论文部分内容阅读
物联网正日益成为许多企业数据驱动转型战略的一个关键部分。的确，积极采用物联网的企业组织已经看到了诸多好处，比如改进操作流程、改善库存管理和加强设备维护等。
但成功的物联网战略不仅仅是将一堆设备和传感器联接到互联网上，并从这些“物件”收集数据。IT部门必须打造高效地分析物联网生成的大量数据的能力，以便解读数据，并获得真正的商业洞察力。
这就是为什么物联网的分析战略应该是任何想充分利用所有联接企业的首要任务。
Gartner的高级主管兼研究和咨询主管Carlton Sapp表示，若充分利用所收集的物联网数据，企业可享有诸多优势。
这些优势包括：了解设备和系统的环境，改进设备和资源的决策、优化和监管控制，降低与数据管理有关的成本，对设备实行主动性、预测性和规范性的管理，以及环境合规。
Sapp表示，这些机会在车队优化及管理、资产管理、金融风险管理和智慧城市等使用场景中无处不在。
但它们需要一种合理、简化的方法来处理物联网的数据部分。以下是处理物联网数据并充分利用这些资源的几招。
IDC的物联网研究主管Stacy Crook表示，一旦企业了解了物联网分析业务目标，就需要确定将参与其中的关键的利益相关者，并确定这些利益相关者是否需要额外的技能才能确保项目成功。
Crook说：“众所周知，数据科学技能在业界很吃香，而这种技能对物联网分析项目来说必不可少。因此，如果内部的数据科学技能很薄弱，项目可能需要招聘新员工，或者将项目的某些部分外包给第三方。”
Crook表示， 企业组织还应考虑任命首席数据官（CDO）来支持物联网数据分析工作，并领导数据治理战略。
由于物联网实际上是大数据问题，IDC建议企业考虑现有的基础设施如何也能支持物联网使用场景。Crook说：“虽然旧的大数据架构可能一向专注于面向批处理的工作负载，但有越来越多的工具可以在同一个架构上运行实时工作负载。”
Crook表示，将同一基础架构用于不同的物联网工作负载可以在这两个方面带来好处：一是防止数据孤岛，二是提供跨那些工作负载更轻松地运行跨职能部门的数据分析这种能力。她说：“这还带来了数据治理和安全方面的好处。”
企业需要从合适的物联网数据架构入手，了解如何在不同地点管理物联网数据。
Sapp说：“来自物联网终端的数据带来了新的、独特的挑战，比如不可靠的网络访问和组合设备，这些设备可能很分散，通过多个协议生成多种格式的数据。”
他表示，如今，大多数物联网数据是遥测数据，但终端设备在日益生成应由持久数据存储系统来处理的图像和音频数据。他说：“先要部署一个合适的物联网数据架构，以支持物联网规模的预期增长。”
由于缺乏灵活/有弹性的数据架构，企业组织常常无法有效地管理物联网数据。Sapp说：“数据将继续增长，因此要设计这样一种架构，可充分利用分析和数据挖掘技术以识别可以用来改进流程、改善决策或降低成本的关键信息。”
比如说，电信企业利用网络边缘减少“噪声数据”的物联网分析技术，成功降低了通过网络传输数据的成本。
“那些企业组织专注于可扩展的、以边缘为中心的数据架构，这种架构旨在迅速发现物联网数据中的知识。”Sapp说。
Sapp表示，互联网数据架构还应该支持跨数据管道（通过数据流）和本地数据存储进行分析，以利于更快速地决策和降低成本。
企业在创建和部署物联网分析系统（包括使用事件驱动型架构）时，可以通过关注以数据为中心的设计模式来做到这一点。
Sapp说：“从边缘处、数据流管道、平台和企业中分发分析入手。”企业应充分利用流式物联网数据管道，以此部署分析工具，从而缩短延迟、降低成本和减少安全漏洞。
比如说，美国国防部常常对流式数据管道进行分析，以减少网络上传输的数据量。它还利用物联网边缘分析工具，避免通过网络发送任何数据，并使用更靠近数据源的操作分析工具。
Sapp说，很可能会部署多个分析环境来支持不同的分析。他说：“从操作系统到嵌入式分析软件，环境不一。要准备好将物联网分析工具部署到从网络边缘扩展到整个企业的大环境中。比如说，公用事业企业利用跨各种基础设施分发物联网分析工具来支持车队管理。”
Sapp说，企业应充分利用人工智能以加強物联网数据的应用。
“边缘智能是一个新兴领域，它使用人工智能作为部署在网络边缘的分析方法，利用物联网数据开发智能应用。”他说。
这些智能应用种类繁多，从视频监控到智能监控和数据采集（SCADA）系统，不一而足。比如说，注重环境的组织使用物联网数据建立智能控制系统，以保持环境合规。
Sapp表示，将人工智能添加到物联网架构正成为一项必要的工作。物联网系统（包括终端设备）必须变得更智能更自主，以应对不断增加的数据量。为了使这些系统更智能，企业组织需要部署人工智能和机器学习。
考虑到物联网应用生成的海量数据， 对于许多企业组织来说，云将是做好数据管理（包括分析）的唯一办法。
Greg Meyers是生产农药和种子的Syngenta公司的集团CIO兼首席数字官，他说：“打造实时管理这种数据量所需的规模和速度是不值得的。” Meyers说：“试图在自己的数据中心或基础设施上自行管理数据完全是自掘坟墓。”
物联网让Syngent能够管理客户的农场和农田，这些农场和农田通常被随意地聚合成小小的微型区块。Meyers说：“人类擅长管理平均值，而计算机更擅长管理变量值。物联网让我们明白为什么出现在一个地方的情况与出现在100米开外的情况不一样。”
领先的公共云供应商在提供服务，帮助许多企业做好物联网分析工作。比如说，亚马逊网络服务公司（AWS）提供IoT Analytics，这种托管服务使企业能够对海量的物联网数据进行复杂的分析，无需为构建物联网分析平台通常所需要的成本和复杂性而操心。
微软提供Azure IoT，这包括一项名为Azure IoT Central的数据分析服务，提供分析功能，以检查历史趋势并关联来自联网设备的各种遥测数据。谷歌则提供了Cloud IoT，这套工具用于连接、处理、存储和分析网络边缘和云端的数据。
企业需要确保已为物联网数据分析流程落实了治理、安全和隐私机制。物联网生成的大部分数据将是敏感的或有竞争价值的数据，需要精心管理和保护。
Avery Dennison是一家粘合材料、服装品牌标签及其他标签的制造商和分销商，该公司的副总裁兼CIO Nicholas Colisto说：“重新评估当前的数据治理实践，把机器数据加入进来。”
Colisto说：“凭我的经验，物联网治理是不太成熟的领域。我在之前一家公司遇到过这情况：业务部门在未要求IT部门参与的情况下部署了物联网系统，并没有考虑简单的操作任务和工具来审查设备、部署固件。”
Colisto说，企业需要从机密性、隐私和保留要求来考虑物联网数据风险。 他表示：“比如说如果你在处理个人数据，要考虑算法偏见或未遵守《通用数据保护条例》（GDPR）等法規可能带来的问题，这些问题有可能导致法律诉讼，并损害贵公司的声誉。”
物联网生成的数据在公司内外都有价值。
化工品制造公司Texmark Chemicals通过部署配备传感器的泵，竭力使工厂的操作实现现代化。该公司使用惠普企业（HPE）和Aruba Networks的技术，从测量温度、压力、振动、流量和功率的泵传感器收集操作数据。这些数据加以分析后，及早预测设备故障。
公司CEO Doug Smith表示，Texmark通过“专题研讨”方法意识到，配备传感器的设备不仅帮助公司监控资产和流程，还为新的商业模式提供了可能性。
Smith说，在合同谈判之前，物联网的使用成了一个额外的销售因素。他表示：“客户开始意识到访问来自承包商资产（比如工业泵）的数据具有的价值。随后客户要求Texmark在他们的泵上添加传感器，为他们提供数据。
Smith表示：“实际上，我们在开发一个历史性能属性库，这些属性可以归纳，并与使用类似设备的其他企业共享。部署机器学习分析模型后，采集的数据越多，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，“我们可以证明新的商业模式，只要说明文档清晰而准确，”Smith说。“与此同时，我们部署了设备检测和软件分析工具，以捕捉、分析和报告这些数据，从而更迅速地做出合理决策，这给客户留下了深刻的印象。”
Smith表示，物联网支持的这种新的数据即服务可以让Texmark有别于竞争对手，使员工在提高工作效率的同时，与客户加强联系。
作者简介：Bob Violino常驻纽约，是《Insider Pro》、《Computerworld》、《CIO》、《CSO》、《InfoWorld》和《Network World》的特约撰稿人。
原文网址
https：//www.cio.com/article/3542670/iot-analytics-reaping-value-from-iot-data.html
但成功的物联网战略不仅仅是将一堆设备和传感器联接到互联网上，并从这些“物件”收集数据。IT部门必须打造高效地分析物联网生成的大量数据的能力，以便解读数据，并获得真正的商业洞察力。
这就是为什么物联网的分析战略应该是任何想充分利用所有联接企业的首要任务。
Gartner的高级主管兼研究和咨询主管Carlton Sapp表示，若充分利用所收集的物联网数据，企业可享有诸多优势。
这些优势包括：了解设备和系统的环境，改进设备和资源的决策、优化和监管控制，降低与数据管理有关的成本，对设备实行主动性、预测性和规范性的管理，以及环境合规。
Sapp表示，这些机会在车队优化及管理、资产管理、金融风险管理和智慧城市等使用场景中无处不在。
但它们需要一种合理、简化的方法来处理物联网的数据部分。以下是处理物联网数据并充分利用这些资源的几招。
打造物联网分析企业和基础设施
IDC的物联网研究主管Stacy Crook表示，一旦企业了解了物联网分析业务目标，就需要确定将参与其中的关键的利益相关者，并确定这些利益相关者是否需要额外的技能才能确保项目成功。
Crook说：“众所周知，数据科学技能在业界很吃香，而这种技能对物联网分析项目来说必不可少。因此，如果内部的数据科学技能很薄弱，项目可能需要招聘新员工，或者将项目的某些部分外包给第三方。”
Crook表示， 企业组织还应考虑任命首席数据官（CDO）来支持物联网数据分析工作，并领导数据治理战略。
由于物联网实际上是大数据问题，IDC建议企业考虑现有的基础设施如何也能支持物联网使用场景。Crook说：“虽然旧的大数据架构可能一向专注于面向批处理的工作负载，但有越来越多的工具可以在同一个架构上运行实时工作负载。”
Crook表示，将同一基础架构用于不同的物联网工作负载可以在这两个方面带来好处：一是防止数据孤岛，二是提供跨那些工作负载更轻松地运行跨职能部门的数据分析这种能力。她说：“这还带来了数据治理和安全方面的好处。”
部署支持物联网数据增长的架构
企业需要从合适的物联网数据架构入手，了解如何在不同地点管理物联网数据。
Sapp说：“来自物联网终端的数据带来了新的、独特的挑战，比如不可靠的网络访问和组合设备，这些设备可能很分散，通过多个协议生成多种格式的数据。”
他表示，如今，大多数物联网数据是遥测数据，但终端设备在日益生成应由持久数据存储系统来处理的图像和音频数据。他说：“先要部署一个合适的物联网数据架构，以支持物联网规模的预期增长。”
由于缺乏灵活/有弹性的数据架构，企业组织常常无法有效地管理物联网数据。Sapp说：“数据将继续增长，因此要设计这样一种架构，可充分利用分析和数据挖掘技术以识别可以用来改进流程、改善决策或降低成本的关键信息。”
比如说，电信企业利用网络边缘减少“噪声数据”的物联网分析技术，成功降低了通过网络传输数据的成本。
“那些企业组织专注于可扩展的、以边缘为中心的数据架构，这种架构旨在迅速发现物联网数据中的知识。”Sapp说。
跨数据管道进行分析
Sapp表示，互联网数据架构还应该支持跨数据管道（通过数据流）和本地数据存储进行分析，以利于更快速地决策和降低成本。
企业在创建和部署物联网分析系统（包括使用事件驱动型架构）时，可以通过关注以数据为中心的设计模式来做到这一点。
Sapp说：“从边缘处、数据流管道、平台和企业中分发分析入手。”企业应充分利用流式物联网数据管道，以此部署分析工具，从而缩短延迟、降低成本和减少安全漏洞。
比如说，美国国防部常常对流式数据管道进行分析，以减少网络上传输的数据量。它还利用物联网边缘分析工具，避免通过网络发送任何数据，并使用更靠近数据源的操作分析工具。
Sapp说，很可能会部署多个分析环境来支持不同的分析。他说：“从操作系统到嵌入式分析软件，环境不一。要准备好将物联网分析工具部署到从网络边缘扩展到整个企业的大环境中。比如说，公用事业企业利用跨各种基础设施分发物联网分析工具来支持车队管理。”
利用人工智能
Sapp说，企业应充分利用人工智能以加強物联网数据的应用。
“边缘智能是一个新兴领域，它使用人工智能作为部署在网络边缘的分析方法，利用物联网数据开发智能应用。”他说。
这些智能应用种类繁多，从视频监控到智能监控和数据采集（SCADA）系统，不一而足。比如说，注重环境的组织使用物联网数据建立智能控制系统，以保持环境合规。
Sapp表示，将人工智能添加到物联网架构正成为一项必要的工作。物联网系统（包括终端设备）必须变得更智能更自主，以应对不断增加的数据量。为了使这些系统更智能，企业组织需要部署人工智能和机器学习。
成为云原生组织
考虑到物联网应用生成的海量数据， 对于许多企业组织来说，云将是做好数据管理（包括分析）的唯一办法。
Greg Meyers是生产农药和种子的Syngenta公司的集团CIO兼首席数字官，他说：“打造实时管理这种数据量所需的规模和速度是不值得的。” Meyers说：“试图在自己的数据中心或基础设施上自行管理数据完全是自掘坟墓。”
物联网让Syngent能够管理客户的农场和农田，这些农场和农田通常被随意地聚合成小小的微型区块。Meyers说：“人类擅长管理平均值，而计算机更擅长管理变量值。物联网让我们明白为什么出现在一个地方的情况与出现在100米开外的情况不一样。”
领先的公共云供应商在提供服务，帮助许多企业做好物联网分析工作。比如说，亚马逊网络服务公司（AWS）提供IoT Analytics，这种托管服务使企业能够对海量的物联网数据进行复杂的分析，无需为构建物联网分析平台通常所需要的成本和复杂性而操心。
微软提供Azure IoT，这包括一项名为Azure IoT Central的数据分析服务，提供分析功能，以检查历史趋势并关联来自联网设备的各种遥测数据。谷歌则提供了Cloud IoT，这套工具用于连接、处理、存储和分析网络边缘和云端的数据。
优先考虑数据治理、安全和隐私
企业需要确保已为物联网数据分析流程落实了治理、安全和隐私机制。物联网生成的大部分数据将是敏感的或有竞争价值的数据，需要精心管理和保护。
Avery Dennison是一家粘合材料、服装品牌标签及其他标签的制造商和分销商，该公司的副总裁兼CIO Nicholas Colisto说：“重新评估当前的数据治理实践，把机器数据加入进来。”
Colisto说：“凭我的经验，物联网治理是不太成熟的领域。我在之前一家公司遇到过这情况：业务部门在未要求IT部门参与的情况下部署了物联网系统，并没有考虑简单的操作任务和工具来审查设备、部署固件。”
Colisto说，企业需要从机密性、隐私和保留要求来考虑物联网数据风险。 他表示：“比如说如果你在处理个人数据，要考虑算法偏见或未遵守《通用数据保护条例》（GDPR）等法規可能带来的问题，这些问题有可能导致法律诉讼，并损害贵公司的声誉。”
利用物联网数据获得新的创收机会
物联网生成的数据在公司内外都有价值。
化工品制造公司Texmark Chemicals通过部署配备传感器的泵，竭力使工厂的操作实现现代化。该公司使用惠普企业（HPE）和Aruba Networks的技术，从测量温度、压力、振动、流量和功率的泵传感器收集操作数据。这些数据加以分析后，及早预测设备故障。
公司CEO Doug Smith表示，Texmark通过“专题研讨”方法意识到，配备传感器的设备不仅帮助公司监控资产和流程，还为新的商业模式提供了可能性。
Smith说，在合同谈判之前，物联网的使用成了一个额外的销售因素。他表示：“客户开始意识到访问来自承包商资产（比如工业泵）的数据具有的价值。随后客户要求Texmark在他们的泵上添加传感器，为他们提供数据。
Smith表示：“实际上，我们在开发一个历史性能属性库，这些属性可以归纳，并与使用类似设备的其他企业共享。部署机器学习分析模型后，采集的数据越多，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，“我们可以证明新的商业模式，只要说明文档清晰而准确，”Smith说。“与此同时，我们部署了设备检测和软件分析工具，以捕捉、分析和报告这些数据，从而更迅速地做出合理决策，这给客户留下了深刻的印象。”
Smith表示，物联网支持的这种新的数据即服务可以让Texmark有别于竞争对手，使员工在提高工作效率的同时，与客户加强联系。
作者简介：Bob Violino常驻纽约，是《Insider Pro》、《Computerworld》、《CIO》、《CSO》、《InfoWorld》和《Network World》的特约撰稿人。
原文网址
https：//www.cio.com/article/3542670/iot-analytics-reaping-value-from-iot-data.html