第二是通过体征数据（如心率、脉率、呼吸频率、体温、热消耗量、血压、血糖和血氧、激素和BMI指数，体脂含量）监测来帮助用户来管理重要的生理活动。现阶段可以利用的体征数据传感器包括：1、体温传感器；2、热通量传感器，用来监测热量消耗能力，可以用于血糖辅助计算和新陈代谢能力推算；3、体重计量传感器，用于计算BMI指数；4、脉搏波传感器，推算血压，脉率等数据；5、生物电传感器，可用于心电、脑电数据采集，也可用来推算脂肪含量等；6、光学传感器，推算血氧含量，血流速；
这些数值交叉分析的结果可以用来分析用户现在体质状况，主要健康的风险评估，并结合数据可以给出几项关键生理活动：睡眠、饮食、运动和服药的个性化改善建议，让用户保持在一个稳定的身体健康状况。
为什么还没有大公司？
但是在这个领域还没有大的公司，原因有几个：
1、 体征数据较难采集，血压和血糖现阶段多是用有创或有感的方式进行数据采集，虽然无创式采集有理论基础，但是只能用间接式的推算方式得出近似模拟数值，并且设备成本高企；
2、 用户检测的时间随机和随意性带来的数据噪点，用户自发检测的最大问题是无法排斥意外因素带来的数据干扰，比如：运动、情绪、服药、睡眠状况甚至天气异常变化带来的影响。这些数据远不能反应用户体征真实情况，会形成数据噪点。
3、 设备检测精度的问题，家用设备的检测精度无法与医用级设备达到同样的精度，数据量大同时检测精度不够，医生不愿意投入精力分析，是数据价值降低。
4、 缺乏处置服务和手段，数据虽然显示了每个单个个体的体征情况，但是缺乏对应的个性化处置方案，也降低了数据价值。
5、 缺乏体征数据的动态评估机制，无法有效提前发现异常。
6、 缺乏权威专业机构的分析判断，无法督促用户在没有体征感受前很难重视数据并持续改变自己的生活习惯和规律来预防。
7、 设备的采集频率和功耗、数据传输、数据分析能力的矛盾，数据采集密度越高，分析价值越高，但是功耗和数据冗余大大增加，数据采集密度低又降低了异常状况的敏感度。
上面的问题其实是大量准备进入这个行业的移动互联网创业者经验没有覆盖到的地方。其实在这一波浪潮之前，远程体征检测设备已经经过一轮兴起和衰落，也是基于同样的原因。换上可穿戴式设备的新概念，同样要面临去解决这些问题。
在下篇中我们会集中探讨如何通过可穿戴式设备持续采集数据，结合大数据分析预测有效解决上面的所提出的问题，我个人认为这几年的发展路径一定是：
1、 传感器小型化、集成化，让体征检测设备采集数据用户无创无感化，不妨碍用户日常的生活习惯；
2、 体征数据可连续采集和传输，同时可以通过双向智能调节采集频率；解决功耗和数据冗余的问题；
3、 体征连续数据的分析能力，用户通过纵向的自身数据比较了解健康变化的情况，通过横向的大人群数据比较来对中长期异常提前风险预警，同时能获得个性化的处置方案；
4、 不同数据相结合的交叉分析能力，既能提高对异常情况的敏感度，也能提高分析的准确性。并且对人体情况的判断更智能，需要人工干预的情况越来越少。