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)用達到并超過了這個預(yù)期。隨著技術(shù)的進步，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，這將促進在物聯(lián)網(wǎng)領(lǐng)域進行投資的公司數(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)中提取價值。部署新的物聯(lián)網(wǎng)解決方案的IT團隊需要實現(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時攝取、轉(zhuǎn)換和傳遞數(shù)據(jù)和洞察力。它可以確保IT團隊能夠吸收龐大的數(shù)據(jù)量，并能夠以一種組織可以使用和從中提取價值的方式提供洞察力。

　　自動化為數(shù)據(jù)存儲團隊消除了手工編碼數(shù)據(jù)基礎(chǔ)設(shè)施項目的數(shù)據(jù)基礎(chǔ)設(shè)施項目的重復(fù)性和時間密集型方面的負擔，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)存儲團隊，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。

　　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時地了解它的車隊的運作情況，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)束一天的運作時從傳感器下載的，事實證明這是可能存在問題的，因為巴士可能已經(jīng)出現(xiàn)問題了，或者可能整天落后于運行計劃，根本就沒有辦法實時解決這個問題。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，傳感器就可以實時發(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、飛機上的數(shù)千個傳感器、一家工廠的視頻監(jiān)控攝像機和機器。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，需要將其進行整理成更易于管理的形式。考慮到數(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。自動化是有效實現(xiàn)這一目標的唯一途徑。

　　在某些情況下，可通過使用整個數(shù)據(jù)流來獲得價值。可以完整地保存這些數(shù)據(jù)集，以便在以后的某個時間點進行分析，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)換成有價值的洞察力。

　　物聯(lián)網(wǎng)對存儲的影響

　　當涉及到支持物聯(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，這是一項代價高昂的短期戰(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)，以便將來進行分析。

　　這不僅節(jié)省了存儲成本，還加快了未來的報告流程 ，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)有價值，哪些數(shù)據(jù)沒有價值的問題，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載通常是有價值的。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)濟價值有望達到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現(xiàn)價值的時間并立即產(chǎn)生影響。對于許多公司而言，管理和從數(shù)據(jù)中獲取價值的下一步將是實施人工智能、深度學習和機器學習。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)獲得實際的洞察力和價值，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)投資的價值是至關(guān)重要的。