用安德魯·麥卡菲（Andrew McAfee）的話說，世界是一個大的數(shù)據(jù)問題。從各種來源收集的統(tǒng)計數(shù)據(jù)說明了這一點：
▲到2025年，將有超過150 ZB的數(shù)據(jù)需要分析，而且…
▲87％接受調(diào)查的公司認(rèn)為數(shù)據(jù)是其組織的資產(chǎn)。 但…
▲近36%的公司沒有使用他們擁有的所有數(shù)據(jù)，而且…
▲75%的人表示，他們還沒有準(zhǔn)備好利用數(shù)據(jù)。
自從“大數(shù)據(jù)”一詞在2005年首次被使用以來，海量數(shù)據(jù)集等待被挖掘以獲得見解的想法對公司來說是一個巨大機(jī)遇，但這一機(jī)遇已被證明難以解鎖。而現(xiàn)在，隨著物聯(lián)網(wǎng)（IoT）產(chǎn)生的信息量的增加，大數(shù)據(jù)變得越來越大，從而進(jìn)一步加劇了挑戰(zhàn)。
那么什么是物聯(lián)網(wǎng)數(shù)據(jù)，它如何融入大數(shù)據(jù)圖景？我們將在本文中回答這些問題，并看看一些公司是如何成功地利用物聯(lián)網(wǎng)和大數(shù)據(jù)來實現(xiàn)業(yè)務(wù)目標(biāo)的。
物聯(lián)網(wǎng)和大數(shù)據(jù)
甚至在物聯(lián)網(wǎng)還沒有出現(xiàn)之前，公司就一直在收集數(shù)據(jù)——而且是大量數(shù)據(jù)。銷售數(shù)據(jù)、運營數(shù)據(jù)、財務(wù)數(shù)據(jù)、人力資源數(shù)據(jù)、消費者數(shù)據(jù)等等都是從各種來源收集的，通常是為了獲得特定見解而需要對它們進(jìn)行分析。這種類型的數(shù)據(jù)通常來自各種來源，例如，社交媒體、金融市場和銷售交易（數(shù)量、速度和多樣性被稱為大數(shù)據(jù)的三個方面）。
眾所周知，分析大數(shù)據(jù)可以對業(yè)務(wù)及其運營方式產(chǎn)生重要見解。以下是圍繞它的一些問題：
▲大部分?jǐn)?shù)據(jù)都是孤立的，與其他類型的數(shù)據(jù)隔離開來，無法進(jìn)行宏觀分析。例如，財務(wù)數(shù)據(jù)很難與消費者數(shù)據(jù)輕松匯總，以獲得關(guān)于特定客戶行為對公司財務(wù)績效影響的更復(fù)雜見解。
▲很難足夠快地處理大數(shù)據(jù)以使見解有用。大多數(shù)類型的數(shù)據(jù)的價值都是短暫的，消費者今天所做的將在明天和后天有所不同。為了獲得最大利益，企業(yè)需要能夠快速采取行動的見解，但大多數(shù)傳統(tǒng)的數(shù)據(jù)庫系統(tǒng)無法以必要的速度處理數(shù)據(jù)。
▲收集的大部分?jǐn)?shù)據(jù)都被浪費掉了。負(fù)責(zé)在海量數(shù)據(jù)中尋找業(yè)務(wù)問題“答案”的業(yè)務(wù)分析師必須過濾掉不相關(guān)的數(shù)據(jù)，并找出可能存在答案的特定數(shù)據(jù)集。結(jié)果，估計有60％至73％的數(shù)據(jù)未被分析。
我親眼目睹了處理大數(shù)據(jù)的挑戰(zhàn)，想象一下，一家服務(wù)于數(shù)百萬客戶的大型電力公司試圖預(yù)測即將到來的夏季用電高峰需求。收集和匯總必要的數(shù)據(jù)，然后對其進(jìn)行預(yù)測和建模，這幾乎是一項不可能完成的任務(wù)，因為數(shù)據(jù)集的規(guī)模如此之大，以至于讓人難以招架。(再加上每個客戶5分鐘間隔的物聯(lián)網(wǎng)傳感器數(shù)據(jù)，您可以清楚地看到其中的難度）
如今，另一個主要的數(shù)據(jù)來源正在推動潮流——物聯(lián)網(wǎng)數(shù)據(jù)。物聯(lián)網(wǎng)在許多方面加劇了數(shù)據(jù)問題，但它也提供了解決方案。
什么是物聯(lián)網(wǎng)數(shù)據(jù)？
近年來，稱為物聯(lián)網(wǎng)的聯(lián)網(wǎng)對象系統(tǒng)發(fā)展迅猛，并且任何物理對象都可以變成物聯(lián)網(wǎng)的一部分。到2021年，全球估計有350億臺物聯(lián)網(wǎng)設(shè)備。此外，物聯(lián)網(wǎng)設(shè)備產(chǎn)生的數(shù)據(jù)預(yù)計到2025年將達(dá)到79.4ZB。顯然，物聯(lián)網(wǎng)設(shè)備產(chǎn)生的數(shù)據(jù)加劇了問題。
眾所周知，物聯(lián)網(wǎng)數(shù)據(jù)收集通過三種方式影響大數(shù)據(jù)：
1、物聯(lián)網(wǎng)設(shè)備生成的數(shù)據(jù)在許多方面比其他類型的數(shù)據(jù)更豐富。由于傳感器可以連接到任何物理設(shè)備上，因此物聯(lián)網(wǎng)數(shù)據(jù)是多樣化的，并且是精細(xì)化的，這意味著企業(yè)可以獲得更多有關(guān)其業(yè)務(wù)運營的數(shù)據(jù)。例如，智能建筑可以收集以下相關(guān)數(shù)據(jù)：
▲環(huán)境條件，例如空氣質(zhì)量、溫度/濕度和亮度，因此您可以了解需要為人們安全或舒適做出哪些更改。
▲能源使用模式，因此您可以了解您的建筑如何以及何時使用能源，并可以采取措施優(yōu)化能源效率。
▲居住者的行為、活動水平和行為模式，以便您了解它們?nèi)绾斡绊懩苄Т胧?/p>
▲用水，這樣可以最大限度地減少浪費。
▲建筑物的設(shè)備，因此可以確定建筑物的功率因數(shù)，并使用這些數(shù)據(jù)進(jìn)行預(yù)測性維護(hù)。
2、由于數(shù)據(jù)是自動聚合和分析的，因此浪費的數(shù)據(jù)更少。許多物聯(lián)網(wǎng)平臺使用機(jī)器學(xué)習(xí)來收集各種相關(guān)數(shù)據(jù)，然后對數(shù)據(jù)集進(jìn)行分類和分析。例如，測量高速旋轉(zhuǎn)設(shè)備振動水平的傳感器數(shù)據(jù)與設(shè)備的既定振動特征相結(jié)合，可以幫助檢測異常情況，并隨著時間推移，在嚴(yán)重問題出現(xiàn)之前預(yù)測問題。擁有使用所有數(shù)據(jù)的能力會產(chǎn)生更多可操作性見解，從而獲得更大的投資回報。
3、物聯(lián)網(wǎng)平臺實時收集和分析數(shù)據(jù)。許多物聯(lián)網(wǎng)數(shù)據(jù)平臺同時、實時收集和分析數(shù)據(jù)，因此可以更快地獲得見解。例如，在炎熱的夏天，建筑經(jīng)理可以深入了解建筑物當(dāng)前的狀況，以及可以立即采取哪些措施來降低能耗。
公司如何使用物聯(lián)網(wǎng)產(chǎn)生的大數(shù)據(jù)？
收集和分析物聯(lián)網(wǎng)數(shù)據(jù)的重點是能以一種為公司帶來價值的方式應(yīng)用這些見解。公司使用大數(shù)據(jù)實現(xiàn)收益的一些方式包括：
▲專注于采礦、金屬切割和材料技術(shù)的工程集團(tuán)Sandvik一直在尋找一種方法，通過保持設(shè)備正常運轉(zhuǎn)來解決采礦業(yè)生產(chǎn)力低下的問題。（來自物聯(lián)之家網(wǎng)）Sandvik與IBM合作，共同開發(fā)了一種分析和預(yù)測性維護(hù)解決方案，可以更好地預(yù)測設(shè)備何時將要發(fā)生故障。實施了這一解決方案后，一些領(lǐng)域的生產(chǎn)力提高了25%至30%。
▲紐約市已經(jīng)為眾多車輛配備了空氣質(zhì)量傳感器，以了解其附近區(qū)域的污染水平。其他城市也采取了類似的舉措，包括芝加哥（在路燈柱上安裝了傳感器）、丹佛和巴塞羅那等。
編譯：iothome
