物联网提供了一种经济高效的方式来获取实时数据。虽然数据在分析时被认为是有价值的，但随着时间的推移可能积累的庞大数据量可能令人望而生畏。很多人都听说过大数据，但对于那些利用实时数据产生真正商业价值的人来说，这个术语可能并不适用。人们很容易将物联网和大数据的概念结合起来。物联网当然可以产生大量数据，因为许多人设想数十亿连接的设备不断地将大量数据泵入云中的数据湖。进而？面对这样一个“大”数据问题，人们担心他们会陷入困境，这引发了他们是否应该继续寻求物联网解决方案的问题。大数据问题并不是物联网试图解决的唯一问题。物联网非常适合解决您的“小”数据问题。大数据通常与数据挖掘、人工智能、机器学习、预测分析和其他处理密集型练习相关联，这些练习侧重于从隐藏在大数据集中的模式中获得洞察力。换句话说，如果不深入研究数据，这些见解可能不会从表面上显而易见。可用的历史数据越多，从大量数据中获得洞察力的潜力就越大。另一方面，“小”数据可以代表有限的数据池，无需深度处理即可提供洞察力。接下来，我们将探讨IoT是解决“小”数据问题的关键的3个原因。1.“小”数据解决现在正在发生的事情“小”数据的一个简单例子是告诉你现在正在发生什么。例如，实时数据可以告诉您设备、机器或系统当前正在做什么。实时查看当前机器操作可以深入了解影响操作的实际故障。知道一件设备、机器或系统何时停止工作对您有帮助吗？在一个简单的例子中，在正常情况下（例如，在长时间的暴雨期间）不运行的污水泵会立即向设施管理团队发出警报，称污水泵可能发生故障。实时物联网数据提供了污水泵开/关操作的可见性，从而解决了直接的“小”数据问题。来自大数据的见解可能有助于确定污水泵的预测性维护，但这些见解并不是解决最直接的操作问题（污水泵故障）所必需的！在许多情况下，少量数据足以解决巨大的运营挑战。2.“小”数据不需要高级分析对许多人来说，“分析”一词通常意味着高级指标和内在的复杂性。这种认知偏差是“分析”与大数据融合的部分原因。大数据肯定会利用分析，小数据也不例外。同样，许多人从大量数据的角度来思考大数据。大数据可以从单台机器上的大量历史数据（大数据）中获取，也可以从每台机器上的最新数据中获取（小数据）。例如，可以通过分析一台机器三年的数据模式来获得大数据洞察力，而可以通过分析一组机器上一周的数据状态和条件来获得“小”数据洞察力。“小”数据也可以产生简单而强大的分析，例如(a)一台机器在过去24小时内运行了多少次？(b)机器在过去24小时内最长的工作周期是多少？(c)机器在过去24小时内平均消耗了多少能量？对这些“小”数据KPI中的任何一个或多个进行目视检查，将提供对潜在问题的操作洞察力。对于那些熟悉机器的专家（例如，设施经理），对当前和最近机器操作的“小”数据的可见性将提供对“小”数据的目视检查的即时见解。3.“小”数据可以利用现有的基础设施物联网可以解决不同规模的问题，从针对性到综合性。从“小”数据的角度来看，物联网仅根据需要捕获尽可能多的运营数据。直接从现有设备获取运营数据将大大减少总体项目支出并最大化回报，而无需对数据收集基础设施进行彻底改造。（来源IoTHomeNetwork）例如，改进后的IoT解决方案可以数字化关键HVAC设备，例如冷却塔、冷却器、RTU、AHU等。从HVAC设备的“小”数据中获得运营洞察力将显着提高效率并节省成本。物联网特别适合尽可能利用现有基础设施来提取这种情况下所需的“小”数据。重点应该是获取正确的传感器数据以获得运营洞察力，而不是所有可能的传感器数据。将正确的传感器数据提供给正确的SMB比从IT部门的角度解决数据架构模型更重要。不要让大数据思维干扰您的物联网项目。更重要的是，不要让你的“小”数据项变大。
