物联网正日益成为许多公司数据驱动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，例如改进的操作流程、更好的库存管理和增强的设备维护等等。
但是，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“东西”中收集数据，它必须建立有效分析物联网产生的大量数据的能力，以便理解它并获得真正的商业洞察力。
因此，对于希望充分利用所有连接性的任何公司来说，物联网分析策略都应该是重中之重。
高德纳(Gartner)高级董事、研究和咨询主管卡尔顿·萨普(CarltonSapp)表示，企业在利用所收集的物联网数据方面可以享有许多优势。
这些包括对设备和系统的背景认识;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、预测和规定性管理;以及环境合规性。
Sapp说，这些机会普遍存在于诸如车队优化和管理、资产管理、财务风险管理和智慧城市等用例中。
但是它们需要一种可靠，简化的方法来连接物联网数据端。这里是一些处理IoT数据并充分利用这些资源的技巧。
构建物联网分析组织和基础架构
IDC物联网研究总监StacyCrook说，一旦一个组织对其物联网分析业务目标有了概念，它就需要确定将参与其中的关键利益相关者，并确定这些利益相关者是否需要额外的技能才能使项目成功。
Crook说：“众所周知，业界缺乏数据科学技能，但这对于物联网分析项目至关重要。”。“因此，如果内部数据科学技能薄弱，项目可能需要雇佣新员工，或将项目的某些部分外包给第三方。”。
Crook说，企业还应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建议各组织考虑如何将其现有基础设施也服务于物联网使用案例。“尽管较旧的大数据架构可能侧重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，针对各种物联网工作负载使用相同的基础架构可以带来好处，防止数据孤岛，并能够跨这些工作负载更轻松地运行跨功能数据分析。她说：“它还可以提供数据治理和安全优势。”
部署支持物联网数据增长的架构
公司需要从正确的物联网数据架构开始，并了解如何在不同位置管理物联网数据。
“来自物联网端点的数据提供了新的和独特的挑战，例如不可靠的网络访问和组合设备，这些设备可能分布在远距离，并在多个协议上以多种格式生成数据，”Sapp说。
Sapp说，如今，大多数物联网数据都是遥测数据，但终端越来越多地发出图像和音频数据，这些数据应该由持久性数据存储处理。“从一个合适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，组织往往无法有效地管理物联网数据。“数据将继续增长，因此设计一种架构，利用分析和数据挖掘技术，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，电信公司通过利用网络边缘的物联网分析，成功地降低了通过网络移动数据的成本，从而减少了“噪音数据”
“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，”Sapp说。
跨数据管道提供分析
Sapp说，物联网数据架构还应支持跨数据管道(通过流媒体)和本地数据存储的分析，以利用更快的决策和降低的成本。
组织可以通过在创建和部署物联网分析时关注以数据为中心的设计模式来做到这一点，包括使用事件驱动架构。
“首先在边缘、流媒体管道、平台和企业中分发分析，”Sapp说。组织应该利用流式IoT数据管道作为部署分析的来源，以改善延迟，降低成本和安全漏洞，他说。
例如，美国国防部(U.S.DepartmentofDefense)经常通过流式数据管道执行分析，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避免通过网络发送任何数据，使用更接近数据源的操作分析。
Sapp说，很可能会部署多个分析环境来支持不同的分析。
“环境可能从操作系统到嵌入式分析软件，”他说，“准备好在从网络边缘扩展到企业的整个环境中部署物联网分析。例如，公用事业组织利用分布在各种基础设施上的物联网分析来支持车队管理。”
利用人工智能
Sapp说，组织应该通过利用人工智能来增强对物联网数据的处理能力。
Sapp说：“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方法，从物联网数据开发智能应用。”
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，环境组织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，将人工智能添加到物联网架构中正成为一种操作上的当务之急。物联网系统，包括终端设备，必须变得更加智能和自主，以应对不断增长的数据量。为了使这些系统更智能，组织需要部署人工智能和机器学习。
成为云原生
鉴于物联网应用程序产生的大量数据，对于许多组织来说，云将是获得数据管理(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格雷格·迈耶斯(GregMeyers)表示：“建立真正实时管理这一数量所需的规模和速度是不值得的。”
Meyers说："尝试在您自己的数据中心或自己的基础架构上自行管理它，这非常自欺欺人。
物联网使先正达有能力管理其客户的农场和田地，这些农场和田地通常被任意地聚合成小的微型细分市场。Meyers说：“人类擅长管理平均值，但计算机更擅长管理变异性。”“物联网让我们了解了为什么在一个区域发生的事情与可能在100米外发生的事情有所不同的原因。”
领先的公共云供应商正在提供服务，帮助企业进行物联网分析。例如，亚马逊网络服务(AmazonWebServices，AWS)提供物联网分析(IoTAnalytics)，这是一种托管服务，使公司能够对海量的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需要的成本和复杂性。
微软提供了AzureIoT，其中包括一个名为AzureIoTCentral的数据分析服务，提供分析功能，以检查历史趋势并关联来自连接设备的各种遥测。谷歌还提供了云物联网，一套在网络边缘和云中连接、处理、存储和分析数据的工具。
优先考虑数据治理、安全性和隐私
组织需要确保他们为物联网数据分析流程建立了治理、安全和隐私机制。物联网产生的大部分数据将是敏感的或具有竞争价值的，需要仔细管理和保护。
AveryDennison公司副总裁兼首席信息官尼古拉斯?科利斯托(NicholasColisto)表示：“重新评估当前的数据治理做法，包括机器数据。”。
“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，“在以前的一家公司，我曾面临这样的情况：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，而且不考虑审核设备和应用固件的简单操作任务和工具。”
Colisto说，公司需要考虑基于保密性、隐私和保留要求的物联网数据风险。他说：“例如，如果你正在处理个人数据，请考虑可能由于算法偏差或无法遵守GDPR(通用数据保护条例)等法规而产生的问题，这些法规可能导致法律诉讼并损害你公司的声誉。”。
利用物联网数据创造新的收入机会
物联网产生的数据在公司内外都有价值。
化工制造公司TexmarkChemicals通过部署传感器泵启动了其工厂现代化操作的工作。该公司利用惠普企业和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。对这些数据进行分析，以在设备发生故障之前进行预测。
Texmark首席执行官道格·史密斯(DougSmith)说，通过“车间”流程，Texmark意识到拥有支持传感器的设备不仅可以帮助公司监控其资产和流程，而且还为新的商业模式打开了可能性。
史密斯说，在合同谈判之前，物联网的使用已成为一个额外的销售因素。他说：“客户开始意识到从承包商资产中获取数据的价值。”。客户然后要求Texmark在他们的泵上添加传感器，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，可以使用类似设备对其进行编目并与其他公司共享，”史密斯说，“当部署机器学习分析模型时，获得的数据越多，分析预测的准确性就越高。”
史密斯说，通过与泵制造商或其他供应商共享物联网数据，“我们可以证明新的商业模式，只要文档清晰、准确。”与此同时，客户对我们部署仪器和软件分析来捕获、分析和报告此类数据印象深刻，从而实现更具成本效益决定。”
史密斯说，物联网提供的这种新的数据即服务产品可以将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。
