架构“机型不同的话，从传感器中获取的数据格式也不尽相同，需要统一为能够在KSAS系统中通用的格式。”（田中博志）比如，如果要通过发动机的传感器了解工作状况，就必须统一输出功率的表示方式以及数据的采集间隔。在大量数据的无线传输上“下功夫”
要实现无线传输，数据处理也是一个难题。除了上述工作外，久保田公司还积极开展了车载无线模块的研发，以实现汇总及传输数据功能。
农机和KSAS手机之间的通信使用的是无线LAN。如果直接将从传感器获得的数据进行传输的话，有时会因为信号不好而延迟或中断，研发一度陷入僵局。
各机型的负责人都希望能够获得尽可能多的数据，完善KSAS性能。但要想顺畅地实现无线传输，就不得不给数据排出优先顺序，把不是十分重要的数据删除。
为了解决这些与部门利益协调相关的问题，久保田公司改革体制，使得各部门能够彻底地共享信息。具体来说，公司于2013年年初在大阪总部院内专门设置了“大房间”，集结了长纲、相关农机技术部门的代表共4人，以及田中等负责Kubota系统研发的人员约40人。此外还在兵库县尼崎市的事务所内专门辟出了一片能够让农机施展身手的宽敞区域，以对无线组件的功效进行检验。“客户参加型”的研发体制
久保田公司作为农机制造商，在开发普通农户使用的KSAS智能系统方面缺乏经验，这也是一个问题。“这个项目和我们之前研发会计系统和生产管理系统之类的完全不同。”（田中博志）。使用KSAS系统的农户很多都不熟悉IT，也不可能像公司内部那样可以进行充分的培训。照片 KSAS开发组成员
为此，久保田公司改变思路，让“试用型客户”全程参与到项目之中。也就是说，让使用Kubota农机的种稻农户作为试用型客户，对研发中的KSAS系统进行试用。
长纲和田中等人在2013年的稻米生长旺季期间，多次对试用客户进行回访。他们观察使用状况，征求客户对界面的评价，然后将问题带回公司，对KSAS系统进行改良，再提供给客户继续试用。这一流程反复进行。
改良主要是在用户界面上。比如，原来在作业完成时会出现确认画面，但现场操作时比较麻烦，于是就省略了这一步。
另外，对于农户在多处田地上的栽培品种和作业进展进行一览的界面也做了全新改版。“设计的人觉得能够一览会更加方便，但这未必适合在农业现场实际使用。”（长纲）
仔细观察客户的使用方式，会发现他们一定会把之前制订的作业计划和实际的作业进展放在一起来看。如果由于天气不好或机器出故障而导致不能完成预定任务，就需要马上改变。也就是说，必须要在系统上实现“PDCA（计划、实行、检查、纠正）流程”，否则就没有意义。KSAS系统正是在这样不断解决现场各种问题的过程中，进一步完善了其功能。将积累下来的数据活用于维修
KSAS现在仍然在不断地进行改良。久保田公司尤其注重将数据活用于农机的保养维修业务，即“机器服务系统”。
在2014年3月的统计中，久保田公司的综合营业额为15086亿日元。它还有一个强劲的竞争对手，就是同为产业机械制造商的“小松制作所”（Komatsu）。其规模较久保田公司稍大，同期的综合营业额为19536亿日元。小松制作所应用“小松康查士管理系统”（KOMTRAX）对所售建筑机械的工作状况进行远程管理及保养维修，在业界颇有名气。
现阶段，久保田公司生产的农机发生故障时，采取的还是维修人员上门检查再调取配件进行维修的方式。“收割等农活对时间要求比较高，一旦机器出问题，哪怕只是几天，影响也会很大。所以，我们现在首先要解决这个问题。”（长纲）
通过积累下来的数据，可以发现农机部件的损耗方式及磨损速度存在一定的地域差别。下一步，久保田将据此对寒冷地区和温暖地区的检修方式及维修配件的在库管理进行优化。（清嶋直树《日经电脑》）
[1] 本文内容转载自2015年1月8日《日经电脑》p46-49。文中人物所属机构、职位、产品/服务/企业名称等均沿用该刊。[1]竹中工务店运用云端数据实现耗电量的可视化，通过机器学习完成楼宇的自动控制
竹中工务店自2014年11月开始提供“楼宇信息系统”服务，借此可以实现对于建筑的各种云端管理服务。
其目的在于提高公司承建楼宇的功能，提升商品价值。
下一步将通过机器学习实现设备控制的自动化以及管理成本的省力化。
日本大型综合建筑公司竹中工务店（2013年度综合营业额达到10209亿日元）于2014年11月开始提供“楼宇信息系统”服务。这是充分运用云端技术的新一代建筑管理系统平台，它可以实现建筑运营的自动化，也使新功能的增设变得更为简单。具体来说，就是竹中工务店把自己承建的楼宇内部的空调、照明、门禁、防灾等设备系统用网络连接起来，将从各个传感器获得的数据以及与机器设备相关的调控信息全部整合到云端。
建筑设备系统如果没有太大问题，一般都会连续使用，竹中工务店承建的建筑中最长有过连续使用20年的先例。但是竹中工务店信息工程部门的本部长后神洋介说：“如果设备的控制性能在20年里都没有进步，就会大大降低楼宇的价值。”经过不断探索，竹中工务店最终选择通过云端技术增加楼宇的功能。
据后神先生介绍，通过活用云端技术，无须对原有建筑设备系统进行改造，就可以比较容易地增加楼宇的新功能。
假如对建筑设备系统进行升级改造，设备有可能会无法正常运转。使用“楼宇信息系统”平台的话，因为并不对系统本身进行改造，所以不会有这方面的担心，验证工作也更加容易进行。竹中工务店的战略在于，通过提高楼宇的附加价值以获取更多的业务。与各种云服务进行合作“楼宇信息系统”由建筑物内部的“网关”（ren.Gateway）和云端上的“平台”（ren.Cloud）两大核心要素组成（见图2-3）。楼宇内部有控制照明、空调等各种设备的建筑设备系统，将光照度传感器等设置在建筑物内各类传感器传来的数据进行汇总。
网关是把建筑设备系统与云端平台进行连接的中转站。它能够将建筑设备系统汇总的来自各类传感器的数据传输到云端，或者从云端把机器设备的控制数据传输到建筑设备系统中。“楼宇信息系统”的云端平台还可以与其他企业提供的各种云服务合作。这些云服务的例子包括可以看见建筑物耗电量的“可视化系统”，以及申请在规定时间外使用空调的“在线申请”等。
对于为什么要与多家企业在各类云服务上展开合作，竹中工务店信息工程本部的粕谷贵司说：“光靠我们自己的话，很难研发出丰富多彩的系统。我们希望通过与商业伙伴的合作，灵活运用多家企业研发出的新功能，提高建筑的附加价值。”图2-3 竹中工务店“楼宇信息系统”的结构通过机器学习使建筑实现自动化运转
在云服务中发挥核心作用的是由日本微软公司提供的服务。竹中工务店使用该公司提供的机器学习云服务“Azure ML”，对从建筑设备系统中获得的大数据（如温度、光照度等）进行分析，使建筑能够自动调节空调的温度设定及运行时间。如此一来，过去依靠个人经验进行的建筑设备的运营管理就变得更加便捷省力。
后神先生介绍说，新落成的建筑如果通过人工对设备进行控制，需要2～3年才能体现出效果。比如刚开始使用新楼之前，空调设置全楼都是同样的温度，但是后来发现夏天楼的南边很热，而冬天周末因为楼里没有空调，周一早上就会非常冷。目前人们都是根据经验体会到这些变化，然后对空调温度和运行时间的设定进行一定程度的调节，这种控制并不准确。如果通过机器学习读取海量数据，“就可以缩短使控制系统达到最佳状态的时间，并且很明确地找到不足之处。”（竹中公务店后神洋介）
机器学习也能够活用于楼宇内各种设备的故障预测。例如，可以在空调外机的风扇上安装一个震动感应器，使之学习空调正常工作及出现故障时的震动类型，当出现了某种震动类型时，它就可以判断平均一周之内空调会出现的故障。如果能够事先更换机器，“就可以避免突发故障，提高服务质量。”（日本微软公司技术总括室/创新中心本部长田丸健三郎）“随着老龄化趋势的加快，从事物业管理的人员会越来越少。如果能够实现远程的自动化管理，兼有物业管理业务的集团公司也会提升自己的竞争能力。”（竹中工务店后神洋介）独自转换通信协议以适用于云端“楼宇信息系统”由竹中工务店和NTT通信株式会社（NTT Com）共同研发（见图2-4）。研发历时约3年，其间竹中工务店承担的研发费用（含人工费）为数千万日元。图2-4 楼宇信息系统的结构
把建筑设备系统和云端平台联系在一起的网关是由竹中工务店研发的。在与楼宇内部的感应器进行信息传输的通信协议中，一般使用的是BACnet（building automation and control network）等适用于楼宇网络的专业通信协议。
这些通信协议是不能通过云端传输或接收数据的，为此有必要将其转换为能进行云端数据传输的形式。竹中工务店开发的网关可以将BACnet等转换为MQTT（message queuing telemetry transport）通信协议。
MQTT由美国IBM公司开发，结构化信息标准促进组织（OASIS）[2]将其标准化。MQTT与网页上使用的HTTP相似，但标头信息更为简洁，不到HTTP的1/10，并且拥有很高的实时性。
云端平台由NTT Com研发，使用的是该公司的专用云端技术。网关与云端平台之间通过NTT Com的VPN（虚拟局域网）服务“Arcstar Universal One”进行连接。
这项服务可以通过软件定义网络SDN（software defined network），来实时监控云端是否错误地联系到了外部，如因特网等。“VPN和SDN能够在确保安全的前提下构建一个适用于楼宇信息通信的网络基础设施，我们非常看重这一点，因此选择了使用NTT Com的服务。”（竹中工务店粕谷贵司）应用推文解析以实现高速处理
为了高速处理海量的传感器数据，竹中工务店在MQTT的基础上，又结合使用了名为“Apach Storm”的开放性源代码数据处理技术。Apache Storm应用了NoSQL数据库技术，也被应用于Twitter的推文解析系统，通过并列分散处理对数据进行高速处理。
竹中工务店与NTT Com于2013年实施了使用MQTT和Apache Storm的实证性实验，成功地对约5000个传感器每隔1分钟传来的数据进行了实时处理，向物业管理者显示了楼宇的耗电量，并且在异地通过云端进行了楼内设备仪器的远程控制。
云端平台及VPN部分每月的费用“目前设想为10万～20万日元左右”（NTT Com社会基础设施部门营业主任越野祥江）。比如，可视化系统如果确定了所要使用的数据，大约两三个月就能建成。
竹中工务店的后神部长表示：“建筑设备系统的开发大约需要1～2年的时间，其成本是建设费的1%左右。如果建楼要花100亿日元的话，建筑设备系统就要花约1亿日元。”如果建筑设备系统的功能可以实现云端操控，不仅可以减少研发费用，节省工期，将来其他建筑公司的建筑设备系统也有可能需要更换成这个智能系统。“楼宇信息系统”预计在2015年2月作为一项租户服务开始提供（见图2-5）。“针对竹中集团名下的其他公司作为租户入驻的两栋大楼，将免费提供耗电量的可视化服务。”（竹中工务店技术本部技术企划部副部长石川敦雄）机器学习则计划在2015年内向楼宇业主提供。图2-5 楼宇信息系统今后的战略
关于“楼宇信息系统”的销售目标，后神部长表示：“目前还没有制定楼宇信息系统单独的销售目标，我们没有把它作为一个单独的项目，而是想通过强化楼宇的商品价值提高物业管理的服务水平，将其作为一个整体来提高销售业绩。”（井原敏宏《日经电脑》）
[1] 本文内容转载自2015年2月19日《日经电脑》p54-57。文中人物所属机构、职位、产品/服务/企业名称等均沿用该刊。
[2] 指附加在数据最前面的控制信息。——译者注[1]海尔亚洲国际12000台洗衣/干衣机的IoT化，分析运转情况，指导营销工作
课题：提高投币式自助洗衣机使用的便捷性，为经营者提供支持。
对策：实现自助洗衣店的IoT化，对洗衣机/干衣机的工作数据进行采集汇总。
效果：提高服务质量，迅速处理故障，开展灵活促销。
挑战：活用海量数据，提供营销建议。
这是距东京都上野车站不远的一个住宅小区。在这栋公寓的一层，有一家名为“Clean Best三筋一丁目店”的投币式自助洗衣店。店内沿墙排列着15台洗衣设备，包括颜色鲜艳的大型燃气干衣机和洗鞋专用的洗衣机等。
乍看之下，这家店与其他自助洗衣店似乎并无不同，但它却有一个“秘密武器”，使得这家店能够从方圆数百米内的众多洗衣店中脱颖而出。原来，这家店的洗衣设备都实现了IoT化。系统会实时记录洗衣机及干衣机的工作数据，通过网络汇总到服务器，并将这些数据以各种形式活用于提高服务质量和改善店铺经营（见图2-6）。图2-6 海尔亚洲国际“IT智能洗衣系统”概要
该店使用的是海尔亚洲国际旗下AQUA品牌的洗衣机/干衣机，同时也相应导入了该公司提供的“IT智能洗衣系统”（IT laundry system）服务。
海尔亚洲国际由海尔集团收购松下子公司三洋电机的“白色家电”部门发展而来。早在还属于三洋电机时，该部门的自助洗衣设备就具有强大的技术能力。即使被收购后的现在，其市场占有率仍达到70%。
现在，日本全国拥有大约1000家IT自助洗衣店，每家店铺平均有12台左右的机器。也就是说，总计约有12000台洗衣设备实现了物联网化。洗衣机背后的“窍门”——LAN网线
如果我们进到“Clean Best三筋一丁目店”的设备间，就可以从机器背面了解到窍门所在。在嵌入墙体内的洗衣机/干衣机背面，除了接有水电及天然气管线外，还有一条网线连接在数据通信接口处。网线本身与通用的LAN网线并无不同，只是在插头处进行了防水处理，并采用了接地装置，以防止漏电或触电事故的发生。
每台机器的网线都连向店里专用的数据处理器，经过宽带路由器[2]接入光纤网络“B FLET’S”。
各店铺的数据通过网络传输到海尔所管理的IT智能洗衣系统服务器上。12000台洗衣机/干衣机所提供的工作数据给厂家（海尔）、店家（自助洗衣店的经营者）和用户都带来了好处。
消费者可以通过网页实时确认机器的工作情况，在确认洗衣店有空闲机器以后再出门。
在店内的自动售卡机上购买IC卡，即可用于付款。该卡还可以作为会员卡使用，当登录电子邮件地址后，在衣服即将烘干之前，系统会自动发送提醒邮件。此外每次消费后卡中会存入一定的积分，供下次消费时使用。这些积分也由IT智能洗衣系统进行管理。经营者活用数据开展促销活动
自助洗衣店的经营者可以通过专用界面了解各机器的运行情况、营业额以及使用积分卡的顾客的情况（见图2-7）。图2-7 IT智能洗衣系统的显示界面实例
IT智能洗衣系统的另一大的优点在于可进行故障处理。当机器在运行中发生故障时，门店经营者或特约售后人员能够通过系统远程操作洗衣机。
系统可以处理退款，或者把积分转到旁边正常的机器上，以便顾客继续使用。这样，当机器出现故障时，无须派人到店里就可以解决问题。
系统还可以用于开展促销活动。海尔亚洲国际的稻村克彦先生（营业总部广告营业本部智能洗衣广告部门东日本营业所所长）介绍说：“在提供IT智能洗衣数据的过程中，门店经营者也不断地向我们提出各种新的建议。我们在听取这些意见的基础上对系统进行了多次改良。”
例如，当新店开张时，经营者可以活用此系统向周围居民进行宣传。一般来说，一家新的自助洗衣店要经过2～3年才能被周围居民所熟知，营业额才会提高。因此，如何在开店第一年提高营业额就成了一个课题。
有一位经营者提出要开展“开店一周内返积分100%”大酬宾活动。由于返利力度超过了系统设定的上限，海尔对系统本身的上限值进行了调整。
从机器的工作数据来看，活动的成果显而易见。优惠活动期的一周内自不必说，活动结束后该店也保持了很高的运转率。数据表明，大胆的返利活动可以使洗衣店得到很好的口头宣传，这种手段也纷纷为其他经营者所效仿。
另外，经营者还可以根据天气及机器的运转率对积分返还灵活调整。如果持续降雨，干衣机的使用率可达到100%。这时就可以提高洗衣机的积分返还率，增加顾客同时使用洗衣机和干衣机的概率。无法活用12000台机器的数据
IT智能洗衣系统原本的定位是为经营者提供帮助，因此海尔虽然使用了一些最基本的数据以把握故障情况，但在一开始并没有能充分地活用这些庞大的工作数据。
对此，曾在电影公司负责数字营销业务并于2014年进入海尔的久保田纯先生（日本区副总裁/广告营业本部本部长）感到了一些不足。“经营者有效地利用了数据，但海尔内部反而没有做到这一点。”久保田认为，应该将IT智能洗衣系统的数据更广泛地运用到营销活动中。
其实，海尔的营销人员可以阅览经营者界面，也曾经有人将其作为营销活动的参考。例如，当旧机器故障增多以致影响到收益率时，营销人员会将相关数据告诉给经营者，建议其更换新机型。
对此，永松修平（海尔日本区广告销售本部营销战略部门经理）解释说：“以前对数据的活用都是因人而异的，没有硬性要求，也没有形成一个体制让大家都能充分使用这些海量数据。”永松先生最初负责的是投币式洗衣机的设计研发，由于意识到上述问题，便主动请缨调换到营销支持系统的研发部门。
海尔于2015年1月，开始向营销人员提供IT智能洗衣系统的数据。4月开始，新系统逐步投入运行。
新的营销支持系统主要由Salesforce公司提供的云服务“Service Cloud”以及WingArc 1st公司提供的数据可视化工具“Motion-Board Cloud for Salesforce”构成。利用云端灵活分析
海尔有一个从三洋时代就一直在使用的旧版营销支持系统，但该系统无法灵活地进行各种个性化定制。永松先生说：“云端可以根据数据的活用方案灵活地变更界面，这让我感到了它的魅力。”新项目旨在利用云端将彼此独立的旧版营销支持系统，与IT智能洗衣系统有机地结合在一起。
该系统的“店铺分析”和“商圈分析”等界面已经开始投入使用（见图2-8）。“店铺分析”与之前提供给经营者使用的机器工作情况界面相似，但增加了新功能，即将机器运转率的变化做成图表，这样就可以一眼看出各台机器的使用频率。图2-8 通过与IT智能洗衣系统结合，强化对营销活动的支持
这种“可视化”策略的目的是，使每位营销人员都可以方便地使用系统所生成的庞大数据。例如，当营销人员分析发现收益停滞不前是因为机器故障多发时，就可以向经营者提出更换机型等建议。（从左开始依次为）海尔亚洲国际的稻村克彦、久保田淳、永松修平“商圈分析”除了IT智能洗衣系统的数据外，还能分析不同性别、年龄层的人口动态数据以及竞争对手的相关数据。在地图上找到海尔AQUA店的位置之后，就可以掌握附近商圈的情况。自助洗衣业是一个潜在的发展中市场
自助洗衣业是一个潜在的发展中市场。据日本厚生劳动省两年一度的统计显示，日本的投币式自助洗衣店在2013年达到了16693家，已经接近了日本便利店巨头“7-11”的店铺数量。这个数字比起2年前的15985家有所增加，与10年前相比更是增加了30%。虽然现在几乎家家都有洗衣机，但投币式洗衣机的优势在于可以洗涤和烘干毛毯等大件衣物，也适用于批量洗涤等需求。
久保田先生认为：“自助洗衣业虽然是一个小众市场，但仍然有继续发展的空间。我们会对商圈进行更详细的分析，帮助有意向的经营者拓展新店。”海尔现在的商圈范围是方圆2千米左右，下一步打算将其进一步缩小为方圆几百米来分析。
如果仅仅是开新店的话，各门店之间势必会产生竞争。这时通过IT智能洗衣系统获得的各店业绩数据就派上了用场。例如，某一个门店的机器运转率非常高，就说明在它的附近还可以再开一家新店，营销人员可以用这些数据来说服经营者。
但是，在人口趋于减少的当今时代，仅靠增加店铺数量的话，发展空间仍然有限。下一步海尔正在计划拓宽对积分卡的利用。因为现在的积分卡没有登记顾客的详细个人信息，对于消费者来说，它还仅仅只是一种支付手段。
现在，只要分析机器的工作数据就可以了解顾客的动向，但是海尔并不满足于这些。“现在我们只是通过机器被动地等待消费者，下一步希望可以更加详细地了解消费者的动态，开发更多店铺，以期更好地为大家的生活服务。”（清嶋直树《日经电脑》）
试读结束[说明：试读内容隐藏了图片]