| IoTプラットフォームのあるべき姿v1.0 |
| 1 現場で活用しやすいこと |
| 1.1 エンドユーザコンピューティングを実現すること(GUI) |
| 1.1.1 分析 |
| 1.1.2 データフロー |
| 1.1.3 開発 |
| 1.2 データを活用しやすいこと |
| 1.2.1 ビジュアライゼーション |
| 1.2.2 データの効率的な探索 |
| 1.2.2.1 階層化 |
| 1.2.3 データの意味づけ |
| 1.2.3.1 (AIによる自動化？) |
| 1.2.3.2 ごみにしないために |
| 2 IoT基盤上でイノベーションをおこせること |
| 2.1 IoT基盤の上で初めて価値を探索できる |
| 2.1.1 極端な話、IoT基盤自体に価値はない |
| 2.2 カイゼンの延長線上ではない |
| 2.2.1 構築前にすべての要件は固まるはずがない |
| 2.3 現場で試行錯誤ができること |
| 2.3.1 アジャイル |
| 2.3.2 デザイン思考 |
| 2.3.3 DevOps |
| 2.4 より確度の高い予測をもって人が判断できること |
| 2.5 新しいビジネスを迅速に組み立てられること |
| 3 現実世界と迅速なコラボレーションができること |
| 3.1 リアルタイム性 |
| 3.2 エッジ側での脊髄反射 |
| 3.2.1 エッジソリューションの重要性は増す |
| 3.2.2 現象発生場所に出来る限り近い場所での判断 |
| 3.2.3 モデルの適用 |
| 3.3 Thingsとのコミュニケーション |
| 3.3.1 ⇒自動制御 |
| 3.4 人とのコラボレーション |
| 4 新たな知見(価値)を取り出せること |
| 4.1 高度なデータ分析ができること |
| 4.1.1 機械学習 |
| 5 現実世界を射影できること |
| 5.1 デジタルツイン |
| 5.1.1 最新に更新できること |
| 5.2 Thingsを管理することができること |
| 5.3 仮想世界でのシミュレーションができること |
| 5.4 スキーマモデルをもつこと |
| 6 繋げられること |
| 6.1 各種プロトコル対応 |
| 6.1.1 Things |
| 6.1.2 データソース |
| 6.1.2.1 Driver |
| 6.1.2.2 Connector |
| 6.2 外部リソース |
| 6.2.1 外部データの活用 |
| 6.2.1.1 DaaS |
| 6.2.2 外部サービスの活用 |
| 6.2.2.1 API |
| 6.3 内部リソース |
| 6.3.1 APIの外部公開 |
| 6.3.1.1 コンシューマ |
| 6.3.1.2 パートナー |
| 6.4 コーポレートIT |
| 6.4.1 ERP |
| 6.5 人 |
| 7 オープンであること |
| 7.1 特定のベンダー、SIerに依存するスタイルは限界がくる |
| 7.2 企業内のリソースだけでは限界がある |
| 7.2.1 オープンイノベーション |
| 7.3 外部リソースの活用ができること |
| 7.3.1 API |
| 7.3.2 技術 |
| 7.3.3 人材 |
| 7.3.3.1 開発者 |
| 7.3.3.2 データサイエンティスト |
| 7.3.3.3 デザイナー |
| 8 セキュアであること |
| 8.1 必須要件 |
| 8.2 すでにThingsをターゲットにした攻撃は多く確認されている |
| 9 変化に対応できること |
| 9.1 成長する基盤であること |
| 9.2 その時々の最新の技術をとりこめること |
| 9.3 デバイス／データソースを柔軟に追加できること |
| 9.4 データフローの柔軟な組み換え |
| 9.5 スケールアウト／スケールイン |
| 10 技術競争力があること |
| 10.1 最新の技術で構成 |
| 10.1.1 ビッグデータ領域はオープンソースがデファクト |
| 10.2 大量のデータに対応できること |
| 10.2.1 格納 |
| 10.2.2 処理 |
| 10.2.2.1 大規模分散 |
| 10.3 分析技術 |
| 10.3.1 機械学習 |
| 10.4 性能 |
| 11 コスト競争力があること |
| 11.1 コストが低いこと |
| 11.1.1 クラウドの活用 |
| 11.2 維持管理性がよいこと |
| 11.2.1 マネージドの活用 |
| 11.3 IoT基盤の準備自体に時間をとられないこと |
| 11.3.1 陥りがちな駄目パターン |
