隨著物聯(lián)網(wǎng)的發(fā)展和進步，所有可以想象到的東西和行業(yè)都變得更加智能：智能家居和城市、智能制造機械、互聯(lián)汽車、互聯(lián)健康等等。無數(shù)能夠收集和交換數(shù)據(jù)的事物正在形成一個全新的網(wǎng)絡(luò)——物聯(lián)網(wǎng)——物理對象網(wǎng)絡(luò)，可以在云中收集數(shù)據(jù)、傳輸數(shù)據(jù)并完成用戶的任務(wù)。

物聯(lián)網(wǎng)和大數(shù)據(jù)正走向勝利。盡管如此，仍有一些特殊性和陷阱需要牢記，以受益于這一創(chuàng)新。在本文中，我們很高興地分享我們在物聯(lián)網(wǎng)咨詢方面挖掘的知識。

如何應用物聯(lián)網(wǎng)大數(shù)據(jù)

首先，從物聯(lián)網(wǎng)大數(shù)據(jù)中獲取好處的方法有很多種：在某些情況下，快速分析就足以獲得好處，而一些有價值的結(jié)果只有在更深入的數(shù)據(jù)處理之后才能獲得。

實時監(jiān)控。通過連接設(shè)備收集的大數(shù)據(jù)可用于實時操作：測量家中或辦公室的溫度、跟蹤物理活動(計數(shù)步驟、監(jiān)控運動)等。實時監(jiān)測在醫(yī)療保健中非常使用(例如，測量心率、測量血壓、糖)。它還成功地應用于制造業(yè)(控制生產(chǎn)機械)、農(nóng)業(yè)(監(jiān)測牛和植物)和其他行業(yè)。

數(shù)據(jù)分析。處理物聯(lián)網(wǎng)生成的大數(shù)據(jù)，有機會超越監(jiān)控，從這些數(shù)據(jù)中獲取有價值的見解：識別趨勢和趨勢，揭示看不見的模式，并找到隱藏的信息和相關(guān)性。

過程控制和優(yōu)化。來自傳感器的數(shù)據(jù)提供了額外的上下文，以揭示影響性能和優(yōu)化流程的非平凡問題。

交通管理：跟蹤不同日期和時間的交通負荷，找出旨在優(yōu)化交通的建議(例如，在一定時間段增加火車和公共汽車的數(shù)量，看看是否有利可圖，建議引入新的紅綠燈方案，并修建新的道路，使一些街道不那么繁忙，并管理交通擁堵)。

零售：由于一些商品在購物場所幾乎結(jié)束了，超市的人員被告知，例如，重新裝貨架的商品。

農(nóng)業(yè)：根據(jù)傳感器的數(shù)據(jù)，在必要時種植水廠。

預測性維護。使用連接設(shè)備收集的數(shù)據(jù)可以成為預測風險的可靠來源，從而主動識別潛在危險條件，例如：

醫(yī)療保健：監(jiān)測患者狀態(tài)和識別風險(例如，患者有糖尿病、心臟病的風險)，及時采取措施。

制造：預測設(shè)備故障。

并非所有的物聯(lián)網(wǎng)解決方案都需要大數(shù)據(jù)。還應指出，并非所有的物聯(lián)網(wǎng)解決方案都需要大數(shù)據(jù)(例如，如果智能家居的所有者要在手機的幫助下關(guān)燈，則此操作可能無需大數(shù)據(jù)即可執(zhí)行)?？紤]減少處理動態(tài)數(shù)據(jù)的努力并避免大量存儲數(shù)據(jù)非常重要，因為將來不需要這些存儲。

物聯(lián)網(wǎng)中的大數(shù)據(jù)挑戰(zhàn)

大量的數(shù)據(jù)是完全沒用的，除非他們被處理，以獲得有價值的東西。此外，與數(shù)據(jù)收集、處理和存儲相關(guān)的各種挑戰(zhàn)。

數(shù)據(jù)可靠性。雖然大數(shù)據(jù)從來不是 100% 準確的，但在分析數(shù)據(jù)之前，必須確保傳感器正常工作，用于分析的數(shù)據(jù)質(zhì)量可靠，不會受到各種因素的影響(例如，機械運行環(huán)境不利、傳感器故障)。

要存儲哪些數(shù)據(jù)。連接的事物生成 TB 的數(shù)據(jù)，選擇存儲哪些數(shù)據(jù)以及丟棄哪些數(shù)據(jù)是一項艱巨的任務(wù)。更重要的是，一些數(shù)據(jù)的價值遠未浮出水面，但您將來可能需要這些數(shù)據(jù)。如果您決定為未來存儲數(shù)據(jù)，則面臨的挑戰(zhàn)是以最少的成本(只要數(shù)據(jù)存儲和處理成本相當昂貴)來存儲數(shù)據(jù)。

分析深度。一旦并非所有大數(shù)據(jù)都很重要，另一個挑戰(zhàn)就會出現(xiàn)：何時足以通過快速分析，何時更深入的分析可以帶來更多價值。

安全性。毫無疑問，各個部門的互聯(lián)可以改善我們的生活，但與此同時，數(shù)據(jù)安全也非常重要。網(wǎng)絡(luò)罪犯可以訪問數(shù)據(jù)中心和設(shè)備，連接到交通系統(tǒng)、發(fā)電廠、工廠，從電信運營商那里竊取個人數(shù)據(jù)。物聯(lián)網(wǎng)大數(shù)據(jù)是安全專家比較新的現(xiàn)象，缺乏相關(guān)經(jīng)驗會增加安全風險。

物聯(lián)網(wǎng)解決方案中的大數(shù)據(jù)處理

在物聯(lián)網(wǎng)系統(tǒng)中，物聯(lián)網(wǎng)架構(gòu)的數(shù)據(jù)處理組件因傳入數(shù)據(jù)的特殊性、預期結(jié)果等而異。我們已經(jīng)制定了處理物聯(lián)網(wǎng)解決方案中大數(shù)據(jù)的方法。

數(shù)據(jù)來自連接到事物的傳感器。一個”東西”可以字面上是任何對象：烤箱，汽車，飛機，建筑物，工業(yè)機器，康復設(shè)備。數(shù)據(jù)定期或流式傳輸。后者對于實時數(shù)據(jù)處理和管理至關(guān)重要。

Things 將數(shù)據(jù)發(fā)送到網(wǎng)關(guān)，確保初始數(shù)據(jù)過濾和預處理減少傳輸?shù)较乱粋€物聯(lián)網(wǎng)系統(tǒng)塊的數(shù)據(jù)量。

邊緣分析。在進行深入的數(shù)據(jù)分析之前，進行數(shù)據(jù)過濾和預處理以選擇某些任務(wù)所需的最相關(guān)數(shù)據(jù)是有意義的。此外，此階段確保實時分析能夠快速識別之前通過云中的深度分析發(fā)現(xiàn)的有用模式。

云網(wǎng)關(guān)對于不同數(shù)據(jù)協(xié)議之間的基本協(xié)議翻譯和通信是必要的。它還支持數(shù)據(jù)壓縮，并保護字段網(wǎng)關(guān)和中央物聯(lián)網(wǎng)服務(wù)器之間的數(shù)據(jù)傳輸。

連接設(shè)備生成的數(shù)據(jù)以自然格式存儲在數(shù)據(jù)湖中。原始數(shù)據(jù)來到帶有”流”的數(shù)據(jù)湖。數(shù)據(jù)保存在數(shù)據(jù)湖中，直到可用于業(yè)務(wù)目的。清潔和結(jié)構(gòu)化數(shù)據(jù)存儲在數(shù)據(jù)倉庫中。

機器學習。機器學習模塊根據(jù)以前積累的歷史數(shù)據(jù)生成模型。這些模型定期(例如，每月更新一次)與新的數(shù)據(jù)流。傳入的數(shù)據(jù)被積累并應用于培訓和創(chuàng)建新模型。當這些模型經(jīng)過專家測試和批準時，它們可用于控制應用程序，該應用程序會針對新的傳感器數(shù)據(jù)發(fā)送命令或警報。

總結(jié)一下

物聯(lián)網(wǎng)生成了大量大數(shù)據(jù)，可用于實時監(jiān)控、分析、流程優(yōu)化和預測維護，僅舉幾例。但是，應該記住，從各種格式的海量數(shù)據(jù)中獲取有價值的見解并不是一件小事：您需要確保傳感器正常工作，數(shù)據(jù)安全傳輸并有效處理。此外，總有一個問題：哪些數(shù)據(jù)值得存儲和處理(只要這兩個過程都相當昂貴)。

盡管存在上述潛在問題，但應記住，物聯(lián)網(wǎng)發(fā)展勢頭強勁，幫助多個行業(yè)的企業(yè)開拓新的數(shù)字機遇。(來源：胖子君)