物聯(lián)網深入發(fā)展 將如何改變大數據分析

數據一直在業(yè)務中發(fā)揮關鍵作用，但大數據分析的興起，大量存儲的信息可以在計算上挖掘出來，揭示有價值的見解、模式和趨勢，使其在現(xiàn)代商業(yè)領域幾乎不可或缺。收集和分析這些數據并將其轉化為可行的結果的能力是成功的關鍵。

隨著物聯(lián)網的發(fā)展，這一過程變得越來越復雜，在日常生活中，從車輛到商店展示，到智能家居自動化技術，如恒溫器和水位顯示器，都能產生大量的數據。物聯(lián)網帶來了各種新的分析挑戰(zhàn)，而更快適應這一新現(xiàn)實的企業(yè)將獲得明顯的優(yōu)勢。

改變基礎設施的需求

物聯(lián)網產生的數據面臨的主要問題之一就是它的規(guī)模。英特爾公司估計，到2020年，多達2000億臺智能設備將在線運行，以及約54億個具有物聯(lián)網功能的B2B設備。這意味著任何尋求利用物聯(lián)網數據的企業(yè)必須首先投資于處理數據量驚人所需的基礎架構，其中大部分將是原始的和未標準化的。數據湖和分布式服務器集群可能成為存儲此數據所必需的，控制數據流對于管理帶寬和網絡成本是必不可少的。

新的分析挑戰(zhàn)

除了物聯(lián)網產生的大量數據之外，數據本身也提出了一個問題。大多數傳感器產生的數據是相對嘈雜和非標準化的，大部分數據是實時數據流的形式。這些事實需要一種新的分析方法，軟件堆棧能夠快速分類，處理和分析大量的數據。在數據被正確處理之后，下一個挑戰(zhàn)是挖掘這些不同的信息源以產生可操作的數據。

技能分析師日益增長的需求

隨著更復雜分析的需要，需要更多和更熟練的數據分析師。從物聯(lián)網數據流中吸取有用的見解需要高超的技能，不僅要管理數據本身，還要確定最有效的焦點區(qū)域。大數據框架(如hadoop和Spark)以及R數據編程語言的專長正在迅速成為管理物聯(lián)網生成數據的關鍵，業(yè)務分析越來越依賴于復雜的技能集，其中包括機器學習，復雜算法，深度學習，復雜事件處理等。

從數量提取質量

調查顯示，96%的企業(yè)遇到通過其接收的數據量進行過濾的問題，而這個問題只會因為大量新數據的涌入而加劇。大數據本身沒有什么用途。其它真正的價值在于從這個數量中提取質量并產生有意義的見解。消除噪音的一個重要方法是使用過濾器來消除多余的數據。物聯(lián)網數據通常是高度粒度的，大多數企業(yè)不需要這樣的詳細信息。使用算法驅動的過濾器將這些數據壓縮成更實際的時間間隔中，顯著地減少了要分析的數據量，而不會影響其質量，從而使其更有價值。此外，由于物聯(lián)網傳感器已經廣泛存在，而且很快就會普及，將有用的數據源從那些不需要的地方進行排序將是最重要的。

新的安全范式

由于物聯(lián)網由廣泛的設備，通信協(xié)議和數據類型組成，為了保護其產生的數據，這要求企業(yè)必須準備迎接新挑戰(zhàn)。許多數據安全專業(yè)人員在處理物聯(lián)網數據方面根本沒有太多經驗，而且新的來源和技術卻快速到來，隨著安全威脅的增加，需要企業(yè)提高警覺性和靈活性。妥善保護物聯(lián)網數據將需要所有新的安全措施和協(xié)議專門設計來滿足這一新的現(xiàn)實。

物聯(lián)網已經經歷了快速增長，似乎有望成為業(yè)務分析未來的浪潮，但它仍然是一個新興的技術。它產生的大量數據將只會增長，并變得更加復雜，現(xiàn)在投資于基礎設施和需要處理的技術人員將在未來得到回報。負擔得起的，可擴展的，持久的存儲將是至關重要的，數據分析師也將具備適應大數據快速變化現(xiàn)實的技能和經驗。未來即將到來，必須進行適當的規(guī)劃和準備。