物联网商业模式依赖于数据分析。从应对紧急情况到大量历史数据中的辨别模式，物联网业务可以通过各种方法获得洞察力。尽管数据在创造新业务价值方面发挥着关键作用，但企业通常没有可靠的策略来管理数据。
数据增长和物联网问题
近年来，数据增长呈爆炸性增长，63%的企业管理50PB或更多。使数据管理挑战更加复杂的是每年数据增长的疯狂步伐 – 有时高达40-50%。这种增长在管理成本和有效管理数据方面造成了巨大挑战。在最近的调查中，51%的企业承认他们的备份基础架构(例如磁带备份)跟不上数据增长，并发现数据迁移是痛苦的。缺乏有效的备份和增长管理策略可能非常昂贵。停机成本昂贵的范围在每小时5万至5百万美元之间，并且可能导致无法估量的声誉损失。更重要的是，当数据无法恢复或无法用于分析洞察时，机会成本可能会导致显着的竞争劣势。
物联网应用程序中的数据流如何
在设计有效的数据管理策略之前，了解如何使用收集的数据非常有用。在典型情况下(图1)，网络边缘的传感器和控制设备不断收集数据，网关将数据传输到内部或公共云。收集的数据需要根据访问频率进行快速评估和分类。例如，将频繁访问关键警报数据以确保修复已到位并执行站点级别操作，而收集的符合法规要求的日志/例行数据需要存档，并且只能通过例外访问。
近来，随着机器学习和人工智能算法的出现，归档数据 – 通常被称为“冷数据” – 已经成为培训算法和设计新见解的宝贵财富。数据管理利益相关者必须平衡所收集数据的当前和未来效用，并评估哪些数据将处于“冷”存储中，哪些数据将随时可用。
物联网数据的实际使用情况
收集的数据类型也是确定存储策略的重要因素。在这里，物联网应用和行业发挥了重要作用。表1列出了四个垂直行业中的一些数据收集方案以及可由数据驱动的洞察力。
您应该利用数据存储需求的解决方案
数据存储范式的形式斑点非结构化和二进制数据，数据湖泊进行大数据分析，文件共享，为表架构少NoSQL数据等都是重要的考虑，因为在数据战略决策。
数据管理解决方案
如果应用程序主要生成二进制和非结构化数据，那么找到保存，存档和备份数据blob的最有效方法变得至关重要。同样，如果分析正在关联结构化和非结构化数据，则需要采用正确的数据湖泊方法。
确定数据管理策略的另一个关键因素是数据采集速率，从而提高收集数据的增长率。高频率的小尺寸数据添加(例如：文本数据)可能与偶发的大量数据添加一样成问题。此外，HD图像数据馈送或图形数据的存储和不断存档可能特别昂贵。根据数据收集的频率，所需的历史数据量以及数据存储成本来实现业务需求，这对于实现可持续的数据管理战略至关重要。
数据安全解决方案
随着数据的性质和数据的使用的确定，数据的安全性成为最重要的。由于数据的价值和合规性方面变得突出，因此必须确保数据安全。无论是选择DIY选项还是选择商业选项，保护数据都是至关重要的，因为未经授权的数据访问可能会产生代价高昂的后果。同样，在发生故障或中断时不会丢失数据也很重要。当然，备份和恢复过程的定期测试是***实践。
在网站存储与公共云
也许云时代最重要的考虑因素是决定在本地或公共云中托管数据。虽然只有真实地核算复杂性，控制权，总拥有成本和任何固有的传统转换成本，才能产生优势，可以产生客观的评估来推动决策。内部部署基础架构为组织提供了更多控制权，但需要技能，资源和强大的成功流程。更重要的是，运行现代企业数据中心所需的广泛功能可能非常重要。设施管理，电力和电力基础设施，IT采购，管理人员以及对用户的全天候支持可能成本很高。然而，可能存在基础设施控制的情况，
外部公共云或共同定位的基础架构即服务(IaaS)模型将计算存储视为组织可按需采购的服务。这创造了极大的灵活性，并将IT资源集中在增值上，并消除了管理基础架构的麻烦。用于备份，恢复和按需可扩展性的强大机制为不断发展的企业提供了可扩展的数据管理基础架构。
结合内部部署和公共云基础架构的混合环境越来越受欢迎，因为它们可以克服与控制和专有问题相关的利益相关者问题，并提供灵活性和按需扩展。利益相关者也喜欢云供应商提供的安全和备份选项。
为了做出有效决策，彻底的总体拥有成本是非常宝贵的。概述基础设施管理的各个方面，随着利益相关者评估选项，与规模和灵活性相关的机会成本非常重要。
