很快，地球上生成數(shù)據(jù)的設(shè)備將是人類的七倍，而且這個(gè)數(shù)字還在繼續(xù)增長(zhǎng)。調(diào)查公司Juniper Research的最新統(tǒng)計(jì)數(shù)據(jù)顯示，到2022年，物聯(lián)網(wǎng)傳感器和設(shè)備的預(yù)計(jì)數(shù)量將從目前微不足道的210億臺(tái)增長(zhǎng)到500多億臺(tái)，增幅為140%。

該研究的作者預(yù)測(cè)，邊緣計(jì)算服務(wù)將成為這一增長(zhǎng)的主要原因。研究發(fā)現(xiàn)，由于帶寬需求的減少、應(yīng)用程序響應(yīng)速度加快以及數(shù)據(jù)安全性的提高，以及邊緣計(jì)算的興起對(duì)于擴(kuò)大部署至關(guān)重要。Juniper Research預(yù)測(cè)，在2023年連接的460億臺(tái)工業(yè)和企業(yè)設(shè)備中，很大一部分將依賴邊緣計(jì)算。

所有這些設(shè)備和連接的挑戰(zhàn)是數(shù)據(jù)——并弄清楚如何將其集成到企業(yè)系統(tǒng)中，以及如何為企業(yè)帶來(lái)價(jià)值。許多企業(yè)已經(jīng)從一開(kāi)始就在與傳統(tǒng)基礎(chǔ)設(shè)施相關(guān)聯(lián)的關(guān)系數(shù)據(jù)庫(kù)管理系統(tǒng)上構(gòu)建了他們的信息技術(shù)，而這些基礎(chǔ)設(shè)施并沒(méi)有被設(shè)計(jì)或配備來(lái)吸收或管理物聯(lián)網(wǎng)正在提供的大量連續(xù)數(shù)據(jù)流。許多高管認(rèn)為，他們可以很容易接入物聯(lián)網(wǎng)，并開(kāi)始獲得回報(bào)。然而，要做到這一點(diǎn)，還需要做很多工作。

最近的一篇文章中，國(guó)際應(yīng)用系統(tǒng)分析研究所（IIASA）首席分析官 Bill Franks證實(shí)了這一點(diǎn)。也就是說(shuō)，物聯(lián)網(wǎng)數(shù)據(jù)看起來(lái)比實(shí)際情況更簡(jiǎn)單。Bill Franks說(shuō) ：“大多數(shù)傳感器以簡(jiǎn)單的格式輸出數(shù)據(jù)——有時(shí)間戳、測(cè)量標(biāo)識(shí)符（溫度、壓力等），然后是一個(gè)值。因此，你可以非?？焖俚貜脑糉eed轉(zhuǎn)到準(zhǔn)備好進(jìn)行探索的數(shù)據(jù)集或表格”。

但是，企業(yè)的重要價(jià)值在哪里？它可能不在無(wú)休止的時(shí)間戳數(shù)據(jù)流中，而是在彈出的異常中。哪些異常是相關(guān)連的，哪些只是異常？正在傳輸?shù)奶囟▉?lái)源數(shù)據(jù)是否是機(jī)器使用和性能的精確指標(biāo)？所有這些問(wèn)題必須事先進(jìn)行檢查。Bill Franks提醒道：“不要讓數(shù)據(jù)攝入的簡(jiǎn)單性欺騙了你”。

將會(huì)發(fā)生的事情是，企業(yè)將被無(wú)用的數(shù)據(jù)淹沒(méi)和不堪重負(fù)——需要吞吐量、處理和某種存儲(chǔ)，以及處理這些流程的專業(yè)知識(shí)。對(duì)于物聯(lián)網(wǎng)數(shù)據(jù)，有必要確定實(shí)際對(duì)你的具體問(wèn)題有意義的節(jié)奏，例如，溫度傳感器可以每毫秒讀出一次讀數(shù)，然而，在大多數(shù)情況下，以這種節(jié)奏接收數(shù)據(jù)有點(diǎn)多余了。由于存儲(chǔ)額外數(shù)據(jù)的成本以及分析大量無(wú)用數(shù)據(jù)的成本和復(fù)雜性，這種過(guò)度消耗是有代價(jià)的。

一些關(guān)鍵考慮

為了充分利用物聯(lián)網(wǎng)，Bill Franks建議考慮以下因素：

設(shè)置適當(dāng)?shù)墓?jié)奏：確定什么節(jié)奏對(duì)你正在解決的問(wèn)題有價(jià)值。如果你正在監(jiān)控汽車(chē)發(fā)動(dòng)機(jī)，那么每秒讀數(shù)可能就足夠了，或許可能每5、10或60秒讀取一次就足夠了。關(guān)鍵是你必須評(píng)估每一個(gè)指標(biāo)，并通過(guò)一些實(shí)驗(yàn)確定你需要什么。然后，將數(shù)據(jù)過(guò)濾到適當(dāng)?shù)募?jí)別，否則，你將會(huì)被數(shù)據(jù)淹沒(méi)，而有意義的模式將難以識(shí)別。

隨著時(shí)間推移識(shí)別復(fù)雜的模式：在分析物聯(lián)網(wǎng)數(shù)據(jù)時(shí)，我們通常對(duì)偏離正常值感興趣，而不是預(yù)測(cè)預(yù)期值。在識(shí)別出什么是正常的之后，我們必須努力尋找重要的異常模式，然而，異常模式可能有多種演變方式。氣溫突然升高自然會(huì)引起人們的興趣，但是，如果溫度上升很小，或者持續(xù)很長(zhǎng)一段時(shí)間，或者隨著頻率的增加而上升，會(huì)產(chǎn)生什么影響呢？識(shí)別這些基于時(shí)間的模式存在很多復(fù)雜性。

弄清楚如何處理交互：讓我們假設(shè)你已經(jīng)為你關(guān)心的每個(gè)指標(biāo)確定了適當(dāng)?shù)墓?jié)奏，以及對(duì)于每一個(gè)指標(biāo)來(lái)說(shuō)哪些模式是重要的。那么你又如何解釋任何互動(dòng)？問(wèn)題在于，影響可能會(huì)有滯后，例如，溫度可能會(huì)在壓力上升之前就開(kāi)始上升。為了確定各種傳感器讀數(shù)之間的相互作用，不僅需要進(jìn)行復(fù)雜的分析，以確定哪些指標(biāo)可能會(huì)相互作用，還要確定在什么時(shí)間范圍內(nèi)以及何時(shí)滯后。

解釋錯(cuò)誤和遺漏的讀數(shù)：傳感器并不總是可靠的，任何分析過(guò)程都必須建立制衡機(jī)制，以解決丟失的數(shù)據(jù)或出錯(cuò)的數(shù)據(jù)。你的分析流程必須包含識(shí)別可疑錯(cuò)誤或傳輸差距的邏輯，并處理這些情況。

最重要的是，隨著物聯(lián)網(wǎng)生成數(shù)據(jù)量的增加，決策者需要坐下來(lái)構(gòu)建系統(tǒng)和流程，以獲得對(duì)其業(yè)務(wù)最重要的洞察力。這需要了解什么對(duì)企業(yè)來(lái)說(shuō)很重要，以及什么是物聯(lián)網(wǎng)數(shù)據(jù)或沒(méi)有告訴我們。