克服数据过载，防止IIoT项目失败
越来越多的公司正在接受工业物联网，以推动更好的业务成果，但他们仍然没有充分利用所收集的数据。正如人们所料，工业物联网以创纪录的速度产生了大量数据。它可能是压倒性的，特别是对工业公司来说，它们通常在实时操作方面很强大，但很难将这些操作产生的数据转化为有意义的和系统性的流程改进。
埃森哲的研究显示，尽管数字技术在释放业务价值和促进增长方面发挥着关键作用，但93%的公用事业高管认为，他们正在努力实现数字转型带来的好处。此外，正如在大型工业公司中经常出现的情况一样，不同的部门经常能够访问不同的数据资源，而很少有交叉可见性。
数据过载发生是因为IIT系统的参数，数据类型和变化率经常发生更快比大多数公司的适应能力，这可能导致技术债务。有快速修复您可以添加到系统中以满足数据生态系统的近期需求，但这并不是如何构建一个持续到未来的系统。为了真正充分利用IIT系统，我们需要重新考虑如何以未来的能力的方式管理整个生态系统。
收敛以简化的方法
为具有不同透视图的多个数据环境提供保护，是实现公司完全数字化转型的挑战，而且常常是基础设施成本超支的来源。纠正这些问题的第一步是数据收敛，这是使用数据驱动更好的业务决策的关键组件。广泛的数据将为基于一个事件的多个角度的许多关键决策或分析提供非常需要的背景。数据的深度将使这些基于更多类似事件的例子的决策得到更有力的强化。
因此，一个组织的工业物联网平台必须允许分析框架轻松地访问具有代表性的数据样本各种各样的数据源一旦确定了分析策略，就足够可扩展到深入潜水。但是，大多数工业组织尚未发现解决这些系统工作的解决方案，并且他们经常遇到持续的IIOT项目失败。
考虑数据管理
尽管我们尽了最大努力，来自数百万个节点的数据可能是不完整和不精确的，在这些数据被一致地用于为工业客户提供关键结果之前，通常需要进行重大的转换。对于公司来说，回归基本的数据治理，以确保不会超载其工业物联网平台是很重要的。
这包括两个与数据过载的根原因相关的两个关键组件：数据模型和支持它们的基础架构。
数据建模。减少失败可能性的第一步是对您的数据的理想构造很好地了解。通常，这被称为规范数据模型，并且它们用作传入源系统的适当结束状态。这通常是通过定义元数据来组织和将散射数据的模糊系统转换为更系统化的构造来实现。在许多工业环境中，数据将被组织成多个规范模型，该模型可以彼此映射，而不是包围摄入所有数据的通用模型。
通常，它有助于将数据转换为可以彼此交叉引用的多个规范模型。这种联合策略使得从不同源系统从不同的源系统移除到可以更轻松地相互交叉的模型中更快地转换。
减少数据过载的另一个技巧包括具有用于最佳性能的传入数据的下采样策略。并非所有数据都是平等的，并且通常会有成本折衷 - 以美元或时间的形式 - 必须处理更多数据。了解数据的适当粒度并与正确的存储和编排方案对齐将有助于减少计算周期和成本。
数据基础架构。从数据管理的角度来看，有一个存储、管理和可视化的数据这不仅仅是互联和可扩展，还适合最终用户的需求。映射到数据量身定制的基础架构 - 它的输入速度 - 它的进入速度，金额和复杂性的工作负载 - 以及数据需要支持的决定将帮助您决定云中所做的数量计算，在边缘或处所。对于您的最终用户和收集数据的系统，还需要考虑适当的安全性和隐私程度。
最终的想法
在建模和基础设施场景中，理解您想要的领域和关键结果将严重影响您的策略。这些结果需要由最终用户以一种积极影响他们完成工作的能力的方式来定义。毕竟，这是数字转型的主要动力。对于几乎所有将数据融合、建模和编排这些最终用户驱动结果的工业公司来说，它们都是能够更快地在工业物联网项目中实现价值的企业。
一种成功IIoT项目通过提高生产力、减少浪费和优化关键网络操作或维护过程，可以显著节省资金。但是请记住，数据的状态是一切的基础。部署先进的分析技术并将数据投入使用，将创建一个智能系统，该系统拥有强大的基础和敏捷的、可重复的方法，以避免IIoT项目失败。
所有IOT议程网络贡献者负责其帖子的内容和准确性。意见是作者，不一定能够传达物联盟议程的思想。