让物联网数据为您的企业服务

Qlik 的 Adam Mayer

曾几何时，您无法逃避围绕万物互联 (IoE) 的讨论，这本身就象征着我们不可避免地要使用物联网 (IoT) 进行的旅程。

Qlik 的高级经理 Adam Mayer 说，当我们发现新技术时，我们的直接反应是越来越多。 不一定要确保我们充分利用我们已有的东西。因此，鼓励组织在开始看到投资回报之前在每个灯、门和厕所上安装传感器。

这是许多大数据早期采用者经历的类似旅程；如果没有更好的可视化和分析方法，需要时间来理解拥有更多数据并不一定会转化为改进的结果。因此，组织逐渐意识到物联网的最大潜力在于如何探索和探测这些设备产生的数据，以提供学习和改进成果。

我们的合作伙伴 C40 Cities 与大伦敦当局共同运营的 Breathe London 项目就是一个例子。作为对伦敦人暴露于空气污染的调查的一部分，在整个城市的灯柱和建筑物上安装了一个由 100 个传感器吊舱组成的网络，而谷歌街景汽车则使用移动传感器，在整个伦敦持续传输空气质量测量值。

虽然这些信息无疑很有趣，但该项目的价值不在于数据的收集和表示，而在于为减少这些传感器将识别的污染“热点”而做出的政策决定。

分析物联网数据的障碍

然而，对于许多组织来说，这说起来容易做起来难。集成物联网数据进行分析存在重大挑战。

首先，组织必须克服将来自不同来源的各种数据集成到其数据管道中的问题。 Qlik 与 IDC 的研究 据透露，将不同的数据集成为标准格式是组织在将数据转换为分析形式时面临的最大挑战之一 (37%)。

物联网的引入极大地加剧了这一挑战，因为它可以迅速增加输入管道的数据源数量，这些数据源通常采用不熟悉或非结构化的格式，必须在准备好进行分析之前进行转换。

第二个挑战，即高容量和高速度的吞吐量，进一步加剧了这个问题。由于许多物联网设备不断读取数据，因此产生的数据量远远超过大多数。这自然会遇到最后一个障碍，即使数据管道足够强大，可以从物联网设备中摄取和转换连续数据流，但许多可视化和分析解决方案也无法提供实时信息更新。

这意味着无论瓶颈是由软件引起的还是由用户查看其输出之间的时间间隔引起的，从数据中获得的知识只能追溯实施，而不是实时实施。

跟上数据的步伐

希望利用物联网的组织可以通过构建可以快速集成和转换来自众多不同来源的数据的数据供应链来克服这些挑战。

传统的面向批处理的方法，如提取、转换和加载 (ETL) – 速度太慢、效率低下且具有破坏性，无法集成和支持物联网数据的及时分析，并且通常需要大量编码和深度脚本编写。 31% 的全球组织将“缺乏处理数据的熟练资源”列为准备数据分析的最大挑战之一，因此组织减少对熟练程序员时间的大量消耗对于物联网实施的成功至关重要。

变更数据捕获 (CDC) 技术为那些希望快速处理其 IoT 数据以进行分析的人提供了一种可实现的智能替代方案。 CDC 不是将数据上传到不同的源，而是通过识别和复制发生的数据更新来实现连续增量复制。以这种方式流式传输数据可以显着提高数据被摄取和传输到数据仓库或数据湖进行分析的速度。

最后，当数据管道可以近乎实时地集成数据时，重要的是分析解决方案不仅能够持续可视化最新信息，而且还内置了一层主动性来支持决策过程。实时警报不仅提供洞察力，还可以为用户推荐操作以快速触发。利用认知引擎提供这种主动智能将成为下一代 BI 工具的一个关键特性。

实现物联网承诺的数据管道

组织必须确保他们不会像在大数据早期那样陷入物联网的陷阱，在大数据的早期，拥有更多数据的目标优先于使用他们必须的东西来推动最佳结果。看看物联网的早期采用者，太多的人更专注于接收实时更新，而不是采取必要的步骤来转换和分析其输出以支持更好的决策。

物联网的承诺是不断学习、行动和反应的机会。为确保组织中的物联网实施具有支持高级分析的速度和灵活性，他们必须首先确保其整个数据管道能够完成任务

作者是 Qlik 的高级经理 Adam Mayer。