物联网信息的实时数据分析始于坚实的架构

分析它们生成的数据的潜在业务价值——并在信息传输时实时进行分析。

数据集正从大量的数据流进入企业系统物联网(IoT)资源包括传感器、电器、车辆、智能个人设备、交通监视器和工业设备。物联网数据流的可用性不断提高，加上摄取、处理和分析它们的能力，为为业务运营配备物联网数据流奠定了基础实时数据分析能力——其中之一流分析，为安全、审计和法规遵从性过程提供操作情报和数据的持续监控。

物联网上可用的信息包括机器生成的数据，这些数据按照规定的时间表自动传输。智能电表就是一个例子，它每15分钟向中央系统发送一次电力使用指标。此外，还有所谓的自动人类生成数据，包括基于人们的行动创建的信息——例如，跟踪网络活动的互联网点击流日志，以及记录玩家游戏选择的在线游戏事件序列。

为了充分利用可用的数据进行实时数据分析，组织必须采取一种策略，包括以下四个关键方面物联网数据管理。

摄入。有效地吸收和分析单个数据流可以告知运营流程的管理，并指出改进它们的方法;从多个流中提取数据甚至更有益，使管理人员能够从整体角度来监视和分析各种业务活动。大量的物联网数据源提供了可以整合的丰富信息为预测模型支持内部决策。

但是你的数据管理架构必须能够适应可供获取的不同类型数据流的数量和种类，可能包括可能需要协调的不同数据格式。您还可能发现自己要处理来自相同源的多个流或来自多个源的相同类型流的实例，以及来自不同地理位置的设备的数据输入。

持久性。的体积传入的物联网数据可能会迅速超出你实时处理的能力;因此，可能需要通过过滤器来限制每个流中将要处理和保留用于分析的数据量。话虽如此，不要把为了实时分析而进行的过滤误认为是丢弃数据。

过滤是加速自动流分析的有用技术，但是你的分析模型需要使用历史数据提前开发。虽然你的预算和持久数据存储的可用容量是决定是否保留所有物联网数据或放弃部分数据的因素，但存储成本总体上已经显著下降。如果在经济上有意义，则捕获并存储每个流数据实例的整体。积累的数据体将形成一个记录系统，可以被数据分析师探索，并用于建立其他预测模型，以寻找见解。

分析。流分析工具让用户运行预测模型实时或接近实时的新摄取的物联网数据。这可以包括分析数据中的趋势和模式，以及监控“哨兵状况”，以便在预定义事件发生或发现机器问题时，向业务经理发出实时通知。来做那些实时数据分析流程可行，你的物联网架构必须包含分析工具，可以处理来自不同来源的多个数据流。

沟通。监控物联网数据以识别特定事件或问题不会是有用的如果你不能向正确的人发送警报，让他们能够采取行动，解决出现的机会或问题。除了实现支持实时警报和通知的机制之外，还需要设置流程来管理要通知的人员组(或者系统，在涉及对警报的自动响应的情况下)以及通知的内容，通知收件人并确认警报已发送的方法。

当试图使用物联网数据从不同的来源来驱动预测分析和规范的业务行为，考虑如何设计和架构物联网数据管理战略的这四个基本方面。在部署任何技术之前做到这一点，将简化物联网驱动的实时数据分析应用程序的实现，并防止您的组织淹没在数据的洪流中。