曾经有一段时间，您无法逃避围绕物联网(IoE)的对话，这本身就是我们不可避免地继续物联网(IoT)之旅的象征.当我们发现新技术时，我们的第一反应是做更多的事情，Qlik的高级经理AdamMayer说，但不一定要确保我们从可用的东西中获得最大收益。因此，政府鼓励公司在开始看到投资回报之前，在每一盏灯、每扇门和每个厕所上安装传感器。许多大数据的早期采用者都经历过类似的过程；他们花了很长时间才明白，如果没有更好的可视化和分析方法，拥有更多数据并不一定会转化为更好的结果。因此，组织越来越意识到物联网的最大潜力在于如何探索和探测这些设备生成的数据，以提供经验教训并改善结果。分析物联网数据的障碍对于许多组织来说，这说起来容易做起来难。集成物联网数据进行分析提出了重大挑战。首先，组织必须克服将不同来源的各种数据集成到数据管道中的困难。Qlik和IDCrevealed的研究将不同的数据集成为标准格式是组织在将数据转换为分析形式(37%)时面临的最大挑战之一。物联网的引入极大地加剧了这一挑战，因为它可以迅速增加为管道提供数据源的数量，通常采用不熟悉或非结构化的格式，必须在准备好进行分析之前进行转换。第二个挑战，高容量和高速吞吐量，进一步加剧了这个问题。随着许多物联网设备不断读取数据，产生的数据量远远超过大多数设备。这自然而然地给我们带来了最后的障碍，即即使数据管道足够强大以接收和转换来自物联网设备的连续数据流，许多可视化和分析解决方案也无法提供实时信息更新。这意味着，无论瓶颈是在软件中还是由用户查看其输出之间的时间滞后引起的，从数据中获得的知识只能追溯实施，而不是实时实施。与数据保持同步希望利用物联网的组织可以通过构建可以快速集成和转换来自许多不同来源的数据的数据供应链来克服这些挑战。提取、转换和加载(ETL)等传统的面向批处理的方法速度太慢、效率低下且具有破坏性，无法集成和支持对物联网数据的及时分析，并且通常需要大量编码和深度脚本。31%的全球组织将“缺乏处理数据的熟练资源”列为准备好进行数据分析的最大挑战之一，组织减少熟练程序员的大量时间消耗对于物联网实施的成功至关重要。转换数据捕获(CDC)技术为那些希望快速处理IoT数据以进行分析的人提供了一种可实现的智能替代方案。CDC不是将数据上传到不同的源，而是通过在数据更新发生时识别和复制数据来实现连续增量复制。以这种方式流式传输数据显着提高了数据接收和传输到数据仓库或数据湖进行分析的速度。最后，当数据管道能够近乎实时地集成数据时，重要的是分析解决方案不仅要持续可视化最新信息，还要有一个内置的主动层来支持决策过程。实时警报不仅提供洞察力，还为用户提供快速触发的建议操作。利用认知引擎提供这种主动智能将是下一代BI工具的关键功能。兑现IoT承诺的数据管道组织必须确保他们不会陷入IoT陷阱，就像许多人在大数据早期所做的那样，在这种情况下，拥有更多数据的目标优先于使用他们所拥有的东西来推动最佳发展结果。纵观物联网的早期采用者，有太多人更关注接收实时更新，而不是采取必要的步骤来转换和分析他们的输出以做出更好的决策。物联网的前景是一个不断学习、行动和反应的机会。为确保组织中的物联网实施具有支持高级分析的速度和灵活性，他们必须首先确保其整个数据管道能够完成任务
