物联网可能是您进行数据驱动转型的关键。以下内容将讲述如何将海量的实时物联网数据转化为重要的商业价值。
物联网正日益成为许多公司数据驱动转型策略的关键要素。的确，使用物联网的组织机构已经看到了诸多好处，例如运营流程得到改进，库存管理工作得到提升和设备维护工作得以加强等等。
成功的物联网策略不仅仅是将一系列的设备和传感器连接到互联网上，并从这些“东西”中收集数据。IT部门必须拥有有效分析物联网所生成的大量数据的能力，以便能够理解这些数据，并获得真正的商业见解。
这就是为什么对于那些想充分利用物联网的公司而言，物联网分析策略都应该是其首要任务。
Gartner高级总监兼研究和咨询主管卡尔顿·萨普(Carlton Sapp)表示，组织机构在利用其收集的物联网数据方面获得诸多优势。
这些优势包括对设备和系统的关联关系的认识;改进了设备和资源的决策、优化和管理控制工作;降低了与数据管理相关的成本;设备的主动性、预测性和规范性管理;以及环保达标工作。
萨普表示，这些机会在车队优化和管理、资产管理、财务风险管理和智慧城市等应用案例中无处不在。
但这些机会需要使用一种合理、简化的方法来连接物联网的数据端。以下是一些处理物联网数据和充分利用这些资源的技巧。
1.建立物联网分析组织和基础架构
IDC物联网研究总监斯泰西•克鲁克(Stacy Crook)表示，当一个组织对其物联网分析业务目标有自己的想法时，就需要明确将参与这项工作的主要相关者，并要清楚这些相关者是否需要额外技能来使该项目成功完成。
克鲁克说：“众所周知，数据科学技能在业内供不应求，但这些技能对于物联网分析项目至关重要。”如果组织内部的数据科学技能薄弱的话，“那么该项目可能需要雇佣新员工，或将项目的部分工作外包给第三方”。
克鲁克表示，组织机构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，因此IDC建议，组织机构要考虑其现有基础架构如何为物联网应用案例提供服务。“尽管较早的大数据架构可能一直侧重于面向批处理的工作负载，但有越来越多的工具可使实时工作负载在同一主干网上运行，”克鲁克说。
克鲁克表示，利用相同的基础架构来处理不同的物联网工作负载，这会带来诸多好处，比如，可防止产生数据孤岛，能够在这些工作负载之间更轻松地运行跨功能数据分析。她说：“这还可以带来数据治理和安全方面的好处。”
2.部署一个有利于物联网数据增长的架构
企业首先需要选择一个正确的物联网数据架构，并了解如何在各个地点管理物联网数据。
萨普说：“来自物联网终端的数据会带来新的和特殊的挑战，例如不可靠的网络接入，以及可能分布遥远且通过多种协议以多种格式生成数据的各种设备。”
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送那些应由持久性存储设备来处理的图像和音频数据，萨普表示。他说：“首先选择一个恰当的物联网数据基础架构，这将有助于将来物联网的数量增长。”
由于缺乏灵活/弹性的数据架构，组织机构经常无法有效地管理物联网数据。萨普说：“数据会不断增长，因此要设计一种可利用分析和数据挖掘技术的架构，而这些技术可发现能用于改进流程、改善决策或降低成本的关键信息。”
例如，电信公司通过利用可减少“噪声数据”的网络边缘的物联网分析技术，成功降低了通过网络传输数据的成本。
萨普说：“那些组织机构专注于可扩展的、聚焦边缘计算的数据架构，这些架构旨在快速发现物联网数据中的知识。”
3.跨多个数据管道提供分析
萨普表示，物联网数据架构还应支持跨多个数据管道(通过流数据)和在本地数据存储设备中进行分析，以利于更快地进行决策和降低成本。
在创建和部署物联网分析技术(包括使用事件驱动的架构)时，组织机构可通过专注于以数据为中心的设计模式来做到这一点。
萨普说：“首先要在边缘、流式管道、平台和企业中部署分析技术。”他表示，组织机构应利用物联网流式数据管道作为部署分析技术的一个来源，以改善延迟，降低成本和减少安全漏洞。
萨普表示，例如，美国国防部经常在流式数据管道上进行分析，以减少网络上的数据吞吐量。该部门还利用物联网边缘分析技术，使用更靠近数据源的运营分析功能来避免通过网络发送任何数据。
萨普表示，人们很可能会部署多个分析环境来支持不同的分析工作。他说：“这些环境可能涉及从操作系统到嵌入式分析软件。”“要做好准备，从网络边缘到企业范围内各个领域都部署物联网分析技术。例如，公用事业组织利用跨各种基础架构的分布式物联网分析技术来支持车队管理。”
4.利用人工智能技术
萨普表示，组织机构应该利用人工智能技术来增强其对物联网数据的处理能力。
萨普说：“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一种分析方法，以利用物联网数据来开发智能应用程序。”
这些智能应用程序的范围涉及到视频监控、智能监控和数据采集(SCADA)系统等。例如，环保组织会使用物联网数据来建立智能控制系统，以保持环保达标。
萨普表示，将人工智能技术加入到物联网架构中已成为运营工作的当务之急。物联网系统，包括终端设备，必须变得更加智能和更加自主，以应对不断增长的数据量。为了使这些系统更智能，组织机构需要部署人工智能和机器学习技术。
5.成为云原生组织
鉴于物联网应用程序产生的海量数据，对于许多组织机构而言，云端将是进行数据管理(包括分析)的唯一解决方案。
先正达(Syngenta)是一家生产农药和种子的公司，其集团首席信息官兼首席数字官格雷格·迈耶斯(Greg Meyers)说：“建立起真正实时管理这些海量数据所需的规模和速度，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架构中自行管理这些数据，这会让自己弄巧成拙。”
物联网使先正达公司能够管理其客户的农场和农田，这些农场和农田通常会被任意地合并为小型的微地块。迈耶斯说：“人类擅长管理平均值，但计算机更擅长管理可变性。”“物联网让我们明白了，为什么在一个区域发生的事情与可能在100米外发生的事情不同。”
主要的公共云供应商正在提供各种服务，以帮助那些使用物联网分析技术的企业。例如，亚马逊网络服务公司(AWS)提供了物联网分析产品，这是一种托管服务，使企业可以对海量物联网数据进行复杂的分析，而无需担心像构建一个物联网分析平台通常所涉及的成本和复杂性。
微软公司提供了Azure物联网产品，其中包括一个称为Azure IoT Central的数据分析服务，可提供分析功能来查看历史趋势，并可将来自连接设备的各种遥测数据进行关联。谷歌公司还提供了Cloud物联网产品，该产品是可在网络边缘和云端进行连接、处理、存储和分析数据的一套工具。
6.优先考虑数据治理、安全性和隐私
组织机构需要确保自己为物联网数据分析流程建立了治理、安全性和隐私机制。物联网产生的许多数据会是敏感的或具有竞争价值的，因此需要精心管理和保护。
“重新评估当前的数据治理实践，包括机器数据，”艾利丹尼森公司(Avery Dennison)副总裁兼首席信息官尼古拉斯•科利斯托(Nicholas Colisto)说道。该公司是一家粘合材料、服装品牌商标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，我曾遇到这样的情况：一个业务部门在不寻求IT部门参与的情况下部署了物联网系统，并且没有考虑到一些简单的运营任务以及用来审核设备和应用固件的工具。”
企业需要基于数据保密性、隐私和留存要求来思考物联网数据的风险，科利斯托表示。“例如，如果您正在处理个人信息，请考虑由于算法偏见或未能遵守《通用数据保护条例(GDPR)》等法规而引发的问题，这些问题可能会引起法律诉讼，并损害公司的声誉，”他说。
7.利用物联网数据获取新的营收机遇
物联网产生的数据在公司内部和外部都可能是有价值的。
化工制造公司Texmark Chemicals通过部署一些由传感器控制的泵而开启了其工厂的现代化操作。该公司利用惠普公司(Hewlett Packard Enterprise)和阿鲁巴网络公司(Aruba Networks)的技术，从测量温度、压力、振动、流量和功率的泵传感器来收集运行数据。然后对这些数据进行分析，以便在设备发生故障之前进行预测。
Texmark公司首席执行官道格·史密斯(Doug Smith)表示，通过“车间”的一些流程，我们意识到，配有传感器控制的设备，不仅可以帮助我们监控各个资产和流程，而且还为我们建立新的商业模式创造了可能性。
史密斯表示，在合同谈判之前，物联网的使用已成为一个额外的卖点。他说：“客户开始意识到使用来自承包商资产(如工业泵)的数据的价值”。然后，客户会要求Texmark公司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表现特性库，可以使用类似的设备对该库进行分类，并与其他公司共享，”斯密斯说。“在部署机器学习分析模型时，获取的数据越多，分析预测的准确性就越高。”
通过与泵制造商或其他供应商共享物联网数据，“只要记录信息清晰准确，我们就可以证明该新的商业模式，”史密斯说。“与此同时，我们已经部署了仪器和软件分析技术来收集、分析数据和形成这些数据报告，从而可以做出更具成本效益的决策，这给客户留下了深刻的印象。”
斯密斯表示，通过物联网实现的这一新的数据即服务产品，可使Texmark公司从竞争对手中脱颖而出，与客户建立起更稳固的联系，同时使员工能够从工作中收获更多。
