物聯網（IoT）和人工智能（AI）之間的聯系是不可抗拒的。正如有線文章所說，IoT‘將產生一個大數據的寶庫’，‘跟上它的唯一方法是獲得機器學習所隱藏的洞察力?！?/p>

對于殼牌的IT首席技術官Johan Krebbers來說，這是不容談判的?！癐oT本身就沒用了，”他解釋道。“只有當我們獲取數據，并將機器學習應用于數據，數字化并幫助決策者時，它才會變得有用。”

成立于1907年的殼牌公司，與許多已經經營了一個多世紀的創新公司一樣 - 將通用電氣視為另一個例子 - 多年來一直在做物聯網。當然，它當時并未被稱為IoT; 殼牌最早的創新之一是在20世紀70年代提供水下機器人。

然而，最近機器學習的興起 - 為了促進實時洞察，以及提供自學機制 - 已經邁出了下一步?！拔覀儽仨毚_保我們已經完成了整個端到端的工作流程，”Krebbers補充道。“談論物聯網本身就是浪費時間。物聯網本身只能進行數據收集 - 你需要所有的事情來共同決策。“

理論上聽起來都很棒。然而，許多組織正在努力冒險。早在2016年，思科副總裁Maciej Kranz發布了物聯網，這是公司開始物聯網旅程的指南，概述了商業價值主張，組織和文化變革以及如何避免錯誤。

今年早些時候，克蘭茲發布了一個額外的工作手冊以提供進一步的幫助。在評估技術準備情況的部分，組織必須回答他們是否能夠連接和訪問所有數據以確保它流向所有數據?！拔锫摼W不需要最新的技術，”該書斷言。“你可以簡單地將你已經擁有的系統連接在一起。僅此一點就會產生新的價值?！?/p>

但是，如果您的數據質量不高，該怎么辦？克雷伯斯當然不認為這是一個問題?！拔也惶珦臄祿馁|量，因為你永遠無法獲得高質量的數據，”他說。“如果你等到那，等到奶?；丶遥憔偷炔患傲?。

“你必須使用你今天擁有的數據，開始使用它，讓它可見，然后開始改進，”Krebbers補充說?！盁o論您今天擁有什么數據，立即開始使用它。否則，你可以度過余生，提高數據質量。..。..過去500年我們已經做到了，而且我們沒有成功。“

鑒于石油和天然氣行業的復雜程度，這一點值得注意。正如一家試圖破壞該行業的公司去年向我解釋的那樣，石油和天然氣是“一個行業中工業過程的A到Z”，涉及水，工程，基礎設施，分銷等。然而，這一點仍然存在。

“這很復雜，但你需要開始，”克雷伯斯說。“你不能使用質量差的數據作為不這樣做的理由 - 這是一個非常糟糕的借口?！?/p>

因此，消息很簡單。圍繞這些新興技術 - 包括區塊鏈，而Krebbers稱這將對企業產生“巨大影響” - 而不是開始，這已經不夠了。結果令人驚嘆 - 殼牌尼日利亞通過使用傳感器監測油田，節省了超過100萬美元。

Krebbers將于下周在阿姆斯特丹歐洲物聯網技術博覽會上發表關于IoT如何成為“人工智能數據驅動器”的重要文章 - 它肯定會成為一個值得關注的會議。“你需要看看端到端的故事，”他補充道。“你可以從今天開始，因為許多公司今天已經擁有物聯網，你不需要花哨的東西 - 當然數據是所有這些的核心?！?/p>