表紙
市場調査レポート

M2M/IoT、クラウド、ビッグデータおよびアナリティクス: その市場ダイナミクスならびにビジネス機会

M2M/IoT, Cloud, Big Data and Analytics: Market Dynamics and Opportunities

発行 Mind Commerce 商品コード 308350
出版日 ページ情報 英文 74 Pages
納期: 即日から翌営業日
価格
こちらの商品の販売は終了いたしました。
Back to Top
M2M/IoT、クラウド、ビッグデータおよびアナリティクス: その市場ダイナミクスならびにビジネス機会 M2M/IoT, Cloud, Big Data and Analytics: Market Dynamics and Opportunities
出版日: 2014年07月17日 ページ情報: 英文 74 Pages

当商品の販売は、2016年06月14日を持ちまして終了しました。

概要

4つの異なる、しかし関連した分野での技術と市場の進歩とが、通信やデジタル技術企業に対して数多くのビジネス機会をもたらそうとしています。それらはM2M (マシン・ツー・マシン通信)、クラウド、ビッグデータ、およびアナリティクスの4つです。これら4つの要素を整合した形で活用すれば新たなビジネス機会が生まれ、企業にさらなる利益をもたらします。

当レポートでは、M2M (マシン・ツー・マシン通信)、クラウド、ビッグデータ、およびアナリティクスの4つの要素を個別に分析すると同時に、それぞれ関連した形での分析、評価を行い、それら4要素相互の、またそれらが結合した際の大きな利点を解き明かしています。

エグゼクティブサマリー

第1章 序論

第2章 M2M通信アプリケーションの特質

  • ワイヤレス接続性
  • ビッグデータ
  • クラウド

第3章 ビッグデータ

  • 企業経営幹部のビッグデータに関する見解

第4章 強力なツールとしてのデータの使用法

  • ソーシャルセンサークラウド(SSC)
  • 仮想センサー

第5章 ビッグデータおよびアナリティクスがビジネスに及ぼす影響

  • ビッグデータ: 意思決定へと導く道。決して目的地ではない
  • さまざまな情報源から得たデータの関連付け
  • 経営層にはびこるビッグデータ神話を打ち破る

第6章 M2Mとビッグデータの用途

  • ワイヤレス通信キャリア
  • スマートカー
  • 自動車保険
  • 保険業
  • スマートホーム
  • ヘルスケア
  • ユーティリティ産業
  • エネルギー管理
  • 産業用ロボット
  • ロジスティクス
  • 資産管理
  • 製造業
  • 自動車メーカーのサプライチェーン
  • セキュリティおよび監視業務
  • あらゆる分野の企業

第7章 M2Mおよびビッグデータが抱える課題

  • プライバシーおよびデータの所有権
  • 真正性およびセキュリティ
  • 特別なスキルセットを必要とすること
  • アプローチの変化

第8章 ビッグデータ戦略

  • 自社解決(DIY)モデル
  • データベース・アズアサービス (DBaaS)
  • マネージドサービス・プロバイダ (MSP)
  • 即日導入技術

第9章 ビッグデータのセキュリティおよびプライバシー

  • セキュリティ最新情報
  • データの暗号化
  • 適切な暗号化ソリューションの選定
  • 悪意のある行為を検知できるビッグデータ

第10章 クラウド

第11章 クラウドのコンピューティングモデル

  • 各種サービス
    • IaaS
    • PaaS
    • SaaS
    • MaaS
    • CaaS
    • XaaS
  • 特性
    • オンデマンドのセルフサービス
    • 広範なネットワークアクセス
    • 情報資源蓄積
    • プロビジョニングの迅速性
    • メジャード・サービス
  • 導入モード
    • プライベートクラウド
    • パブリッククラウド
    • コミュニティクラウド
    • 混成クラウド
  • クラウドコンピューティングの利点
  • クラウド採用についての戦略的適合性
  • M2Mとクラウドの融合
  • 分析

第12章 クラウド導入に立ちはだかる障壁と課題

  • 変化に対する抵抗
  • データセキュリティのアウトソーシング
    • 行き届かないコントロール
  • セキュリティに関する懸念
  • サイバーアタック
  • 不明確なSLA
  • 複雑さが導入を妨げる
  • クラウドの互換性
  • サービスプロバイダの監査
  • サードパーティ・プロバイダの実用可能性
  • 受け入れ問題
  • コスト検討
  • パブリッククラウドにおける統合化機能不足

第13章 データアナリティクス

  • M2Mアナリティクスの市場機会を拡大する要因
    • M2Mデータの進歩
    • 新しいアナリティクス技術
    • データ分析を通じた強化ビジネスモデル
  • M2Mアナリティクス市場での成功を勝ち取るための重要要素
  • ベンダー間競合分析

第14章 高度なアナリティクス・ツール

第15章 高度なアナリティクスのケーススタディ

  • ケース1: アナリティクスを用いてさまざまなプロセスパラメータ間の相互依存関係を見出す
  • ケース2: ニューラルネットワークツールの使用
  • ケース3: 生産データを用いてギャップの在処を見出す

第16章 結論

第17章 付録

目次

Technology and market advances in four separate, yet related, areas are poised to cause disintermediation as well as many market opportunities for companies across a broad spectrum within telecom and digital technologies. Machine-to-Machine (M2M) has already made a big impact on wireless communications as network operators seek to leverage revenue opportunities beyond human interaction reliant services.

The evolution of automated processes due to the Internet of Things (IoT) will accelerate this impact. The Cloud supports storage of huge amount of data gathered by M2M applications and also ensures real-time availability of data for further processing and analysis. Without the processing power and number crunching ability of Big Data and Analytics, the full potential of M2M and IoT would never be realized.

These four factors working in alignment will enable new business opportunities and provide additional benefits to enterprise, which in turn will be passed on to end-consumers. This research evaluates each of these individually as well as in conjunction with each. This report uniquely focuses on the mutual and conjoint benefits of M2M, Cloud, Big Data and Analytics.

All purchases of Mind Commerce reports includes time with an expert analyst who will help you link key findings in the report to the business issues you're addressing. This needs to be used within three months of purchasing the report.

Report Benefits:

  • Case Studies
  • CXO positions on Big Data
  • Big Data Security and Privacy
  • Challenges of M2M and Big Data
  • Applications of M2M and Big Data
  • Factors Driving M2M Analytics Opportunity
  • Barriers and Challenges to Cloud Adoption
  • Businesses Impact of Big Data and Analytics

Table of Contents

EXECUTIVE SUMMARY

1.0. INTRODUCTION

2.0. ASPECTS OF M2M APPLICATION

  • 2.1. Wireless Connectivity
  • 2.2. Big Data
  • 2.3. The Cloud

3.0. BIG DATA

  • 3.1. CXOs' take on Big Data

4.0. USING DATA AS A POWERFUL TOOL

  • 4.1. Social Sensor Cloud (SSC)
  • 4.2. Virtual Sensors

5.0. BUSINESSES IMPACT OF BIG DATA AND ANALYTICS

  • 5.1. Big Data: The Road to Decision-making not the Destination
  • 5.2. Correlation of Data from Different Sources
  • 5.3. Big Data Myth-busters for Management

6.0. M2M AND BIG DATA APPLICATIONS

  • 6.1. Wireless Carriers
  • 6.2. Smart Cars
  • 6.3. Auto Insurance
  • 6.4. Insurance
  • 6.5. Smart Homes
  • 6.6. Healthcare
  • 6.7. Utility
  • 6.8. Energy Management
  • 6.9. Robotics
  • 6.10. Logistics
  • 6.11. Asset Tracking
  • 6.12. Manufacturing
  • 6.13. Supply Chain for Auto Manufacturers
  • 6.14. Security and Surveillance
  • 6.15. Enterprise in any Sector

7.0. CHALLENGES OF M2M AND BIG DATA

  • 7.1. Privacy and Data Ownership
  • 7.2. Authenticity and Security
  • 7.3. Specialized Skill-set Required
  • 7.4. Change in approach

8.0. BIG DATA STRATEGIES

  • 8.1. Do-it-Yourself (DIY) Model
  • 8.2. Database as a service (DBaaS)
  • 8.3. Managed Service Providers (MSP)
  • 8.4. One-button-Deploy Technology

9.0. BIG DATA SECURITY AND PRIVACY

  • 9.1. Security Updates
  • 9.2. Data Encryption
  • 9.3. Choosing the Right Encryption Solution
  • 9.4. Big Data to Detect Malicious Behavior

10.0. CLOUD

11.0. CLOUD COMPUTING MODEL

  • 11.1. Services
    • 11.1.1. IaaS
    • 11.1.2. PaaS
    • 11.1.3. SaaS
    • 11.1.4. MaaS
    • 11.1.5. CaaS
    • 11.1.6. XaaS
  • 11.2. Characteristics
    • 11.2.1. On-demand Self-service
    • 11.2.2. Broad Network Access
    • 11.2.3. Resource Pooling
    • 11.2.4. Rapid Elasticity
    • 11.2.5. Measured Service
  • 11.3. Deployment Modes
    • 11.3.1. Private Cloud
    • 11.3.2. Public Cloud
    • 11.3.3. Community Cloud
    • 11.3.4. Hybrid Cloud
  • 11.4. Benefits of Cloud Computing
  • 11.5. Strategic fit for Cloud Adoption
  • 11.6. M2M and Cloud Integration
  • 11.7. Analysis

12.0. BARRIERS AND CHALLENGES TO CLOUD ADOPTION

  • 12.1. Reluctance to Change
  • 12.2. Outsourcing Data Security
    • 12.2.1. Loss of Control
  • 12.3. Security Concerns
  • 12.4. Cyber Attacks
    • 12.4.1. Severe Budget Restrictions of SMEs
    • 12.4.2. Prolific use of Internet
  • 12.5. Unclear SLAs
    • 12.5.1. Unclear SLA Terms for Downtime
    • 12.5.2. Secondary CSPs
    • 12.5.3. Entitlement to Credit for Downtime
    • 12.5.4. Calculating Up-time
    • 12.5.5. Different Cloud Services have Different SLAs
  • 12.6. Complexity restricts Adoption
    • 12.6.1. Inherent Complexity in the Cloud Computing Environment
    • 12.6.2. Integration of Processes is a Complex Task
    • 12.6.3. Integration Problems with SAAS Deployment
    • 12.6.4. API Management
    • 12.6.5. Determine the Best way to Integrate Data
  • 12.7. Cloud Interoperability
    • 12.7.1. Option of cloud interoperability
    • 12.7.2. Moving Applications between Clouds
  • 12.8. Audit of Service Provider
    • 12.8.1. Industry Best Practices are still Developing
    • 12.8.2. Resistance to Audit Signals Caution
    • 12.8.3. Resistance of CSPs to allow Elaborate Tests
    • 12.8.4. Audits build Confidence among Reluctant SMEs
  • 12.9. Viability of Third-party Providers
  • 12.10. Acceptance Issues
  • 12.11. Cost Considerations
  • 12.12. Lack of Integration Features in the Public Cloud

13.0. DATA ANALYTICS

  • 13.1. Factors Driving M2M Analytics Opportunity
    • 13.1.1. M2M Data Growth
    • 13.1.2. New Analytical Technologies
    • 13.1.3. Enhanced Business Models through Data Analysis
  • 13.2. Important Factors for success in M2M Analytics Market
  • 13.3. Competitive Vendor Analysis
    • 13.3.1. Device Manufacturers
    • 13.3.2. SI and Professional Services
    • 13.3.3. Management Platform Providers
    • 13.3.4. Software and Application Developers
    • 13.3.5. Communication Service Providers

14.0. ADVANCED ANALYTICS TOOLS

15.0. ADVANCED ANALYTICS CASE STUDIES

  • 15.1. Case One: Using analytics to Identify Interdependencies among different Process Parameters
    • 15.1.1. The Challenge
    • 15.1.2. The Solution
    • 15.1.3. The Result
  • 15.2. Case Two: Use of Neural Networks Tools
    • 15.2.1. The Challenge
    • 15.2.2. The Solution
    • 15.2.3. The Result
  • 15.3. Case Three: Use Production Data to identify Gaps
    • 15.3.1. The Challenge
    • 15.3.2. The Solution
    • 15.3.3. The Result

16.0. CONCLUSIONS

17.0. APPENDIX

LIST OF FIGURES

  • Figure 1: Aspects of M2M Application
  • Figure 2: Five Factors of Big Data
  • Figure 3: New Interest over Time: Big Data vs. Cloud Computing
  • Figure 4: Adoption Index
  • Figure 5: Risk of Forest Fires
  • Figure 6: Google's Self-driving Car
  • Figure 7: Snapshot device by Progressive Insurance
  • Figure 8: Model of Smart City Sangdo
  • Figure 9: Data Reliability/Security Diminishing over Time
  • Figure 10: The M2M Cloud
  • Figure 11: IaaS
  • Figure 12: PaaS
  • Figure 13: SaaS
  • Figure 14: Cloud Computing Service by Deployment Mode
  • Figure 15: Cloud Application and Services Priorities
  • Figure 16: Barriers and Challenges to Cloud Adoption
  • Figure 17: Factors Driving M2M Analytics Opportunity
  • Figure 18: Value Creation Mechanisms through M2M Analytics
  • Figure 19: Competitive Vendor Analysis
  • Figure 20: Example of Histogram
  • Figure 21: Examples of Correlation Analysis
  • Figure 22: Examples of Significance Testing
  • Figure 23: Example of Artificial Neural Network
Back to Top