互聯(lián)網數據分析大家都討論的太多了，但是對物聯(lián)網數據分析而言，卻講的太少。本文筆者將從對物聯(lián)網數據進行分類出發(fā)，講述：如何進行物聯(lián)網數據分析？

?

在網上查了查，關于互聯(lián)網數據、業(yè)務數據分析的文章比較多，但是關于物聯(lián)網數據分析的文章幾乎找不到，于是萌發(fā)了寫一篇專門講解物聯(lián)網數據分析的文章，作為自己工作經驗及方法論的復盤，同時也期望能夠對各位童鞋有所啟發(fā)。

一、引言

《深度剖析物聯(lián)網服務結構如何構建》的朋友應該比較清楚的知道：物聯(lián)網服務究竟是如何運轉的？包含哪些要素？每個部分起什么作用？如何運轉？有哪些關鍵技術或者技能？

從傳感器->設備->網關->服務器，整個路徑能夠很好地實現(xiàn)將數據采集到物聯(lián)網平臺，但是為什么要對這些數據做分析，如何應用這些數據，如何做好數據分析呢？

1. 什么是物聯(lián)網數據

基于我們對于物聯(lián)網服務構建的基礎我們可以知道，物聯(lián)網數據數據主要是指傳感器和設備發(fā)過來的數據。這些數據一部分是對現(xiàn)實環(huán)境參數的采集值，一部分是設備的一些常規(guī)信息值，比如：狀態(tài)、故障信息、錯誤代碼、運行情況等。

物聯(lián)網數據在任何情況下都會產生數據，無需人為參與就不會不斷涌現(xiàn)出新的數據，其數據量遠遠大于傳統(tǒng)業(yè)務系統(tǒng)的業(yè)務數據。

如果單純的按照數據變化來對物聯(lián)網數據進行分類，我們可以分為：靜態(tài)數據和動態(tài)數據。

1）靜態(tài)數據

指傳感器或者設備的一些屬性性質的數據，不增加新設備的情況下，不伴隨時間的變化而變化，也不會隨著時間的增長而增長。代表性的數據是設備ID、設備地址等，這種數據采用結構型、關系型數據庫存儲。

2）動態(tài)數據

指隨著時間周期會發(fā)生變化的數據，每個數據都與時間值有對應關系，數據采用時序方式進行存儲，數據量非常大，并且采集越頻繁數據量越大。

其不僅僅會隨著設備數量增加而增加，還會隨著時間增加而增加。這樣的數據通常情況下，我們會按照一定的時間進行刪除，否則數據量會過大。根據一些行業(yè)的要求，通常情況下保存的年限設置在3~5年，具體的沒有明確要求，關鍵是看自己所處行業(yè)的要求進行自行設定。

2. 為什么要做物聯(lián)網數據分析

如果物聯(lián)網只是負責采集一堆傳感器和設備發(fā)過來的數據，那就只不過是一堆龐大的數據聚集在一起，產生不了實際的價值意義。

然而，在實際實踐中我們可以發(fā)現(xiàn)，物聯(lián)網數據非常有意思，經過分析我們可以利用傳感器或者設備數據，清楚的知道設備的運行情況以及現(xiàn)實環(huán)境運營的趨勢，幫助作出預判和提前作出響應。

比如：利用物聯(lián)網的數據可以有效預判機械的故障，減少因為設備故障而帶來的工作耽誤。根據設備上傳的設備狀態(tài)信息值的變化，以及特定傳感器采集的參數，就可以監(jiān)測預判發(fā)生故障的概率，同時提前做出響應。這樣就能夠把一個物聯(lián)網服務從一個單純的數據采集，上升到一個能夠不斷創(chuàng)造附加值的服務層面。

同時，基于采集的數據的分析的運營，還可以重新構建企業(yè)新的運營模式，部分內容可以參照我的另外一篇文章《物聯(lián)網技術如何助力企業(yè)轉型升級》的相關闡述，整體來說物聯(lián)網數據分析在新形式下的應用將會極大助力企業(yè)轉型升級。

3. 物聯(lián)網數據能做哪些方面的應用

物聯(lián)網數據能夠幫助我們做哪些方面的應用呢，總結下來可能主要有以下幾個：

監(jiān)控：將物聯(lián)網數據直接可視化展示，就可以實現(xiàn)設備的狀態(tài)監(jiān)控，及時知道什么發(fā)生了什么。

反控：當監(jiān)測到異常數據需要干預時，可以直接通知對應的管理員，遠程操控設備實現(xiàn)反控，提高操作效率，避免直接到設備現(xiàn)場。

報表統(tǒng)計：基于物聯(lián)網數據，我們可以根據實際的需求，對相關的歷史數據做報表統(tǒng)計分析，按照不同的維度以圖表或者圖形的形式呈現(xiàn)給不同類型的用戶，幫助他們快速直觀知道設備的運行情況。

預測/預判：基于數據分析模型，可以對一些事件做預判，提前獲取概率性，以便及時作出響應，避免造成更大的損失，或者直接獲取其他收益。

人工智能：當數據及經驗積累到一定程度，系統(tǒng)可以自動針對事件數據分析后，作出正確的響應，無需人工干預。

基于此呢，我們基本上算是給大家說了一個基礎的鋪墊了。那么接下來，我們就要本次分享的重點了，我們來看：如何進行物聯(lián)網數據分析，有哪些方法論，具體怎么實操呢？

二、數據分析準備工作

如果把數據分析比作炒菜，那么我們首先得準備一些原材料，那么對于數據分析，我們應該做哪些準備工作呢？

1. 數據采集

數據采集顧名思義就是采集我們需要用來做分析的數據，同時將這些數據以特定格式保存下來。通常情況下，數據分析會基于歷史累計下來的數據，如果數量大，可以使用一些大數據工具進行處理，比如常用的Hadoop等。

數據采集的方式及過程，我們就不多說了，直接參照之前的文章，基本上就可以知道數據采集的流程及處理的過程。

2. 數據積累

數據積累就是將有用的數據保存下來，方便管理和提取。數據積累會用到數據庫，這個在我們上一篇文章也有體積，不僅僅是結構化數據的關系型數據庫，還有鍵值存儲數據庫等。

3. 數據預處理

數據預處理就是對數據進行加工，剔除沒有用的或者異常的數據，提取有用的部分的信息，對數值進行處理等等。對數據進行必要的處理，形成匯集分析用的數據集，就是數據預處理的目的。

三、數據分析方法

基于數據應用的用途考慮，我們將數據分析方法姑且分為統(tǒng)計分析法和機器學習法。

其中統(tǒng)計分析法主要是依靠分析師手工進行分析，基于一定的目的提取數據，并進以各種形式進行展示。機器學習法呢，就是說的比較多的人工智能，主要依據對以往數據的學習，來推斷未知的數據或者狀態(tài)。

1. 統(tǒng)計分析法

統(tǒng)計分析其實還真沒太多的需要說的，就是基于統(tǒng)計結果做呈現(xiàn)，用各種形式表示出來，達到直觀呈現(xiàn)的目的。

如果按照步驟來講，那么主要是以下幾個步驟：

step1：決定你的信息

根據你手里面的數據，明確你想要的表達的具體信息是什么；

step2：確定相對關系

你確定的信息在一定程度上講主要包括5種基本類別中的一種，成分、項目、時間順序、頻率分析及相關性；

step3：選擇圖表形式

每一種相對關系都可以引導出相對應的圖表形式，常見的圖表形式包含：餅圖、條形圖、柱形圖、折線圖、散點圖，當然不是特別完整哈，我們只是列舉。

下面我們來舉一個例子，說明一下具體的使用：

比如家里面的智能燃氣表采集了用氣的數據，那么我們就可以用圖形表示一定時間內用氣量的變化，從而直觀的掌握用氣數據的變化趨勢。

2. 機器學習法

機器學習主要是指：基于大量數據來學習數據的傾向，從而做出某些判斷并執(zhí)行對應的“動作”。

機器學習和數據挖掘是同根同生，二者都是基于數據進行某些推測和判斷。統(tǒng)計分析法是是對采集數據進行呈現(xiàn)，數據被視為無機的數值，屬于表層的數據分析。機器學習分析法主要是從數據中提取更復雜的傾向、規(guī)則、結構等信息，采用數學公式和規(guī)律模型來表現(xiàn)傾向。

說機器學習法之前，我們首先來說一下數據學習的類型，我們分為“規(guī)則學習”和“非規(guī)則學習”兩個類別。

規(guī)則學習主要是指數據的答案是明確的，機器只需要將新的數據與正確答案進行比較即可做出判斷。非規(guī)則學習則沒有既定的正確的答案，需要根據數據的整體傾向然后找出異常值。

舉個例子：我們將某一設備的故障值范圍設定為12~28，直接基于這個范圍就叫規(guī)則學習。而如果沒有范圍，那么就需要采用一定的算法讓機器區(qū)分數據傾向，并且正確調出異常值了。

下面我們直接舉幾個例子，透過例子來理解應該來講是更加直接的：

命題一：通過傳感器采集到的數據，判斷機器故障的原因。

對于這類問題，需要先定義清楚數據時非故障機器的還是故障機器的，然后再通過對比數據差異化找出因果關系最后形成判斷依據，讓機器具備判斷能力。

命題二：通過各種因素因素來預測交通量。

說到預測分析，那么對于交通量的預測無疑是比較有意思的，通過傳感器在一定的持續(xù)時間范圍內對某條道路的交通量進行采集。

然后，再通過星期數、天氣、時間段等因素的綜合分析計算，那么就可以形成一套計算方法，并且在某一段時間內運用計算值與實際值進行對比，不斷修正算法，就能夠較為精準的預算某一天的交流通量，比如：交通量=a*星期數+b*天氣情況+c+……

四、總結

關于物聯(lián)網數據分析其實是與互聯(lián)網數據分析有些相似的基礎知識的，所以我們沒講那么多。

分析是基礎，對于數據的應用的才是關鍵。具體對數據咋個應用，需要對行業(yè)和客戶有較為深刻的理解，那么就需要我們產品經理戶或者數據分析師對行業(yè)及業(yè)務非常的了解，然后再根據物聯(lián)網數據特性制定相關方案，解決實際的問題。