2017年最有潛力的五大物聯(lián)網(wǎng)架構解決方案都是啥？

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

懷著(zhù)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．捕獲新的數據源

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

找到一條全新的數據流

為你的企業(yè)設置相關(guān)計劃，找到一個(gè)新的數據源。比如，一些工業(yè)設備可能已經(jīng)有能力輸出信息，但是現在信息可能還沒(méi)有被捕獲到?；蛘呖捎玫墓矓祿梢匀菀椎丶刹⑴c當前信息相關(guān)聯(lián)。

結構化現有的數據流

你可能有一個(gè)現存的非結構化數據源，但當前的形式不是特別好用。那么充分結構化當前的這份數據以使它易被企業(yè)其他人訪(fǎng)問(wèn)，從而帶來(lái)新的視野。

容易的機會(huì )

觀(guān)察流行的消息隊列，諸如Apache Kafka，從而為消息流建立交通樞紐。

通過(guò)查看哪些信息可從現有工業(yè)設備中捕獲，來(lái)深入鉆研工業(yè)物聯(lián)網(wǎng)。

2．審視一項新應用

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

一項新的移動(dòng)應用.

一項用戶(hù)體驗推進(jìn)，通過(guò)投遞更加精準和相關(guān)的信息實(shí)現。

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

當開(kāi)展計劃并實(shí)施時(shí)，問(wèn)問(wèn)你自己：

什么樣的數據源組合能提供最大價(jià)值？

這項應用能受益于實(shí)時(shí)數據嗎？

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

3．建立一個(gè)物聯(lián)網(wǎng)分析應用

基于對現有或新數據的最新觀(guān)察的分析幫助業(yè)務(wù)向前推動(dòng)?？紤]將現有的機器學(xué)習模型應用到現存工作流上，或者將模型應用于新的即將到來(lái)的物聯(lián)網(wǎng)生成的數據流上。

比如，許多機器學(xué)習模型或者在較早的談話(huà)統計模型中，可以用預測模型標記語(yǔ)言或PMML來(lái)輸出。

具體來(lái)說(shuō)，諸如SAS導出模型到PMML的工具可以直接集成到實(shí)時(shí)管道中。像Apache Spark這樣的現代轉換層和像MemSQL這樣的分布式數據庫可以本地托管這些模型，從而可以實(shí)時(shí)記錄傳入的數據。

架構師可以擴展當前流行的函數庫（例如MLlib和TensorFlow），以使用這些工具創(chuàng )建預測分析應用程序。

4．確保正確的基礎數據架構

成功的IoT部署需要從邊緣數據收集一直到數據中心。像OSI Software提供了一款收集工具，可以幫助你將數據輸入你的管道。

一旦進(jìn)入數據中心，一個(gè)共同的架構涉及到集成以下層。

消息隊列

在消息層，Apache Kafka和AWS Kinesis是聚集數據流的常用選項，連接信息的產(chǎn)生者和消費者。

轉化

大多數數據管道需要將數據從捕獲時(shí)的狀態(tài)修改為其長(cháng)期持久性狀態(tài)。轉換分片模式，以便數據可以在轉換層進(jìn)行正確分類(lèi)。

數據持久性

最準確的預測分析模型涉及實(shí)時(shí)和歷史數據，因此能夠持久保留數據，包括隨時(shí)的記錄，設置適當的上下文。

實(shí)時(shí)儀表盤(pán)

對于快速可視化當前數據沒(méi)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新數據的廣泛訪(fǎng)問(wèn)。

5．為企業(yè)設置物聯(lián)網(wǎng)成功的模型

毫無(wú)疑問(wèn)，數據在當今的商業(yè)環(huán)境中扮演著(zhù)更重要的角色，每個(gè)人都在爭相“轉型”。新的CxO角色，如首席數據官和首席分析官，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)首席數據官。到2019年，Gartner預期此數據會(huì )達到90％。

此外，Gartner看到了高級分析的興起：

到2018年，Gartner預測，超過(guò)一半的大型組織將使用先進(jìn)的分析和專(zhuān)有算法進(jìn)行競爭，破壞整個(gè)行業(yè)。這反過(guò)來(lái)又受到激增的設備、連接的“事物”、連接性和計算能力所驅使，所有這些都創(chuàng )造了更多的機會(huì )來(lái)收集數據，分析數據，并可能實(shí)現貨幣化。

從來(lái)沒(méi)有比現在更好的時(shí)機來(lái)開(kāi)啟你的物聯(lián)網(wǎng)架構規劃。