IOT数据和分析的变化景观
波干涉是两个波相遇时的技术术语。所产生的位移或叠加是每一波的净效应的总和。物联网数据和分析在很多方面反映了两者之间的叠加物联网和大数据。
IOT是一种不断发展的概念，一些定义包括IoT数据和分析作为概念的一部分，但从根本上讲，事物互联网是物理对象或事物的网络，数字化关于环境的信息，并在现有的Internet上交换该数据。结构体。大数据也没有针对各种定义免疫，而且更常用的理解之一是通过麦肯赛，大数据是“大小超出典型数据库软件工具捕获，存储，管理和分析的能力的数据集。“1
这两波，物联网和大数据，已经开始相遇，不仅如此，还对叠加结果产生了显著的乘数效应。随着对越来越多数据的需求，连接设备的数量继续增长和加速。数据的价值也开始朝着积极的方向变化，通过实时数据源和数据聚合实现了越来越多的洞见。
图1：具有乘数效果的IOT和大数据波的值合并。（资料来源：Machina Research，2016）
物联网和大数据的组合对实现技术有所要求。在数据摄入和流入处理方面，快速数据产生了新的要求。大数据对数据存储的新要求以及模式和查询如何进行管理。让我们更详细地检查这些细节。
快速数据成为一个重要的游戏更换器
大数据是一个物联网数据的重要因素然而，在数据管理和分析中发生的基本和更重要的变化是由现在正在处理和反馈在接近实时的行动的速度而导致的。从传统的批量处理具有历史分析驾驶洞察的阶段，快速数据是关于数据的实时摄取和流入数据，下降到秒和毫秒的可操作反馈。能够满足这些要求的数据库提供商的示例是exasol，SAP HANA，SQREAM和VOLTDB。快速数据与一个相当传统的数据提取-转换-装载(ETL)方法并推动了从后端业务智能活动的数据分析到关键的前端应用程序Plus功能;申请加上这些应用的预期结果作为药物惯例的预测维护或规定决策，涉及一定程度机器学习/高级分析。
大数据是硬币另一侧的挑战
大数据并不是一个新现象。对于许多企业来说，大数据已经成为一个越来越大的挑战，而像Hadoop这样的实现技术正是推动这个新的机遇空间的真正动力。使用Hadoop，或者更具体地说HDFS用于分布式文件存储和MapReduce对于分布式处理，企业最终能够以一种更灵活、更经济的方式，而不是更传统的“更多数据，多一台服务器”的方式，向内扩展和向外扩展数据存储需求。这里的数据库提供商包括Cloudera、Hortonworks和MapR。
大数据也涉及到各种数据，而不仅仅是数量。在这里,NoSQL数据库2或新的混合数据库已经推出了边界，在飞行或读取时创建架构，并用更繁琐的RDBMS柱状方法分配。随着连接设备数量的增长继续，数据源的丰富和各种各样的数据来源将继续扩大，并且从高度结构化数据中，企业需要使用半和完全非结构化的数据来获得数据的额外价值聚合。
物联网数据和分析中的值引擎
价值的创造来自于端到端物联网应用中的所有组件。设备贡献了价值。连通性有助于价值的产生。应用程序当然有一个主要的贡献组件，数据和分析也是如此。有趣的是，正如本文开头的两波模型中的乘数效应所说明的那样，物联网和大数据相结合的净效应——叠加效应或乘数效应大于部分效应。
数据是一种可重复使用的商品，其中值最初可以实时地从单个数据点解锁，单个数据点的聚合，实时和历史也将产生先前未识别的额外和有价值的见解。
1McKinsey Global Institute，“大数据：创新，竞争和生产力的下一个前沿，”2011年5月
2有关NoSQL数据库的更多信息，请阅读Machina Research Research Notes，“为什么NoSQL需要互联网，2014年4月
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。