数据总量越大，企业就越是需要利用机器学习将其真正转化为有价值信息。
“考虑到我们目前所拥有的庞大数据总量，未来我们将无法以人力或者手动方式解决此类计算难题。大家需要以机器学习方式识别庞大信息之间的内容关联性，从而实现资产的预测性维护以及其它相关既定目标，“硬件与软件解决方案供应商C3 Energy公司高级副总裁Houman Behzadi指出。
目前一家东海岸设施厂商已经开始尝试理解其传感器网络生成的运行状态信息，并借此防止潜在的欺诈行为。通过对数据源的简单分析规则处理，该公司得以在一年当中识别出数百起欺诈活动，但这套方案的准确率只有可怜的30%。而在机器学习机制的帮助下，该敲诈厂商立即将欺诈行为的发现总量提高到20000起，而且最终达到了90%的理想准确率水平，Behzadi解释称。
再次强调商业案例的必要性。
物联网设备的普及亦有可能如其它类型的技术投资一样最终无法带来任何有意义的收益。换言之，如果在采购相关方案时没有为其设置既定商业目标，那么企业将很难通过这笔投资获得理想中的回报。
“物联网设备的介入绝不仅仅表现为获取及汇总数据。大家需要自始至终在思维当中考虑到相关分析机制。我们希望实现怎样的目标，又打算最终拿出怎样的项目方案?”戴尔公司信息管理部门首席研究官Shawn Rogers在一次采访中表示。“在起步阶段，大家需要审视现有的良好执行方针，并考虑否则对其进一步优化。以分析为先并观察其具体结果。确保我们拥有数据管理与数据集成基础设施。大家还需要确保自己拥有先进安全策略与必要的执行能力。”
组织敏捷性至关重要
企业面临着快速利用数据实现具体价值的压力。考虑到物联网设备的实时特性以及基础设施的复杂性，利用灵活性实现价值的持续驱动就成为一种必要能力。
“传统项目规划是一个漫长而艰难的过程，来自各个部门的员工需要把自己的要求写下来，而后对各项内容进行优先级排序。而在某些大型企业当中，这项工作甚至需要耗时一整年，”普华永道公司合伙人Oliver Halter表示。“而在物联网与大数据的普及趋势之下，我们根本没有如此充裕的时间周期。我们需要敏捷团队与敏捷的运营模式。”
包括物联网项目在内的大数据趋势往往要求我们采用一套混合型解决方案，从而将内部资源与外部资源以互补方式聚合在一起。鉴于迅猛的技术变化与持续演进的市场需求，企业往往需要依靠来自外部的专业知识作为指导，从而保持自身强大的市场竞争力。除此之外，由于物联网能够对企业的业务发展战略产生直接影响，因此其应当采用双峰结构(即将集中式IT服务与面向特定部门或者业务方向的专家资源加以结合)作为业务驱动力，从而实现成功所必需的速度与规模。
可能创造新的商业机遇
与移动设备一样，物联网能够将设备、传感器、软件以及数据集加以结合从而催生出新的商业机遇。我们已经发现众多具体的创新成果，包括健身设备、智能城市以及智能汽车等等。
“我们将在各类环境当中发现更多创新型成果，例如通过物联网设备监控水源清洁度。当我们将其接入能源网络及供能通道时，物联网设备也有望帮助我们提高资源使用效率，”IT咨询与服务企业Virtusa公司技术解决方案部门高级副总裁Frank Palermo在一次采访当中指出。
除了广泛的通用型物联网普及趋势，也有一些企业采用了更具针对性的创新载体，从而通过物联网创造新的营收来源。举例来说，戴尔旗下的移动手机客户就利用先进分析机制建立起银行业务事业部，旨在帮助那些无法前往营业厅的落后国家客户完成银行业务操作。他们使用来自手机与第三方源的数据以了解客户信誉，并以此为基础打造出一系列极具地方特征的金融产品——例如抵押贷款及小额贷款。