得益于不斷問世的低成本傳感器、無處不在的連接以及我們快速增長的數據量，物聯網很可能重塑我們熟知的世界。技術研究和咨詢公司高德納 （Gartner， Inc.） 認為，到 2020 年，聯網設備的數量將接近 260 億。從可穿戴設備到家庭自動化，我們既看到巨大的潛力，也面臨著艱巨的挑戰。讓物聯網為大眾服務更大程度上是數據挑戰，而非設備連接問題。我們需要首先從設備提取出數據，然后弄清楚這些數據都意味著什么。

　　目前，市場一直專注于讓智能裝置聯網。在幫助人們使用這些裝置和機器收集的各種數據方面，我們并沒有看到多少創新。因此，許多物聯網解決方案都存在“最后一英里”問題。換句話說，這些解決方案可以收集數據，但卻不能幫助人們查看和理解自己挖掘的數據。不能使用的數據有什么價值？ 并且如果您不能使用它，又何苦去收集它？

　　那我們如何讀取、解釋和理解這種從智能家庭電器、可穿戴設備或 GE Predix 平臺之類的工業級解決方案收集的物聯網數據呢？ 我們必須消除四個前進障礙：

　　1.迭代和快速行動

　　在我們生活的世界，“完美數據”這種說法越來越顯得自相矛盾。不管數據是怎樣編譯的，您都可能無法連接到用于存儲它們的源。數據還可能在某些關鍵方面并不完整，或者數據格式不利于進行深入分析。這些缺點在物聯網應用程序中越來越普遍，因為人們尚未針對用于支持設備互操作性的標準和協議達成一致。

　　我們不能讓自己的業務因為不良數據或殘缺數據而陷入癱瘓，我們必須利用已有的資源，以迭代的方式尋找正確答案。在迭代過程中，我們學會將“合格”的數據與真正糟糕的數據分開。合格的數據通常足以定向性地回答幾乎所有問題。此外，通過更好地了解數據缺口，我們可以獲得更好的數據。這將有助于解決流程問題，進而改善數據的捕獲和攝取方式。

　　您擁有的合格數據會持續進化和不斷接受分析，從而創造價值，為良好數據提供進一步的動力和需求。人們開始看到價值，愿意通過投資讓自己的數據變得準確可靠。此類“啟動和學習”周期始于 Agile 方法，多家公司已在軟件開發領域對這種方法進行了打磨和完善。我們相信，其應用領域同樣應該包括物聯網數據分析。畢竟，技術采用速度是首席執行官們最為關注的事情。

　　Boston Consulting Group 在 2015 年對來自頂尖創新公司的一千五百名 CXO 所做的調查明白無誤地表明了這一點。BCG 高級合伙人及報告共同作者 Andrew Taylor 說，在此項調查以及與高管進行的后續訪談中，“不斷出現的詞是速度”。該研究發現，CXO 們希望對傳統創新流程進行提速，以便快速開發產品和嘗試想法。

　　要讓組織獲得速度，您需要快速靈活、易于部署的分析平臺。這種平臺應該能夠讓您測試不同的方法，并在分析過程中找出自己數據的缺點。應該不需要大量開發，以免您還一點見解都沒能從中汲取，就心灰意冷地放棄了。

　　行業領先的供應鏈解決方案公司 Flex（又名 Flextronics）面臨著類似的挑戰。Flex正在不斷加大力度，將自己從 PC、路由器和基礎電子器件的低利潤代工廠商搖身一變，成為推動物聯網并為物聯網服務的器件、傳感器和工業設備的制造商。為了提高利潤，Flex 需要通過更好地理解自己的物聯網績效數據，由此來降低成本和優化制造過程。還需要通過更快的維修和翻新，為客戶提供無與倫比的價值。同時，Flex需要快速行動，以此避免受到亞洲大規模制造商的擠壓，并在更為迅捷的初創企業中保持領先地位。

　　然而，由于其數據被鎖定在“Excel 地獄”中或被復雜的企業商業智能平臺隱藏在重重大門之后，Flex 曾經舉步維艱。而現在，Flex 行動迅速，因為它已經過渡到了一個按需自助分析框架。這種自動化、標準化和可重復的報告框架可以削減數小時的無效時間并降低成本。團隊可以放心地專注于為客戶服務。用 Flex 高級分析主管Joel Woods 的話來說，公司經歷了從“測量績效到最大限度提升績效”的過程。

　　2.通過交互實現更深層次的探索

　　我們都記得 2007 Apple WWDC 上，史蒂夫?喬布斯通過一段具有轟動效應的主旨演講向全世界介紹 iPhone。在即將揭曉重磅產品前，喬布斯強調了革命性的新型“巨型屏幕”設計與現有按鍵手機技術之間的反差。這是一個巨大的進步，而他用以支持這項創新的理由非常簡單： 每個應用程序都需要自己的屏幕，自己的 UX（用戶體驗）。用他的話說，按鍵的失敗之處“在于按鍵和控件無法改變”。它們無法為每個應用程序改變；如果以后您有另一個很好的想法并希望將其添加到這個產品，它們仍然無法改變。”

　　這個理由在數據領域同樣適用。我們人類天生好奇。一個問題的答案常常引出更多問題。我們看到的越多，學到的也就越多。正因為這樣，您需要通過一款靈活的工具來根據自己不斷發展的需求，以不同的方式對自己的數據進行雕刻和塑形。

　　不幸的是，多數物聯網應用程序采用了一成不變的視圖，或閉端式儀表板。它們只能回答預先設定的一套問題，用戶無法得到更多幫助。例如，一個物聯網應用程序可能會分析一個已損壞引擎的歷史活動數據，進而預測引發故障的條件以及故障的出現頻率。但如果我們想要向下鉆取，分析最容易出現故障的部件又會怎樣呢？ 我們可能想了解哪些工廠在何時制造了這些部件，或者哪些供應商出現的問題最多。這樣又會如何？ 我們有無法滿足的好奇心，如果我們無法超越最初設定的問題，積極性必然受到打擊。

　　在很少的情況下，我們可以提出后續問題；然而，我們很可能需要遷移自己的數據或者為調整報告而陷入很長的開發周期。由于問題本身涉及對未知事物的探索，我們可能很難為大型 IT 項目的成本找到充足的理由。但如果不去探索，我們也不會知道自己本來可以了解哪些信息，或者錯過了哪些機會。

　　那在不提供大型 IT 項目資金的情況下，我們如何從物聯網數據獲得見解和深度呢？答案就在于交互性。如果可以和數據交互，您就可以和自己的數據談話。您可以探索各種排列方式，甚至可以發現意外的模式。

　　Mac Bryla 在探索澳大利亞記者 Will Ockenden 的元數據時有一些驚人的發現。在探索精神的驅使下，Will 獲取并向公眾發布了自己的數據，而 Mac 在區區 10 分鐘內發現的東西卻讓他十分驚奇！ 以下可視化展示了 Mac 如何抽絲剝繭，層層遞進。通過這個神奇的案例，我們可以看到，如果用戶能夠提出和回答他們自己的問題，我們可以做多么了不起的事情。這與在討論成型之前，就對其進行限制的靜態閉端式視圖有天壤之別。

　　3.通過數據融合拓寬分析范圍

　　互連設備以我們在幾年前無法想象的方式改變了日常生活。在它們的數據中深藏著尚未有人講述的故事。要探索這些故事，我們需要將物聯網數據與更多的背景結合。Tableau 產品顧問 Kaj Peltonen 想要通過探索自己的 Fitbit 數據，尋找自己的健身方案與睡眠模式之間的可能聯系。Fitbit 的自帶儀表板僅能讓他孤立地分析自己的健身數據。但他想在更廣闊的背景中查看自己的 FitBit 數據。他想知道：

　　? 白天的體力活動如何影響自己的睡眠模式？

　　? 充足的睡眠是否會提升自己的表現？

　　幸運的是，Fitbit 允許您導出自己體力活動以及食物攝取、身體測量指標和睡眠模式的跟蹤數據。（導出并不是理想的方式，但有時這是拓寬分析范圍的唯一途徑。）Kaj 很快就在 Tableau 中對這些數據進行了混合，并將自己的睡眠模式與日常健身方案相匹配。Kaj 了解到，一天的忙碌過后往往會有一夜的好睡眠（特別是星期一晚上）。

　　想象一下在商業環境中應用這種數據融合和自由探索的分析技術。噴射引擎中的嵌入式傳感器可以幫助我們預測引擎何時需要維護。幫助我們防止故障，節省數十億美元。但如果我們想要將這些節省的經費與各產品和各地區的預算進行對比，結果又會怎樣？ 這可能會是一種很好的方法，能讓我們的物聯網投資與自己業務中的最大需求和機遇相符。

　　或者想象一家希望考察智能電網的公共事業公司。想象一下，電網的各個點都與互聯網連接，從而讓這家公共事業公司可以監控故障，防止停電。如果這家公司想要將資產性能和可靠性數據與負載需求數據相結合，以便進行容量規劃又會如何呢？

　　如果這樣，政府將可以實現能源的多樣化，在常規能源的基礎上添加可再生能源，從而順暢地管理智能化和可持續的城市。對離散數據源進行即時混合的能力有助于回答這些問題。

　　新西蘭公共事業公司 MainPower 就是這樣一個例子。該公司分析了來源各不相同的多種數據（多數從地理信息系統提取），將所有資產映射到坐標上。通過融合數據，MainPower 可以找出數據收集不足或質量不佳的地方。數據現在顯示在地圖上，MainPower 因此能夠找出有問題的區域并通過調整其工作流程，優先處理最緊迫的工作。這家公用事業公司突然找到了充分利用現有數據的方法。它可以看到如何將特定地理區域的不同工作組合起來，達到最高效率。這些新見解既節省時間，又節約資金。

　　4. 促進共享和協作

　　最后一點同樣很重要，那就是我們必須能夠以有意義的方式與他人輕松共享我們的物聯網數據和見解。既然我們經歷了數據收集和分析的艱辛過程，我們想要最大限度發揮數據的作用。人們很忙，缺少有效傳遞信息所需的時間。應該有工具為我們提供這方面的幫助。

　　交互性可以進一步放大分享的能量。例如，觀看一個中型企業的運營經理如何能夠迅速對會議室傳感器數據（存儲在 Datastax 倉庫，利用 Apache Cassandra 數據庫）進行深入研究，從而更好地了解辦公樓的能源使用模式。他可以反復探索自己想問的問題和自己在深入研究的過程中遇到的問題。那就是交互性的美妙之處。

　　更重要的是，一旦他分享了交互畫布，其他人就能找到更多有待提出的問題，探索新矢量。他們有自己的“頓悟”時刻。當他們討論這些發現并找到共同線索時，團隊的集體智慧會得到擴展，更多的未知因素會被發現，從而延續這種循環。

　　共享還可以幫助我們更多地從戰略角度出發來發現問題。在啟用物聯網功能的制造車間，這可能意味著更積極地了解出現缺陷的原因、地點和工作環節，而不是單純地為反復進行的返工、移除和缺陷修復花錢，天真地希望情況會得到改善。不久之后您就會發現，組織中的每個人都在積極參與以數據信息為基礎的決策過程。他們發揮團隊優勢，以個人無法做到的方式減少浪費，改進流程。他們推動著變革。

　　當物聯網數據開始為決策提供幫助，人們的需求從傳遞信號的新奇器件過渡到了能夠徹底轉變組織的功能載體。這就是我們填補“最后一英里”缺口的方法。這還只是冰山一角。只要我們能譯解設備欲言之物，那設備指示燈亮起之際，就是興味盎然之時。一旦我們看到和理解物聯網數據，我們將能夠為自己的幸福、自己的職業績效和我們共同分享的世界做出更明智的決策。