圍繞物聯(lián)網(wǎng)（IoT）的熱議此起彼伏。物聯(lián)網(wǎng)設備并不局限于智能手表和語音助理等流行的消費電子產(chǎn)品。它們還包括非常復雜的設備，如微小的生物醫(yī)學植入物或大規(guī)模的水管理系統(tǒng)。

物聯(lián)網(wǎng)設備會生成大量數(shù)據(jù)。為了真正利用物聯(lián)網(wǎng)設備，企業(yè)需要將來自各種設備和傳感器的物聯(lián)網(wǎng)數(shù)據(jù)與來自不同來源的數(shù)據(jù)結合起來，這些數(shù)據(jù)可能攜帶有關業(yè)務的有意義數(shù)據(jù)。這些數(shù)據(jù)包括結構化和非結構化數(shù)據(jù)，范圍從PDF、電子表格和文檔到JSON數(shù)據(jù)集、XML文件，點擊流數(shù)據(jù)，甚至圖像和視頻。

由于技術限制，許多這些數(shù)據(jù)源仍未被開發(fā)。總的來說，它們被標記為“黑暗數(shù)據(jù)”的標簽。然而，他們可以使用正確的物聯(lián)網(wǎng)數(shù)據(jù)分析解決方案加以闡明。

從物聯(lián)網(wǎng)數(shù)據(jù)中獲取最大價值

物聯(lián)網(wǎng)設備生成的數(shù)據(jù)并不總是可供普通商業(yè)智能（BI）工具使用。他們也沒有準備好運行物聯(lián)網(wǎng)預測分析。這是因為半結構化或非結構化數(shù)據(jù)不能輕易地與來自其他企業(yè)數(shù)據(jù)源的數(shù)據(jù)結合，以提供洞察力。

以下是處理物聯(lián)網(wǎng)分析數(shù)據(jù)并從中獲取商業(yè)價值的步驟：

攝取：在此初始步驟中，將接收和處理來自IoT設備的數(shù)據(jù)流。還可以生成實時通知。最后，數(shù)據(jù)以原始格式保存在集中式存儲庫中，如數(shù)據(jù)湖。

準備：將物聯(lián)網(wǎng)數(shù)據(jù)與其他來源的數(shù)據(jù)合并到數(shù)據(jù)湖中，然后進行編目，以便更好地理解和可視化。然后對數(shù)據(jù)進行清理，并應用轉換使其可用來支持探索性數(shù)據(jù)分析。

然后，可以通過“提取，轉換，加載”（ETL）處理將部分數(shù)據(jù)推送到企業(yè)數(shù)據(jù)倉庫。在此階段結束時，可以使數(shù)據(jù)可用于支持固定查詢和即席查詢。

發(fā)現(xiàn)：來自數(shù)據(jù)湖或數(shù)據(jù)倉庫的已處理數(shù)據(jù)可以提供給BI工具，以創(chuàng)建交互式儀表板。這些交互式儀表板以及自助報告有助于將數(shù)據(jù)轉化為人類可讀的洞察力。這使決策者能夠看到全局和細粒度的細節(jié)，從而做出更明智的決策。

預測：業(yè)務用戶不再停留在發(fā)現(xiàn)階段。通過各種機器學習技術預測未來結果是當前的常態(tài)。隨著可用數(shù)據(jù)池的不斷增長，物聯(lián)網(wǎng)預測分析可以使用縱向數(shù)據(jù)來識別趨勢并預測未來情景。

物聯(lián)網(wǎng)分析在行動：醫(yī)療保健分析

讓我們考慮以醫(yī)療保健為例的物聯(lián)網(wǎng)分析平臺的潛力。

在這個假設情景中，我們看到用戶的生物醫(yī)學信息由專門的心臟監(jiān)測物聯(lián)網(wǎng)設備收集。心率，血壓，血氧飽和度和活動水平等數(shù)據(jù)實時傳輸?shù)结t(yī)療保健分析平臺。此外，來自第三方（如保險公司和醫(yī)生辦公室）的數(shù)據(jù)可以通過電子方式以各種格式提供。

您的解決方案需要能夠提取所有可用的患者數(shù)據(jù)并將其與永久性（例如用戶的年齡）以及歷史數(shù)據(jù)（例如心率和血壓的變化）合并。然后，醫(yī)療保健專業(yè)人員可以將此合成數(shù)據(jù)視為易于理解的圖形或圖表。

通過使用物聯(lián)網(wǎng)預測分析，該平臺甚至可以提醒醫(yī)療保健專業(yè)人員即將發(fā)生醫(yī)療緊急情況。這就是物聯(lián)網(wǎng)分析最終拯救生命的方式。