基于物聯(lián)網(wǎng)解決方案中的大數據應用分析

　　隨著(zhù)物聯(lián)網(wǎng)的演變和發(fā)展，所有可以想象到的東西(或事物)和產(chǎn)業(yè)都將變得更加智能：智能家居和智慧城市、智能制造機械、智能汽車(chē)、智能健康等等。無(wú)數被授權收集和交換數據的東西正在形成一個(gè)全新的網(wǎng)絡(luò )——物聯(lián)網(wǎng)——一個(gè)可以在云中收集數據、傳輸數據和完成用戶(hù)任務(wù)的物理對象網(wǎng)絡(luò )。

　　物聯(lián)網(wǎng)和大數據正在走向勝利之路。不過(guò)，要想從這一創(chuàng )新中獲益，還需要解決一些挑戰和問(wèn)題。在本文中，我們很高興與大家分享多年來(lái)在物聯(lián)網(wǎng)咨詢(xún)領(lǐng)域積累的知識。
 

 

　　物聯(lián)網(wǎng)大數據如何應用

　　首先，有多種方法可以從物聯(lián)網(wǎng)大數據中獲益：在某些情況下，通過(guò)快速分析就足夠了，而一些有價(jià)值的見(jiàn)解只有在經(jīng)過(guò)深入的數據處理之后才能獲得。

　　實(shí)時(shí)監測。通過(guò)連網(wǎng)設備收集的數據可以用于實(shí)時(shí)操作：測量家中或辦公室的溫度、跟蹤身體活動(dòng)(計算步數、監測運動(dòng))等;實(shí)時(shí)監測在醫療保健中被廣泛應用(例如，獲取心率、測量血壓、糖分等);它還成功地應用于制造業(yè)(用于控制生產(chǎn)設備)、農業(yè)(用于監測牛和作物)和其他行業(yè)。

　　數據分析。在處理物聯(lián)網(wǎng)生成的大數據時(shí)，我們有機會(huì )超越監測，并從這些數據中獲得有價(jià)值的見(jiàn)解：識別趨勢，揭示看不見(jiàn)的模式并找到隱藏的信息和相關(guān)性。

　　流程控制和優(yōu)化。來(lái)自傳感器的數據提供了額外的上下文情境信息，以揭示影響性能和優(yōu)化流程的重要問(wèn)題。

　　▲交通管理：跟蹤不同日期和時(shí)間的交通負荷，以制定出針對交通優(yōu)化的建議，例如，在特定時(shí)間段增加公共汽車(chē)的數量，看看是否有改觀(guān)，以及建議引入新的交通信號燈方案和修建新的道路，以減少街道的交通擁堵?tīng)顩r。

　　▲零售：跟蹤超市貨架中商品的銷(xiāo)售情況，并在商品快賣(mài)完之前及時(shí)通知工作人員補貨。

　　▲農業(yè)：根據傳感器的數據，在必要時(shí)給作物澆水。

　　預測性維護。通過(guò)連網(wǎng)設備收集的數據可以成為預測風(fēng)險、主動(dòng)識別潛在危險狀況的可靠來(lái)源，例如：

　　▲醫療保?。罕O測患者健康狀態(tài)并識別風(fēng)險(例如，哪些患者有糖尿病、心臟病發(fā)作的風(fēng)險)，以便及時(shí)采取措施。

　　▲制造業(yè)：預測設備故障，以便在故障發(fā)生之前及時(shí)解決。

　　并非所有的物聯(lián)網(wǎng)解決方案都需要大數據。還應注意的是，并非所有的物聯(lián)網(wǎng)解決方案都需要大數據(例如，如果智能家居擁有者要借助智能手機來(lái)關(guān)燈，則可以在沒(méi)有大數據的情況下執行此操作)。重要的是要考慮減少處理動(dòng)態(tài)數據的工作量，并避免存儲將來(lái)沒(méi)有用處的大量數據。

　　物聯(lián)網(wǎng)中的大數據挑戰

　　除非處理大量數據以獲取有價(jià)值的見(jiàn)解，否則這些數據完全沒(méi)用。此外，在數據收集、處理和存儲方面還有各種挑戰。

　　▲數據可靠性。雖然大數據永遠不會(huì )100%準確，但在分析數據之前，請務(wù)必確保傳感器工作正常，并且用于分析的數據質(zhì)量可靠，且不會(huì )因各種因素(例如，機器運行的不利環(huán)境、傳感器故障)而損壞。

　　▲要存儲哪些數據。連網(wǎng)設備會(huì )產(chǎn)生萬(wàn)億字節的數據，選擇存儲哪些數據和刪除哪些數據是一項艱巨的任務(wù)。更重要的是，一些數據的價(jià)值還遠遠沒(méi)有顯現出來(lái)，但將來(lái)您可能需要這些數據。如果您決定為將來(lái)存儲數據，那么面臨的挑戰就是以最小的成本做到這一點(diǎn)。

　　▲分析深度。一旦并非所有大數據都很重要，就會(huì )出現另一個(gè)挑戰：什么時(shí)候快速分析就足夠了，什么時(shí)候需要進(jìn)行更深入的分析以帶來(lái)更多價(jià)值。

　　▲安全。毫無(wú)疑問(wèn)，各個(gè)領(lǐng)域的連網(wǎng)事物可以讓我們的生活變得更加美好，但與此同時(shí)，數據安全也成一個(gè)非常重要的問(wèn)題。網(wǎng)絡(luò )罪犯可以侵入數據中心和設備，連接到交通系統、發(fā)電廠(chǎng)、工廠(chǎng)，并從電信運營(yíng)商那里竊取個(gè)人數據。物聯(lián)網(wǎng)大數據對于安全專(zhuān)家來(lái)說(shuō)還是一個(gè)相對較新的現象，相關(guān)經(jīng)驗的缺失會(huì )增加安全風(fēng)險。

　　物聯(lián)網(wǎng)解決方案中的大數據處理

　　在物聯(lián)網(wǎng)系統中，物聯(lián)網(wǎng)體系架構的數據處理組件因輸入數據的特性、預期結果等而不同。我們已經(jīng)制定了一些方法來(lái)處理物聯(lián)網(wǎng)解決方案中的大數據。

　　數據來(lái)自與事物相連的傳感器。“事物”可以是任何物體：烤箱、汽車(chē)、飛機、建筑、工業(yè)機器、康復設備等。數據可以是周期性的，也可以是流式的。后者對于實(shí)時(shí)數據處理和迅速管理事物至關(guān)重要。

　　事物將數據發(fā)送到網(wǎng)關(guān)，以進(jìn)行初始數據過(guò)濾和預處理，從而減少了傳輸到下一個(gè)物聯(lián)網(wǎng)系統中的數據量。

　　邊緣分析。在進(jìn)行深入數據分析之前，有必要進(jìn)行數據過(guò)濾和預處理，以選擇某些任務(wù)所需的最相關(guān)數據。此外，此階段還可以確保實(shí)時(shí)分析，以快速識別之前在云中通過(guò)深度分析所發(fā)現的有用模式。

　　對于基本協(xié)議轉換和不同數據協(xié)議之間的通信，云網(wǎng)關(guān)是必需的。它還支持現場(chǎng)網(wǎng)關(guān)和中央物聯(lián)網(wǎng)服務(wù)器之間的數據壓縮和安全數據傳輸。

　　連網(wǎng)設備生成的數據以其自然格式存儲在數據湖中。原始數據通過(guò)“流”進(jìn)入數據湖。數據保存在數據湖中，直到可以用于業(yè)務(wù)目的。清理過(guò)的結構化數據存儲在數據倉庫中。

　　機器學(xué)習模塊根據之前積累的歷史數據生成模型。這些模型定期(例如，一個(gè)月一次)用新數據流更新。輸入的數據被累積并應用于訓練和創(chuàng )建新模型。當這些模型經(jīng)過(guò)專(zhuān)家的測試和批準后，控制應用程序就可以使用它們，以響應新的傳感器數據發(fā)送命令或警報。

　　總結

　　物聯(lián)網(wǎng)產(chǎn)生大量數據，可用于實(shí)時(shí)監控、分析、流程優(yōu)化和預測性維護等。然而，應該記住，從各種格式的海量數據中獲得有價(jià)值的見(jiàn)解并不是一件容易事情：您需要確保傳感器工作正常，數據得到安全傳輸和有效處理。此外，始終存在一個(gè)問(wèn)題：哪些數據值得存儲和處理。

　　盡管存在一些挑戰和問(wèn)題，但應記住，物聯(lián)網(wǎng)的發(fā)展勢頭強勁，并可以幫助多個(gè)行業(yè)的企業(yè)開(kāi)辟新的數字機遇。