为什么组织需要物联网数据科学家在他们的团队

边缘数据带来了独特的挑战

物联网数据科学家必须了解物联网发生的边缘与传统基础设施在处理和管理数据方面的差异。对比表现在以下四个方面:

预处理的数据。数据不像在传统系统中那样以整洁、格式良好的记录流出物联网。物联网数据通常稀少或不完整，受环境和产生物联网的机器状态的影响，并且在不断变化的条件下变化。这些数据通常是时间敏感的。物联网数据科学家可以应用深度学习来发现数据模式中的条件变化，做出预测数据质量评估并根据需要填补空白。

传感器融合。机器或进程的状态越来越依赖于许多物联网传感器的输入。我们面临的挑战是如何有意义地整合不同设备的数据，以提高质量，减轻个别结果的不确定性。数据科学家通常必须定制数据集成，这需要专门的方法来实现和验证。

深度学习和人工智能的边缘。许多物联网应用需要人工智能，但也有实时组件，如面部识别。在这种情况下，AI应用程序必须实时学习，因为没有产生延迟的空间数据往返于云端。深度学习必须发生在物联网数据在边缘计算节点中创建的地方。

实时过程。另一个主要考虑因素是需要为实时进程(如车队管理)聚合和关联物联网数据。物联网数据通常是非结构化的，必须实时标记和正确同步，以便正确使用，因为时间窗口是波动的，一些应用程序需要即时的最佳猜测校正。

物联网数据科学家必须具备的技能

所有的数据科学家都应该精通机器学习和深度学习，但物联网数据科学家也需要不同于传统数据科学家的技能。

理解信号处理。通过物联网通道进入企业流程的数据流应该被视为所有流入战场指挥中心的过剩信号。信号的时间和相对强度对于理解它们所能传达的情报至关重要。具备信号处理数学和信息理论的能力，是理解物联网数据的主要优势。

了解网关层。在边缘和企业之间应该总是有一个网关安全、路由和通常进行数据聚合的层。这一层的工作方式、配置方式以及可用的硬件和软件选项为任何必须将数据处理与实际硬件相匹配的数据科学家提供了一个强大的基础。

优势分析。物联网数据科学家应该了解edge分析与云分析的区别，因为越来越多的组织要求物联网应用程序的实时响应和低延迟。云分析很少对时间敏感，并不总是需要细粒度的输入，而物联网分析需要。

对区块链的理解。随着区块链的使用不断增加，区块链是一种必要的边缘技能。IT专家创造性地应用加强安全超越企业防火墙和去中心化领域环境中的审计事务。

个人技能。物联网数据科学家必须是跨学科的，并且能够多任务处理。然而，更重要的是，他们应该有好奇心和创新精神，当任务需要时，他们愿意学习新东西。如果他们能和其他学科的人很好地合作，这也是一个优势。