導(dǎo)讀：如何從物聯(lián)網(wǎng)設(shè)備產(chǎn)生的大量數(shù)據(jù)中提取價(jià)值是至關(guān)重要的。換句話說，企業(yè)需了解不同的物聯(lián)網(wǎng)數(shù)據(jù)源及其對存儲的影響，以及自動化如何從物聯(lián)網(wǎng)數(shù)據(jù)中獲得更多的價(jià)值。

如何從物聯(lián)網(wǎng)設(shè)備產(chǎn)生的大量數(shù)據(jù)中提取價(jià)值是至關(guān)重要的。換句話說，企業(yè)需了解不同的物聯(lián)網(wǎng)數(shù)據(jù)源及其對存儲的影響，以及自動化如何從物聯(lián)網(wǎng)數(shù)據(jù)中獲得更多的價(jià)值。

Gartner在2017年預(yù)測，到2020年，將有200億個聯(lián)網(wǎng)的物聯(lián)網(wǎng)設(shè)備。而今，物聯(lián)網(wǎng)技術(shù)的應(yīng)用達(dá)到并超過了這個預(yù)期。隨著技術(shù)的進(jìn)步，很多企業(yè)都生產(chǎn)出了體積更小、成本更低、功耗更低的傳感器，這將促進(jìn)在物聯(lián)網(wǎng)領(lǐng)域進(jìn)行投資的公司數(shù)量持續(xù)快速增長。

挑戰(zhàn)不再在于技術(shù)，而在于組織是否可以從收集的數(shù)據(jù)中提取價(jià)值。部署新的物聯(lián)網(wǎng)解決方案的IT團(tuán)隊(duì)需要實(shí)現(xiàn)ROI，并且在完成這一任務(wù)時會遇到障礙。

從數(shù)據(jù)中快速、輕易地獲取洞察力來提取價(jià)值總是很困難的，通常就像大海撈針一樣。將更多的數(shù)據(jù)、數(shù)據(jù)源、數(shù)據(jù)類型和流數(shù)據(jù)混合在一起，使用現(xiàn)有的數(shù)據(jù)處理、存儲和分析方法幾乎無法獲得所需的價(jià)值。為了充分利用他們在物聯(lián)網(wǎng)領(lǐng)域的投資，組織需要在戰(zhàn)略中整合一些重要的內(nèi)容。

展望自動化

由于連接設(shè)備的數(shù)量巨大以及它們會產(chǎn)生海量的數(shù)據(jù)，因此，應(yīng)對大量物聯(lián)網(wǎng)數(shù)據(jù)的唯一解決方案是自動化。自動化可幫助組織實(shí)時攝取、轉(zhuǎn)換和傳遞數(shù)據(jù)和洞察力。它可以確保IT團(tuán)隊(duì)能夠吸收龐大的數(shù)據(jù)量，并能夠以一種組織可以使用和從中提取價(jià)值的方式提供洞察力。

自動化為數(shù)據(jù)存儲團(tuán)隊(duì)消除了手工編碼數(shù)據(jù)基礎(chǔ)設(shè)施項(xiàng)目的數(shù)據(jù)基礎(chǔ)設(shè)施項(xiàng)目的重復(fù)性和時間密集型方面的負(fù)擔(dān)，從而帶來了幾個關(guān)鍵的優(yōu)勢：首先，從數(shù)據(jù)中獲取的洞察力可以在更短的時間內(nèi)以更低的成本進(jìn)行交付，大大提高了結(jié)果的質(zhì)量和可靠性。其次，還解放了數(shù)據(jù)存儲團(tuán)隊(duì)，使他們將精力集中在分析和數(shù)據(jù)輸出這一更具戰(zhàn)略性的工作上。然而，僅僅自動處理數(shù)據(jù)是不夠的。實(shí)地處理數(shù)據(jù)的唯一方法是，在設(shè)備剛被創(chuàng)建時就以流的方式從現(xiàn)場發(fā)送數(shù)據(jù)，而不是在將來的某個時間點(diǎn)。

此外，自動化在數(shù)據(jù)處理中也扮演著至關(guān)重要的角色。在處理來自現(xiàn)場設(shè)備的數(shù)據(jù)時，流式數(shù)據(jù)自動化可使數(shù)據(jù)管理人員即時處理在現(xiàn)場創(chuàng)建的數(shù)據(jù)，從而縮小了從數(shù)據(jù)到洞察力之間的時間差。

例如，一家每天都有數(shù)百輛公交車在路上行駛的巴士公司希望盡可能實(shí)時地了解它的車隊(duì)的運(yùn)作情況，以便最大限度地提高服務(wù)效率。通過利用車載傳感器采集物聯(lián)網(wǎng)數(shù)據(jù)，公交公司可實(shí)時分析這些數(shù)據(jù)，從而立即診斷和檢測問題。

傳統(tǒng)上，數(shù)據(jù)是在結(jié)束一天的運(yùn)作時從傳感器下載的，事實(shí)證明這是可能存在問題的，因?yàn)榘褪靠赡芤呀?jīng)出現(xiàn)問題了，或者可能整天落后于運(yùn)行計(jì)劃，根本就沒有辦法實(shí)時解決這個問題。然而，在流數(shù)據(jù)自動化的情況下，如果一輛公共汽車有拋錨的危險(xiǎn)，傳感器就可以實(shí)時發(fā)現(xiàn)問題，然后相關(guān)工作人員采取措施加以預(yù)防。通過實(shí)時處理數(shù)據(jù)，巴士公司可以立即識別剎車墊是否磨損，然后通知修理工，以便在汽車發(fā)生故障前將其更換。

了解物聯(lián)網(wǎng)數(shù)據(jù)源

物聯(lián)網(wǎng)設(shè)備創(chuàng)建和利用了許多不同類型的數(shù)據(jù)源和格式---公交車剎車上的傳感器、飛機(jī)上的數(shù)千個傳感器、一家工廠的視頻監(jiān)控?cái)z像機(jī)和機(jī)器。其中一些是傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)，但產(chǎn)生的半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)量也在不斷增加，這些數(shù)據(jù)也需要實(shí)時處理。在將這些數(shù)據(jù)轉(zhuǎn)換為洞察力之前，需要將其進(jìn)行整理成更易于管理的形式?？紤]到數(shù)據(jù)量和復(fù)雜性，嘗試手動執(zhí)行這一復(fù)雜任務(wù)是不可能完成的。自動化是有效實(shí)現(xiàn)這一目標(biāo)的唯一途徑。

在某些情況下，可通過使用整個數(shù)據(jù)流來獲得價(jià)值?？梢酝暾乇４孢@些數(shù)據(jù)集，以便在以后的某個時間點(diǎn)進(jìn)行分析，以確定趨勢。但是，通常情況下，在提取數(shù)據(jù)過程中過濾掉無效的數(shù)據(jù)是更明智的做法。要確切地了解如何處理不同的物聯(lián)網(wǎng)數(shù)據(jù)流，組織需要建立一個信息流，以創(chuàng)建一個對組織最有價(jià)值的關(guān)鍵、對時間敏感的信息的全景視圖。

同時，組織需要確定他們應(yīng)該存儲的歷史信息，這些信息可顯示某一事件的長期趨勢。諸如數(shù)據(jù)湖體系結(jié)構(gòu)之類的東西可用作存儲庫，以本機(jī)格式存儲大量結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。然而，自動化工具將需要把數(shù)據(jù)從一堆混亂的數(shù)據(jù)轉(zhuǎn)換成有價(jià)值的洞察力。

物聯(lián)網(wǎng)對存儲的影響

當(dāng)涉及到支持物聯(lián)網(wǎng)體系的基礎(chǔ)設(shè)施時，面對物聯(lián)網(wǎng)設(shè)備產(chǎn)生的數(shù)據(jù)的大幅增長，人們的反應(yīng)是購買更多的存儲空間。然而，在這種增長呈指數(shù)增長的情況下，這是一項(xiàng)代價(jià)高昂的短期戰(zhàn)略。相反，企業(yè)需要考慮如何在存儲過程中轉(zhuǎn)換數(shù)據(jù)，通過這樣做，可減少存儲過程中的數(shù)據(jù)。實(shí)時分析數(shù)據(jù)意味著組織可以保存數(shù)據(jù)精華，而不是保存大量數(shù)據(jù)，以便將來進(jìn)行分析。

這不僅節(jié)省了存儲成本，還加快了未來的報(bào)告流程 ，并提高了洞察力的質(zhì)量和可靠性。這是一個篩選出哪些數(shù)據(jù)有價(jià)值，哪些數(shù)據(jù)沒有價(jià)值的問題，也就是說，將原始數(shù)據(jù)存儲一段時間來測試探索性工作負(fù)載通常是有價(jià)值的。因此，作為數(shù)據(jù)湖基礎(chǔ)設(shè)施的一部分，云存儲可以是一種具有成本效益的短期選擇。然而，部署自動化工具來組織這些信息、管理模式并允許以最有效的格式對數(shù)據(jù)進(jìn)行分析、查詢和搜索也是至關(guān)重要的。

物聯(lián)網(wǎng)市場正在增長

用于各種應(yīng)用的傳感器的成本已經(jīng)非常低廉，并且，物聯(lián)網(wǎng)正迅速成為主流。到2025年，物聯(lián)網(wǎng)的市場經(jīng)濟(jì)價(jià)值有望達(dá)到11.1萬億美元。它不再局限于擁有龐大預(yù)算的大企業(yè)，很多小公司也在尋找基于物聯(lián)網(wǎng)應(yīng)用所能提供的信息來改善其業(yè)務(wù)的方法。

此外，對于傳感器和其他物聯(lián)網(wǎng)應(yīng)用程序，成熟的自動化工具可縮短實(shí)現(xiàn)價(jià)值的時間并立即產(chǎn)生影響。對于許多公司而言，管理和從數(shù)據(jù)中獲取價(jià)值的下一步將是實(shí)施人工智能、深度學(xué)習(xí)和機(jī)器學(xué)習(xí)。我們將看到，公司處理數(shù)據(jù)的局限性將不再來自于應(yīng)用技術(shù)的成本，而是來自對數(shù)據(jù)分析結(jié)論的創(chuàng)造性應(yīng)用。

對于大大小小的企業(yè)來說，數(shù)據(jù)是他們可以用來超越競爭對手的最寶貴的資產(chǎn)之一。應(yīng)用于物聯(lián)網(wǎng)應(yīng)用的傳感器成本已經(jīng)降低了很多，可以為組織提供所有可能的數(shù)據(jù)集。但是，如果組織無法為其業(yè)務(wù)獲得實(shí)際的洞察力和價(jià)值，那對物聯(lián)網(wǎng)的投資就是毫無意義的。綜上所述，自動化工具對于最大化利用物聯(lián)網(wǎng)投資的價(jià)值是至關(guān)重要的。