物联网正日益成为许多公司数据驱动型转型战略的关键组成部分。事实上，已经采用物联网的企业已经看到了一些好处，例如改进的运营流程、更好的库存管理和增强的设备维护等。但一个成功的物联网战略不仅仅是将一堆设备和传感器连接到互联网并从这些“事物”中收集数据，它还必须建立有效分析物联网产生的海量数据的能力，以便使数据有意义并获得真正的商业洞察力。因此，物联网分析策略应该是任何希望充分利用所有连接性的公司的首要任务。根据Gartner高级总监、研究和咨询总监CarltonSapp的说法，企业在利用他们收集的物联网数据方面可以享受许多优势。这些包括设备和系统的情境意识；改进设备和资源的决策、优化和监督控制；降低与数据管理相关的成本；设备的主动、预测和规范管理；和环境合规性。Sapp说，这些机会在车队优化和管理、资产管理、金融风险管理和智慧城市等用例中很普遍。但他们需要一种可靠、简化的方式来连接物联网数据端。以下是有关处理IoT数据和充分利用这些资源的一些提示。建立物联网分析组织和基础设施IDC物联网研究总监StacyCrook表示，一旦组织了解其物联网分析业务目标，就需要确定将涉及的关键利益相关者，并确定这些利益相关者是否额外使项目成功需要技能。“众所周知，该行业缺乏数据科学技能，但这对物联网分析项目至关重要，”Crook说。“因此，如果内部数据科学技能薄弱，项目可能需要雇用新员工，或将项目的某些部分外包给第三方。”。Crook说，公司还应该考虑任命一名首席数据官(CDO)来支持物联网数据分析工作并领导数据治理战略。由于物联网本质上是一个大数据问题，IDC建议组织考虑其现有基础设施如何也能服务于物联网用例。“虽然旧的大数据架构可能专注于面向批处理的工作负载，但越来越多的工具可用于在同一主干上运行实时工作负载，”Crook说。Crook说，为各种物联网工作负载使用相同的基础设施、防止数据孤岛以及能够更轻松地跨这些工作负载运行跨功能数据分析是有好处的。“它还可以提供数据治理和安全优势，”她说。部署架构以支持物联网数据增长公司需要从正确的物联网数据架构开始，并了解如何管理不同位置的物联网数据。“来自IoT端点的数据提出了新的和独特的挑战，例如不可靠的网络访问和组合可能分布在远距离的设备，并在多种协议上以多种格式生成数据，”Sapp说。如今，大多数物联网数据都是遥测数据，但端点越来越多地发出图像和音频数据，这些数据应该由持久数据存储来处理，Sapp说。“从一个适当的物联网数据架构开始，它将支持物联网容量的预期增长，”他说。由于缺乏灵活/弹性的数据架构，组织通常无法有效地管理物联网数据。“数据将继续增长，因此设计一个架构，使用分析和数据挖掘技术来识别可用于改进流程、改进决策或降低成本的关键信息，”Sapp说。例如，通过在网络边缘利用物联网分析，电信公司成功降低了在网络中移动数据的成本，从而减少了“噪声数据”。“这些组织专注于可扩展的以边缘为中心的数据架构，旨在快速发现物联网数据中的知识，”萨普说。数据管道提供分析Sapp说物联网数据架构还应该支持跨数据管道（通过流）和本地数据存储的分析，以利用更快的决策制定和更低的成本。组织可以通过创建和部署物联网分析获益在关注以数据为中心的设计模式（包括使用事件驱动架构）的同时执行此操作。“首先在边缘、流媒体管道、平台和企业分发分析，”Sapp说。他说，组织应该利用流式物联网数据管道作为部署分析源，以改善延迟、降低成本和安全漏洞。例如，美国国防部经常通过流数据管道执行分析，以减少网络上的数据吞吐量，Sapp说。它还利用物联网边缘分析来避免通过网络发送任何数据，使用更接近数据源的运营分析。Sapp说，可能会部署多个分析环境来支持不同的分析。“环境范围从操作系统到嵌入式分析软件，“准备好在从网络边缘延伸到企业的整个环境中部署物联网分析，”他说。例如，公用事业组织利用分布在各种基础设施中的物联网分析来支持车队管理。利用AISapp说组织应该通过利用AI来增强他们处理IoT数据的能力。边缘智能是一个新兴领域，它使用人工智能作为部署在网络边缘的分析，从物联网数据中开发智能应用程序。“这些智能应用范围从视频监控到智能监控和数据采集(SCADA)系统。例如，环保组织使用物联网数据构建智能控制系统以维持环境合规性。将人工智能添加到物联网架构中正成为运营的当务之急。物联网包括终端设备在内的系统必须变得更加智能和自主，以应对不断增长的数据量。为了使这些系统更加智能，组织需要部署人工智能和机器学习。成为云原生鉴于由生成的大量数据IoT应用程序，对于许多组织而言，云将是数据管理（包括分析）的唯一答案。生产农用化学品和种子的先正达集团首席信息官兼首席数字官GregMeyers说：“建立真正管理所需的规模和速度那个实时量是不值得的。“试图在自己的数据中心或自己的基础设施上自行管理它是非常自我挫败的，”迈耶斯说。物联网让先正达能够管理其客户的农场和田地，这些农场和田地通常被任意聚合成小的微细分市场。“人类擅长管理平均值，但计算机更擅长管理可变性，”迈耶斯说。“物联网使我们能够理解为什么在一个区域发生的事情与100米以外可能发生的事情不同。”领先的公共云提供商正在提供服务，以帮助企业进行物联网分析。例如，亚马逊网络服务(AWS)提供物联网分析(IoTAAnalytics)，这是一种托管服务，使公司能够对海量物联网数据运行和操作复杂的分析，而不必担心构建物联网分析平台通常所需的成本和复杂性。Microsoft提供AzureIoT，其中包括名为AzureIoTCentral的数据分析服务，该服务提供分析以检查历史趋势并将来自连接设备的各种遥测数据关联起来。谷歌还提供CloudIoT，这是一套用于在网络边缘和云端连接、处理、存储和分析数据的工具。优先考虑数据治理、安全和隐私组织需要确保他们对物联网数据分析流程进行治理、安全和隐私。物联网生成的大部分数据都是敏感的或具有竞争价值的，需要谨慎管理和保护。“重新评估当前的数据治理实践，包括机器数据，”艾利丹尼森副总裁兼首席信息官NicholasColisto说。“根据我的经验，IoT管理是一个不成熟的领域，”Colisto说，“在之前的一家公司，我遇到过这样一种情况，即业务部门部署了IoT系统，而没有考虑审计设备和应用程序固件的简单操作任务和工具。”Colisto表示，公司需要根据机密性、隐私和保留要求来考虑物联网数据风险。“例如，如果您正在处理个人数据，请考虑可能因算法偏差或未能遵守GDPR（通用数据保护条例）等法规而引起的问题，这可能会导致法律诉讼并损害您公司的声誉，”他说。.使用物联网数据创造新的收入机会物联网生成的数据在公司内外都具有价值。化学品制造公司TexmarkChemicals开始了通过部署传感器泵实现工厂运营现代化的工作。该公司使用Hewlett-PackardEnterprise和ArubaNetworks的技术从测量温度、压力、振动、流量和功率的泵传感器收集运行数据。分析这些数据以在设备故障发生之前对其进行预测。Texmark首席执行官DougSmith表示，通过“研讨会”过程，Texmark意识到拥有支持传感器的设备不仅有助于公司监控其资产和流程，而且还为新的商业模式开辟了可能性。史密斯说，在合同谈判之前，物联网的使用已经成为一个额外的卖点。“客户开始意识到从承包商资产中获取数据的价值，”他说。然后，客户要求Texmark在他们的泵上安装传感器并向他们提供数据。“本质上，我们正在开发一个历史性能属性库，可以对其进行分类并与使用类似设备的其他公司共享，”史密斯说。越靠谱。”史密斯说，通过与泵制造商或其他供应商共享物联网数据，“只要文档清晰准确，我们就可以展示新的商业模式。”捕获、分析和报告这些数据的分析令人印象深刻，可以做出更具成本效益的决策。Smith说，这种来自物联网的新数据即服务产品可以使Texmark与竞争对手区分开来，并与客户建立更牢固的联系，同时使员工能够在工作中取得更多成就。
