物聯(lián)網(wǎng)的相關(guān)機(jī)會(huì)豐富起來，一般而言，這些機(jī)會(huì)已經(jīng)可以用于實(shí)踐了。

懷著同樣的心情，我們?yōu)?017年分享五種物聯(lián)網(wǎng)解決方案，這是讓你的企業(yè)步入物聯(lián)網(wǎng)成功道路的起點(diǎn)。

1．捕獲新的數(shù)據(jù)源

每天，公司從與客戶和供應(yīng)商的互動(dòng)中捕獲數(shù)據(jù)，還能獲得基于經(jīng)濟(jì)、天氣、社交媒體等的第三方數(shù)據(jù)。下面講述如何獲取這些數(shù)據(jù)：

找到一條全新的數(shù)據(jù)流

為你的企業(yè)設(shè)置相關(guān)計(jì)劃，找到一個(gè)新的數(shù)據(jù)源。比如，一些工業(yè)設(shè)備可能已經(jīng)有能力輸出信息，但是現(xiàn)在信息可能還沒有被捕獲到?；蛘呖捎玫墓矓?shù)據(jù)可以容易地集成并與當(dāng)前信息相關(guān)聯(lián)。

結(jié)構(gòu)化現(xiàn)有的數(shù)據(jù)流

你可能有一個(gè)現(xiàn)存的非結(jié)構(gòu)化數(shù)據(jù)源，但當(dāng)前的形式不是特別好用。那么充分結(jié)構(gòu)化當(dāng)前的這份數(shù)據(jù)以使它易被企業(yè)其他人訪問，從而帶來新的視野。

容易的機(jī)會(huì)

觀察流行的消息隊(duì)列，諸如ApacheKafka，從而為消息流建立交通樞紐。

通過查看哪些信息可從現(xiàn)有工業(yè)設(shè)備中捕獲，來深入鉆研工業(yè)物聯(lián)網(wǎng)。

2．審視一項(xiàng)新應(yīng)用

頭腦風(fēng)暴出一項(xiàng)新應(yīng)用，能交付出新的客戶利益或者操作效率。選擇包括：

一項(xiàng)新的移動(dòng)應(yīng)用。

一項(xiàng)用戶體驗(yàn)推進(jìn)，通過投遞更加精準(zhǔn)和相關(guān)的信息實(shí)現(xiàn)。

針對(duì)客戶和互聯(lián)網(wǎng)商業(yè)的省時(shí)工具。

當(dāng)開展計(jì)劃并實(shí)施時(shí)，問問你自己：

什么樣的數(shù)據(jù)源組合能提供最大價(jià)值？

這項(xiàng)應(yīng)用能受益于實(shí)時(shí)數(shù)據(jù)嗎？

我可以移動(dòng)到一個(gè)推模型，而不是一個(gè)拉模型的應(yīng)用程序交互性？

3．建立一個(gè)物聯(lián)網(wǎng)分析應(yīng)用

基于對(duì)現(xiàn)有或新數(shù)據(jù)的最新觀察的分析幫助業(yè)務(wù)向前推動(dòng)?？紤]將現(xiàn)有的機(jī)器學(xué)習(xí)模型應(yīng)用到現(xiàn)存工作流上，或者將模型應(yīng)用于新的即將到來的物聯(lián)網(wǎng)生成的數(shù)據(jù)流上。

比如，許多機(jī)器學(xué)習(xí)模型或者在較早的談話統(tǒng)計(jì)模型中，可以用預(yù)測模型標(biāo)記語言或PMML來輸出。

具體來說，諸如SAS導(dǎo)出模型到PMML的工具可以直接集成到實(shí)時(shí)管道中。像ApacheSpark這樣的現(xiàn)代轉(zhuǎn)換層和像MemSQL這樣的分布式數(shù)據(jù)庫可以本地托管這些模型，從而可以實(shí)時(shí)記錄傳入的數(shù)據(jù)。

架構(gòu)師可以擴(kuò)展當(dāng)前流行的函數(shù)庫(例如MLlib和TensorFlow)，以使用這些工具創(chuàng)建預(yù)測分析應(yīng)用程序。

4．確保正確的基礎(chǔ)數(shù)據(jù)架構(gòu)

成功的IoT部署需要從邊緣數(shù)據(jù)收集一直到數(shù)據(jù)中心。像OSISoftware提供了一款收集工具，可以幫助你將數(shù)據(jù)輸入你的管道。

一旦進(jìn)入數(shù)據(jù)中心，一個(gè)共同的架構(gòu)涉及到集成以下層。

消息隊(duì)列

在消息層，ApacheKafka和AWSKinesis是聚集數(shù)據(jù)流的常用選項(xiàng)，連接信息的產(chǎn)生者和消費(fèi)者。

轉(zhuǎn)化

大多數(shù)數(shù)據(jù)管道需要將數(shù)據(jù)從捕獲時(shí)的狀態(tài)修改為其長期持久性狀態(tài)。轉(zhuǎn)換分片模式，以便數(shù)據(jù)可以在轉(zhuǎn)換層進(jìn)行正確分類。

數(shù)據(jù)持久性

最準(zhǔn)確的預(yù)測分析模型涉及實(shí)時(shí)和歷史數(shù)據(jù)，因此能夠持久保留數(shù)據(jù)，包括隨時(shí)的記錄，設(shè)置適當(dāng)?shù)纳舷挛摹?/p>

實(shí)時(shí)儀表盤

對(duì)于快速可視化當(dāng)前數(shù)據(jù)沒有什么比實(shí)時(shí)儀表板更能讓人驚喜的了。受歡迎的商業(yè)智能儀表板(如Tableau、Zoomdata或Looker)以及使用D3.js等框架的自定義儀表板，均能允許公司提供對(duì)新數(shù)據(jù)的廣泛訪問。

5．為企業(yè)設(shè)置物聯(lián)網(wǎng)成功的模型

毫無疑問，數(shù)據(jù)在當(dāng)今的商業(yè)環(huán)境中扮演著更重要的角色，每個(gè)人都在爭相“轉(zhuǎn)型”。新的CxO角色，如首席數(shù)據(jù)官和首席分析官，使得這一切變得更加明顯。

去年年底，Gartner估測25%的大型跨國企業(yè)已經(jīng)雇傭了一個(gè)首席數(shù)據(jù)官。到2019年，Gartner預(yù)期此數(shù)據(jù)會(huì)達(dá)到90%。

此外，Gartner看到了高級(jí)分析的興起：

到2018年，Gartner預(yù)測，超過一半的大型組織將使用先進(jìn)的分析和專有算法進(jìn)行競爭，破壞整個(gè)行業(yè)。這反過來又受到激增的設(shè)備、連接的“事物”、連接性和計(jì)算能力所驅(qū)使，所有這些都創(chuàng)造了更多的機(jī)會(huì)來收集數(shù)據(jù)，分析數(shù)據(jù)，并可能實(shí)現(xiàn)貨幣化。

從來沒有比現(xiàn)在更好的時(shí)機(jī)來開啟你的物聯(lián)網(wǎng)架構(gòu)規(guī)劃。

更多資訊請(qǐng)關(guān)注工業(yè)以太網(wǎng)頻道