隨著物聯網的演變和發(fā)展，所有可以想象到的東西（或事物）和產業(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、智能健康等等。無數被授權收集和交換數據的東西正在形成一個全新的網絡——物聯網——一個可以在云中收集數據、傳輸數據和完成用戶任務的物理對象網絡。

物聯網和大數據正在走向勝利之路。不過，要想從這一創(chuàng)新中獲益，還需要解決一些挑戰(zhàn)和問題。

?

物聯網大數據如何應用

首先，有多種方法可以從物聯網大數據中獲益：在某些情況下，通過快速分析就足夠了，而一些有價值的見解只有在經過深入的數據處理之后才能獲得。

實時監(jiān)測。通過連網設備收集的數據可以用于實時操作：測量家中或辦公室的溫度、跟蹤身體活動（計算步數、監(jiān)測運動）等；實時監(jiān)測在醫(yī)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)（用于控制生產設備）、農業(yè)（用于監(jiān)測牛和作物）和其他行業(yè)。

數據分析。在處理物聯網生成的大數據時，我們有機會超越監(jiān)測，并從這些數據中獲得有價值的見解：識別趨勢，揭示看不見的模式并找到隱藏的信息和相關性。

流程控制和優(yōu)化。來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)化流程的重要問題。

▲交通管理：跟蹤不同日期和時間的交通負荷，以制定出針對交通優(yōu)化的建議，例如，在特定時間段增加公共汽車的數量，看看是否有改觀，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狀況。

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

▲農業(yè)：根據傳感器的數據，在必要時給作物澆水。

預測性維護。通過連網設備收集的數據可以成為預測風險、主動識別潛在危險狀況的可靠來源，例如：

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

▲制造業(yè)：預測設備故障，以便在故障發(fā)生之前及時解決。

并非所有的物聯網解決方案都需要大數據。還應注意的是，并非所有的物聯網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關燈，則可以在沒有大數據的情況下執(zhí)行此操作）。（來源物聯之家）重要的是要考慮減少處理動態(tài)數據的工作量，并避免存儲將來沒有用處的大量數據。

物聯網中的大數據挑戰(zhàn)

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

▲數據可靠性。雖然大數據永遠不會100%準確，但在分析數據之前，請務必確保傳感器工作正常，并且用于分析的數據質量可靠，且不會因各種因素（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。連網設備會產生萬億字節(jié)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。更重要的是，一些數據的價值還遠遠沒有顯現出來，但將來您可能需要這些數據。如果您決定為將來存儲數據，那么面臨的挑戰(zhàn)就是以最小的成本做到這一點。

▲分析深度。一旦并非所有大數據都很重要，就會出現另一個挑戰(zhàn)：什么時候快速分析就足夠了，什么時候需要進行更深入的分析以帶來更多價值。

▲安全。毫無疑問，各個領域的連網事物可以讓我們的生活變得更加美好，但與此同時，數據安全也成一個非常重要的問題。網絡罪犯可以侵入數據中心和設備，連接到交通系統(tǒng)、發(fā)電廠、工廠，并從電信運營商那里竊取個人數據。物聯網大數據對于安全專家來說還是一個相對較新的現象，相關經驗的缺失會增加安全風險。

物聯網解決方案中的大數據處理

在物聯網系統(tǒng)中，物聯網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。我們已經制定了一些方法來處理物聯網解決方案中的大數據。

數據來自與事物相連的傳感器?！笆挛铩笨梢允侨魏挝矬w：烤箱、汽車、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。后者對于實時數據處理和迅速管理事物至關重要。

事物將數據發(fā)送到網關，以進行初始數據過濾和預處理，從而減少了傳輸到下一個物聯網系統(tǒng)中的數據量。

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

對于基本協議轉換和不同數據協議之間的通信，云網關是必需的。它還支持現場網關和中央物聯網服務器之間的數據壓縮和安全數據傳輸。

連網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“流”進入數據湖。數據保存在數據湖中，直到可以用于業(yè)務目的。清理過的結構化數據存儲在數據倉庫中。

機器學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。（來源物聯之家網）當這些模型經過專家的測試和批準后，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

物聯網產生大量數據，可用于實時監(jiān)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值的見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，始終存在一個問題：哪些數據值得存儲和處理。

盡管存在一些挑戰(zhàn)和問題，但應記住，物聯網的發(fā)展勢頭強勁，并可以幫助多個行業(yè)的企業(yè)開辟新的數字機遇。
來源；物聯網之家