Oxford Economics 和 Checkout.com 的一项调研发现，有相当大比例的零售商户企业反馈，其虽然使用了支付工具，但在基于支付交易数据的相关数据分析上还处于落后水平。

41% 商户没有获得任何可执行的交易数据分析，40% 的商户没有把交易数据与内部信息系统对接。

反过来，也可以看出支付服务商的发展方向，应该是提供有价值的数据分析服务，而不是只盯着佣金的比例。

自动驾驶的 AI 需要大量的里程数据积累这是常识。

图森未来（TuSimple）的一张图展示了里程数据积累和用例验证的关系。

当用例比较简单时，相对少量的里程数据即达到所需要的的机器学习数据。随着用例难度的提升，所需要的数据呈指数级增长。

有些类似某个小孩学习，分数考及格还是很容易的，80-90 分要多付出一些努力。而如希望达到 99~100 分则需要非常之多的努力。

物联网（IoT）的应用历史由来已久。如果我们把时间往前提得足够久，那个时候所有的 IoT 应用都是侧重于简单的连接和控制功能，采集到的数据通常也保存在企业内部的某台服务器上。

随着大数据分析和云计算的兴起，越来越多企业需要实时数据分析型 IoT，并且整个应用是托管在云端的主机之上的。

Vodafone 和 Analysys Mason 针对全球多个行业的 IoT 应用开发者调研表明：(1) 58% 的应用已经将 IoT 数据与分析平台在一起使用；(2) 59% 的 IoT 数据存储在云端。

而着眼未来，几乎所有的调研对象都认为 90% 的