我们都听过这样的预测：物联网将会凭借不计其数的物件和不计其数的资金，在 2050 年之前成为不可阻挡的趋势。然而，在Gartner预测全球联网“物”的使用量将在 2020 年达到 250 亿件的背景下，人们已经开始密切关注物联网的进步给企业带来的机遇和挑战。中国更是如此，因为ABI Research的研究显示，该国的物联网服务收入增速高于任何其他大国，将在 2020 年超过 410 亿美元。
但仅凭这些预测，您无法看到故事的全貌。要真正释放物联网的潜力，您必须克服数据挑战，这比解决“物”本身的问题更为重要。
此类挑战的最佳示例莫过于“最后一英里”数据问题，例如如何从设备或远程平台提取数据，如何通过解读数据分析来提高生产力和实现最高绩效。无论是联网住房还是工业级解决方案，在收集数据后，人们往往难以通过易于使用的方式，将数据中的信息展示出来进行探索。
为了充分实现物联网分析的潜力，您应该考虑以下五个事项：
1．真正看到数据，与数据交互
回想一下史蒂夫·乔布斯首次介绍 iPhone 时的情形。他为使用大尺寸触屏提供了一个理由：每个应用都需要自己的用户界面。类似的理由同样适用于分析。
我们提出的每一个数据问题都需要自己的图表和可视化视角；构成物联网基础的传感器数据呈现出爆炸式增长趋势，更加需要不同的图表和视角。不幸的是，多数物联网应用程序采用了一成不变的视图，或“闭端式仪表板”。除了回答一组预先确定的问题外，它们再无其他用途。
这些工具的灵活性远远不足以满足用户的需求。“可钻性”对于物联网数据的使用价值至关重要。例如，您或许能够使用一个物联网应用程序的故障引擎数据来预测今后的故障频率和类型。但是，如果您希望查看出现故障的具体部件，情况又会如何？要回答这个非常自然的后续问题，交互性和共享能力至关重要。
理想的情况是，用户与数据 — 以及其他数据探索者 — 进行随意而深入的对话，让每个人都可以发现引起变化的排列及模式。
2．组合可以提高数据品质
与这些深层问题密切相关的是物联网成功的第二个关键因素：集成。交互式数据分析可以提供答案，物联网数据与其他上下文信息的组合同样可以提供答案。
我们从一个消费者示例说起，例如通过组合 Fitbit 数据来探索健身方案与睡眠模式之间的潜在关联。
现在，想象通过混合不同数据来寻找企业级见解。喷射引擎中的嵌入式传感器有助于预测引擎何时需要维护。它可以预防故障，节省数十亿美元的资金，甚至挽救生命。与其他信息组合后，它还可以帮助我们为每个产品或区域制定更好的预算决策。
3．迭代和优化
在我们生活的世界，“完美数据”这种说法越来越显得自相矛盾。无论数据的构建方式有多么完善，这些数据很可能存储在您无法连接的数据源中，缺少关键元素，或者不具有支持深度分析的格式。这些缺点同样存在于物联网应用程序中，特别是在设备互操作性支持标准方面未达成共识的情况下。
为了避免不完整数据造成企业无法正常运转，您必须通过迭代来找出正确答案。这尤其适用于不具备大体量数据可供挖掘的公司。一些组织重点使用基于传感器的简单数据流来推动寻找简单见解的项目，并通过这些项目实现分析的早日采用。此类小规模举措的门槛较低，有助于集蓄力量，以便应对更大的挑战。
在迭代过程中，您发现“足够好”的数据通常足以定向性地回答几乎所有问题。此外，通过更好地了解数据缺口，您可以解决流程问题，改进数据的捕获和摄取方式，更加接近可以付诸行动的见解。
4．拥抱数据引力
您是否有跟踪网站点击流或测量消费者情绪？如果您在这样做，那么您就拥有外部数据，这些数据正在云端生成和存储。为什么这么说呢？降低日常开支，缩短启动时间，以及进行无限扩展。据 Constellation Research 预计，到 2020 年，60％ 的任务关键型数据都将位于公司外 － 短短三年之内，超过一半的数据会在外部生成。
这对物联网分析而言意味着什么？过去，业务数据在内部防火墙后方生成 — 因此，本地数据仓库、管理员和分析工具的存在都是合理的。现在，您的组织必须积极采用顺应数据引力的平台，在数据所在的位置执行和管理分析。只要看到云中托管的工具能够以多快的速度生成数据，您就会开始理解数据引力。
但转换为基于云的 BI 并不意味着一蹴而就。请记住，数据引力会影响分析的位置。因此，如果数据跨云端和本地存储，分析需要提供混合解决方案。云服务是根据您的业务需求提供相应支持，而不是一种非此即彼的解决方案。
5．不要考虑工具，考虑平台
物联网数据常常来源不同，并且分散在多个相关和非相关的系统中，例如 Hadoop 群集、云仓库和 NoSQL 数据库。因此，如果您认为自己可以凭借一款一成不变的物联网工具就能完成从数据到见解的整个过程，请摒弃这种想法。
要实现理想的分析效果，您需要可靠的数据准备和扩充方法、可扩展的存储、为管控提供支持的目录，最后还需要为最终用户提供有助于发现见解的直观分析平台。现代组织将最佳解决方案组合成一个敏捷的堆栈，以便根据需求的变化对其进行调整。这些需求取决于多种因素，包括用户角色、数量、访问频率、数据速度等。此堆栈采用适合该用例的架构，并构成您的数据策略基础。其灵活性最终将驱动技术选择。
总结：
那么，对于正准备实施物联网分析计划的分析领导人或首席信息官而言，最重要的结论是什么？定义平台愿景。这种思维方式最初可能让人觉得难以招架，但请记住，您可以根据自己的需要扩展堆栈：构建堆栈模块，以集腋成裘的方式逐步实现您的计划。许多决定和行动都可以撤销，您可以在掌握更多信息后修正自己的做法。您很快就可以在平台分析中看到可测量的效果。
