物聯網正日益成為許多公司數據驅動轉型戰略的關鍵組成部分。

事實上，已經采用物聯網的企業已經看到了一些好處，例如改進的操作流程、更好的庫存管理和增強的設備維護等等。

但是，一個成功的物聯網戰略不僅僅是將一堆設備和傳感器連接到互聯網，并從這些“東西”中收集數據，它必須建立有效分析物聯網產生的大量數據的能力，以便理解它并獲得真正的商業洞察力。

因此，對于希望充分利用所有連接性的任何公司來說，物聯網分析策略都應該是重中之重。

高德納（Gartner）高級董事、研究和咨詢主管卡爾頓·薩普（CarltonSapp）表示，企業在利用所收集的物聯網數據方面可以享有許多優勢。

這些包括對設備和系統的背景認識；改進設備和資源的決策、優化和監督控制；降低與數據管理相關的成本；設備的主動、預測和規定性管理；以及環境合規性。

Sapp說，這些機會普遍存在于諸如車隊優化和管理、資產管理、財務風險管理和智慧城市等用例中。

但是它們需要一種可靠，簡化的方法來連接物聯網數據端。這里是一些處理IoT數據并充分利用這些資源的技巧。

構建物聯網分析組織和基礎架構

IDC物聯網研究總監StacyCrook說，一旦一個組織對其物聯網分析業務目標有了概念，它就需要確定將參與其中的關鍵利益相關者，并確定這些利益相關者是否需要額外的技能才能使項目成功。

Crook說：“眾所周知，業界缺乏數據科學技能，但這對于物聯網分析項目至關重要。”。“因此，如果內部數據科學技能薄弱，項目可能需要雇傭新員工，或將項目的某些部分外包給第三方。”。

Crook說，企業還應考慮任命一名首席數據官（CDO）來支持物聯網數據分析工作，并領導數據治理戰略。

由于物聯網本質上是一個大數據問題，IDC建議各組織考慮如何將其現有基礎設施也服務于物聯網使用案例。“盡管較舊的大數據架構可能側重于面向批處理的工作負載，但越來越多的工具可用于在同一主干上運行實時工作負載，”Crook說。

Crook說，針對各種物聯網工作負載使用相同的基礎架構可以帶來好處，防止數據孤島，并能夠跨這些工作負載更輕松地運行跨功能數據分析。她說：“它還可以提供數據治理和安全優勢。”

部署支持物聯網數據增長的架構

公司需要從正確的物聯網數據架構開始，并了解如何在不同位置管理物聯網數據。

“來自物聯網端點的數據提供了新的和獨特的挑戰，例如不可靠的網絡訪問和組合設備，這些設備可能分布在遠距離，并在多個協議上以多種格式生成數據，”Sapp說。

Sapp說，如今，大多數物聯網數據都是遙測數據，但終端越來越多地發出圖像和音頻數據，這些數據應該由持久性數據存儲處理。“從一個合適的物聯網數據架構開始，它將支持物聯網容量的預期增長，”他說。

由于缺乏靈活/彈性的數據架構，組織往往無法有效地管理物聯網數據。“數據將繼續增長，因此設計一種架構，利用分析和數據挖掘技術，識別可用于改進流程、改進決策或降低成本的關鍵信息，Sapp說。

例如，電信公司通過利用網絡邊緣的物聯網分析，成功地降低了通過網絡移動數據的成本，從而減少了“噪音數據”

“這些組織專注于可擴展的以邊緣為中心的數據架構，旨在快速發現物聯網數據中的知識，”Sapp說。

跨數據管道提供分析

Sapp說，物聯網數據架構還應支持跨數據管道（通過流媒體）和本地數據存儲的分析，以利用更快的決策和降低的成本。

組織可以通過在創建和部署物聯網分析時關注以數據為中心的設計模式來做到這一點，包括使用事件驅動架構。

“首先在邊緣、流媒體管道、平臺和企業中分發分析，”Sapp說。組織應該利用流式IoT數據管道作為部署分析的來源，以改善延遲，降低成本和安全漏洞，他說。

例如，美國國防部（U.S.DepartmentofDefense）經常通過流式數據管道執行分析，以減少網絡上的數據吞吐量，Sapp說。它還利用物聯網邊緣分析避免通過網絡發送任何數據，使用更接近數據源的操作分析。

Sapp說，很可能會部署多個分析環境來支持不同的分析。

“環境可能從操作系統到嵌入式分析軟件，”他說，“準備好在從網絡邊緣擴展到企業的整個環境中部署物聯網分析。例如，公用事業組織利用分布在各種基礎設施上的物聯網分析來支持車隊管理。”

利用人工智能

Sapp說，組織應該通過利用人工智能來增強對物聯網數據的處理能力。

Sapp說：“邊緣智能是一個新興領域，它使用人工智能作為部署在網絡邊緣的分析方法，從物聯網數據開發智能應用。”

這些智能應用范圍從視頻監控到智能監控和數據采集（SCADA）系統。例如，環境組織使用物聯網數據構建智能控制系統，以保持環境合規性。

Sapp說，將人工智能添加到物聯網架構中正成為一種操作上的當務之急。物聯網系統，包括終端設備，必須變得更加智能和自主，以應對不斷增長的數據量。為了使這些系統更智能，組織需要部署人工智能和機器學習。

成為云原生

鑒于物聯網應用程序產生的大量數據，對于許多組織來說，云將是獲得數據管理（包括分析）的唯一答案。

生產農用化學品和種子的先正達集團首席信息官兼首席數字官格雷格·邁耶斯（GregMeyers）表示：“建立真正實時管理這一數量所需的規模和速度是不值得的。”

Meyers說：“嘗試在您自己的數據中心或自己的基礎架構上自行管理它，這非常自欺欺人。

物聯網使先正達有能力管理其客戶的農場和田地，這些農場和田地通常被任意地聚合成小的微型細分市場。Meyers說：“人類擅長管理平均值，但計算機更擅長管理變異性。”“物聯網讓我們了解了為什么在一個區域發生的事情與可能在100米外發生的事情有所不同的原因。”

領先的公共云供應商正在提供服務，幫助企業進行物聯網分析。例如，亞馬遜網絡服務（AmazonWebServices，AWS）提供物聯網分析（IoTAnalytics），這是一種托管服務，使公司能夠對海量的物聯網數據運行和操作復雜的分析，而不必擔心構建物聯網分析平臺通常需要的成本和復雜性。

微軟提供了AzureIoT，其中包括一個名為AzureIoTCentral的數據分析服務，提供分析功能，以檢查歷史趨勢并關聯來自連接設備的各種遙測。谷歌還提供了云物聯網，一套在網絡邊緣和云中連接、處理、存儲和分析數據的工具。

優先考慮數據治理、安全性和隱私

組織需要確保他們為物聯網數據分析流程建立了治理、安全和隱私機制。物聯網產生的大部分數據將是敏感的或具有競爭價值的，需要仔細管理和保護。

AveryDennison公司副總裁兼首席信息官尼古拉斯？科利斯托（NicholasColisto）表示：“重新評估當前的數據治理做法，包括機器數據。”。

“根據我的經驗，物聯網管理是一個不成熟的領域，”科利斯托說，“在以前的一家公司，我曾面臨這樣的情況：一個業務部門在沒有尋求IT參與的情況下部署了物聯網系統，而且不考慮審核設備和應用固件的簡單操作任務和工具。”

Colisto說，公司需要考慮基于保密性、隱私和保留要求的物聯網數據風險。他說：“例如，如果你正在處理個人數據，請考慮可能由于算法偏差或無法遵守GDPR（通用數據保護條例）等法規而產生的問題，這些法規可能導致法律訴訟并損害你公司的聲譽。”。

利用物聯網數據創造新的收入機會

物聯網產生的數據在公司內外都有價值。

化工制造公司TexmarkChemicals通過部署傳感器泵啟動了其工廠現代化操作的工作。該公司利用惠普企業和ArubaNetworks的技術，從測量溫度，壓力，振動，流量和功率的泵傳感器收集運行數據。對這些數據進行分析，以在設備發生故障之前進行預測。

Texmark首席執行官道格·史密斯（DougSmith）說，通過“車間”流程，Texmark意識到擁有支持傳感器的設備不僅可以幫助公司監控其資產和流程，而且還為新的商業模式打開了可能性。

史密斯說，在合同談判之前，物聯網的使用已成為一個額外的銷售因素。他說：“客戶開始意識到從承包商資產中獲取數據的價值。”。客戶然后要求Texmark在他們的泵上添加傳感器，并向他們提供數據。

“本質上，我們正在開發一個歷史性能屬性庫，可以使用類似設備對其進行編目并與其他公司共享，”史密斯說，“當部署機器學習分析模型時，獲得的數據越多，分析預測的準確性就越高。”

史密斯說，通過與泵制造商或其他供應商共享物聯網數據，“我們可以證明新的商業模式，只要文檔清晰、準確。”與此同時，客戶對我們部署儀器和軟件分析來捕獲、分析和報告此類數據印象深刻，從而實現更具成本效益決定。”

史密斯說，物聯網提供的這種新的數據即服務產品可以將Texmark與競爭對手區分開來，并與客戶建立更牢固的聯系，同時使員工能夠在工作中取得更多成就。