物联网正日益成为许多公司数据驱动型转型战略的关键要素。事实上，使用物联网的组织已经看到了一些好处，例如改进的运营流程、改进的库存管理和增强的设备维护等。成功的物联网战略不仅仅是将一系列设备和传感器连接到互联网并从这些“事物”中收集数据。IT部门必须能够有效地分析物联网生成的大量数据，以便能够理解这些数据并获得真正的业务洞察力。这就是为什么物联网分析策略应该成为任何希望充分利用物联网的公司的首要任务。根据Gartner高级总监兼研究和咨询总监CarltonSapp的说法，组织在利用他们收集的物联网数据方面获得了许多优势。这些优势包括了解设备和系统的相互关系；改进设备和资源的决策、优化和行政控制；降低与数据管理相关的成本；设备的主动、预测和规范管理；和环保标准工作。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无处不在。但这些机会需要一种合乎逻辑的简化方法来连接物联网的数据端。以下是有关处理IoT数据和充分利用这些资源的一些提示。IDC物联网研究总监StacyCrook表示，当组织了解其物联网分析业务目标时，需要明确谁将参与这项工作。关键利益相关者并了解这些利益相关者是否需要额外的技能才能使项目成功。“众所周知，数据科学技能在行业中供不应求，但这些技能对于物联网分析项目至关重要，”Crook说。如果组织内部的数据科学技能薄弱，“那么该项目可能需要雇用新员工，或者将项目的某些部分外包给第三方”。Crook说，组织还应该考虑任命一名首席数据官来支持物联网数据分析工作并负责数据治理策略。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服务于物联网用例。“虽然旧的大数据架构可能一直专注于面向批处理的工作负载，但现在有越来越多的工具可以让实时工作负载在同一主干上运行，”Crook说。Crook说，为不同的物联网工作负载利用相同的基础设施会带来好处，例如防止数据孤岛，并使跨这些工作负载运行跨职能数据分析变得更加容易。“还有数据治理和安全方面的好处，”她说。部署有利于物联网数据增长的架构首先要选择正确的物联网数据架构，并了解如何跨位置管理物联网数据。.“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，以及可能分布广泛的各种设备并通过多种协议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送应由持久存储处理的图像和音频数据，Sapp说。他说：“首先选择一个合适的物联网数据基础设施，这将有助于未来物联网数量的增长。”由于缺乏灵活/弹性的数据架构，组织往往无法有效管理物联网数据。“数据将会增长，因此设计一个架构，利用分析和数据挖掘技术，可以发现可用于改进流程、改进决策或降低成本的关键信息，”Sapp说。例如，电信公司通过在网络边缘利用物联网分析减少“噪声数据”，成功降低了通过网络传输数据的成本。“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，”Sapp说。Sapp说，跨多个数据管道提供分析，物联网数据架构还应该支持跨多个数据管道（通过流数据）和本地数据存储的分析，以促进更快的决策制定和更低的成本。组织可以通过在创建和部署IoT分析技术（包括使用事件驱动架构）时专注于以数据为中心的设计模式来做到这一点。“分析从边缘、流媒体管道、平台和企业开始，”Sapp说。他说，组织应该利用物联网流数据管道作为分析部署的来源，以改善延迟并降低成本。并减少安全漏洞。例如，美国国防部经常对流数据管道进行分析，以减少网络上的数据吞吐量，Sapp说。该部门还利用物联网边缘分析，使用更靠近数据源的运营分析来避免通过网络发送任何数据。人们可能会部署多个分析环境来支持不同的分析工作，Sapp说。“这些环境的范围从操作系统到嵌入式分析软件，”他说。“准备好在从网络边缘到企业的任何地方部署物联网分析。例如，公用事业组织利用Architecture的分布式物联网分析来支持车队管理。”利用AI技术Sapp表示，组织应该利用AI技术来增强其处理IoT数据的能力。“边缘智能是一个新兴领域，它使用人工智能技术作为部署在网络边缘的分析方法，以利用物联网数据开发智能应用程序，”Sapp说。这些智能应用范围从视频监控到智能监控和数据采集（SCADA）系统等。例如，环保组织将使用物联网数据构建智能控制系统以保持环境合规性。Sapp说，将AI技术添加到物联网架构已成为运营的当务之急。包括终端设备在内的物联网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技术。成为云原生组织鉴于物联网应用程序生成的海量数据，对于许多组织而言，云将是数据管理（包括分析）的唯一解决方案。生产杀虫剂和种子的公司先正达集团首席信息官兼首席数字官GregMeyers表示：“建立真正以实时速度管理这些海量数据所需的规模和能力，这是不值得的。”迈耶斯说：“试图在自己的数据中心或自己的基础设施中自行管理这些数据是弄巧成拙的。”物联网使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组合成小型微型地块。“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。”主要的公共云提供商正在提供各种服务来帮助企业使用物联网分析。例如，AmazonWebServices(AWS)提供物联网分析产品，这是一种托管服务，允许企业对大量物联网数据执行复杂分析，而无需担心构建物联网分析平台通常涉及的各种事情。成本和复杂性。Microsoft提供AzureIoT产品，包括名为AzureIoTCentral的数据分析服务，该服务提供分析以查看历史趋势并关联来自已连接设备的各种遥测数据。谷歌还提供其CloudIoT产品，这是一套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，因此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。该公司是胶粘材料、服装品牌标志和标签的制造商和分销商。“根据我的经验，物联网管理是一个不成熟的领域，”科利斯托说。“在之前的一家公司，我遇到的情况是，一个业务部门在没有寻求IT参与的情况下部署了物联网系统，也没有考虑一些简单的操作任务以及设备和应用程序固件的审计工具。”Krystal说，组织需要考虑IoT数据在数据机密性、隐私和保留要求方面的风险。“例如，如果您正在处理个人信息，请考虑算法偏差或未能遵守等法规引起的问题，这可能会导致法律诉讼并损害公司的声誉，”他说。利用物联网数据捕捉新的收入机会物联网产生的数据在公司内外都很有价值。化学制造公司TexmarkChemicals开始通过部署一些传感器控制的泵对其工厂进行现代化改造。该公司使用HewlettPackardEnterprise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。然后分析这些数据以预测设备故障防患于未然。Texmark的CEODougSmith说，通过“地板”上的一些流程，我们意识到配备传感器控制的设备不仅可以帮助我们监控各种资产和流程，还可以让我们构建新的资产和流程。商业模式创造了可能性。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。“客户开始意识到使用工业泵等承包商资产数据的价值，”他说。然后，客户会要求Texmark在他们的泵上安装一些传感器并向他们提供数据。“事实上，我们正在开发一个历史性能特征库，可以使用类似设备对其进行分类并与其他公司共享，”史密斯说。“部署机器学习分析模型时，拥有的数据越多，分析预测就越准确。”通过与泵制造商或其他供应商共享物联网数据，“只要记录清晰准确，我们就可以证明新的商业模式，”史密斯说。“与此同时，客户对我们部署的事实印象深刻仪器和软件分析来收集、分析和报告数据，以便做出更具成本效益的决策，”Smith说。在物联网的支持下，这种新的数据即服务产品可以使Texmark与其同类产品脱颖而出竞争对手，与客户建立更牢固的联系，同时使员工能够从工作中获得更多收益。
