很快，地球上产生数据的设备数量将是人类的七倍，而且这个数字还在继续增长。研究公司JuniperResearch的最新统计数据显示，到2022年，物联网传感器和设备的预计数量将从目前的区区210亿个增长到500亿个以上，增幅达140%。该研究的作者预测，边缘计算服务将是这种增长的主要原因。该研究发现，边缘计算的兴起对于扩展部署至关重要，因为它可以降低带宽需求、加快应用程序响应速度并提高数据安全性。JuniperResearch预测，到2023年，460亿互联工业和企业设备中的很大一部分将依赖边缘计算。所有这些设备和连接的挑战是数据——以及弄清楚如何将其集成到企业系统中并为业务带来价值。许多企业从一开始就在关系数据库管理系统上构建他们的信息技术，这些系统与遗留基础设施相关联，这些基础设施的设计或配备并非用于吸收或管理物联网提供的大量连续数据流。许多高管认为他们可以轻松接入物联网并开始收获回报。但是，要做到这一点，还需要做很多工作。在最近的一篇文章中，国际应用系统分析研究所(IIASA)的高级分析师BillFranks证实了这一点。也就是说，物联网数据看起来比实际更简单。BillFranks说：“大多数传感器以简单的格式输出数据——有一个时间戳、一个测量标识符（温度、压力等），然后是一个值。所以你可以从原始数据到现成的数据非常快速地进行馈送。要探索的数据集或表格”。但重要的企业价值在哪里？它可能不在无穷无尽的时间戳数据流中，而是在弹出的异常中。哪些异常是相关的，哪些只是异常？正在传输的源特定数据是否是机器使用情况和性能的准确指标？所有这些问题都必须事先检查。BillFranks警告说：“不要让数据摄取的简单性欺骗了你”。即将发生的是，企业将被无用的数据淹没和淹没——需要吞吐量、处理和某种存储，以及处理这些过程的专业知识。对于IoT数据，有必要确定对您的特定问题实际有意义的节奏，例如，温度传感器可以每毫秒读取一次读数，但是，在大多数情况下，以这种节奏接收数据有些多余。由于存储额外数据的成本以及分析大量无用数据的成本和复杂性，这种过度消耗是有代价的。一些关键考虑因素为了充分利用IoT，BillFranks建议考虑以下事项：设置适当的节奏：确定哪种节奏对您正在解决的问题有价值。如果您要监控汽车引擎，每秒读取一次可能就足够了，也许每5、10或60秒就足够了。关键是您必须评估每个指标并通过一些实验确定您需要什么。然后，将数据过滤到适当的级别，否则，您将被数据淹没，并且难以识别有意义的模式。随着时间的推移识别复杂的模式：在分析物联网数据时，我们通常对与正常值的偏差感兴趣，而不是预测预期值。在确定什么是正常之后，我们必须努力寻找显着的异常模式，然而，异常模式可能有多种演变方式。温度的突然升高自然令人感兴趣，但如果升高幅度很小，或者持续很长时间，或者随着频率升高，会有什么影响？识别这些基于时间的性行为模式有很多复杂性。弄清楚如何处理交互：假设您已经为您关心的每个指标确定了合适的节奏，以及哪些模式对每个指标都很重要。那么你如何解释任何互动？问题在于效果可能存在滞后，例如温度可能在压力上升之前就开始上升。要确定各种传感器读数之间的相互作用，需要进行复杂的分析，不仅要确定哪些指标可能相互作用，还要确定在什么时间范围内以及是否存在滞后。解释错误和遗漏的读数：传感器并不总是可靠的，任何分析过程都必须进行检查和平衡，以解决丢失或错误的数据。您的分析过程必须包括识别可疑错误或传输间隙并处理这些情况的逻辑。最重要的是，随着物联网生成的数据量增加，决策者需要坐下来构建系统和流程，以获得对他们的业务最重要的洞察力。这需要了解什么对业务很重要，以及物联网数据告诉我们什么或没有告诉我们什么。
