物联网如何解决“小”数据问题

本篇文章1586字，读完约4分钟

物联网为获取实时数据提供了一种经济高效的方式。尽管这些数据被认为在分析中很有价值，但随着时间的推移，潜在的数据量是惊人的。许多人听说过大数据，但是对于那些使用实时数据来产生真正商业价值的人来说，这个术语可能并不适用。
人们很容易将物联网和大数据的概念结合起来。当然，物联网可以产生大量的数据，因为许多人想象数十亿个相连的设备不断地向云中的数据湖注入大量的数据。你是索尼娅吗？面对如此“大”的数据问题，人们担心自己会陷入困境，这就提出了一个问题，那就是我们是否应该继续追求物联网解决方案。
大数据不是物联网要解决的唯一问题。物联网非常适合解决你的“小”数据问题。
大数据通常与数据挖掘、人工智能、机器学习、预测分析和其他处理密集型练习相关联，这些练习侧重于从隐藏在大数据集中的模式中获得洞察力。换句话说，如果你不深入研究数据，这些见解可能不容易从数据表面看出来。历史数据越多，从大量数据中获得深刻见解的可能性就越大。

另一方面，“小”数据可以代表一个有限的数据池，它可以提供无需深度处理的洞察力。接下来，我们将讨论为什么物联网是解决“小”数据问题的关键的三个原因。

1.“小”数据解决了目前正在发生的问题

“小”数据的一个简单例子是告诉你目前正在发生什么。例如，实时数据可以告诉你设备、机器或系统当前正在做什么。实时查看当前的机器操作可以帮助我们了解影响操作的实际故障。当一个设备、机器或系统停止工作的时候，它难道不会帮助你了解吗？

在一个简单的例子中，在正常条件下不运行的泵(例如，在长时间暴雨期间)将立即向设施管理团队发送警报，通知泵可能出现故障。实时物联网数据提供了泵的开/关操作的可视性，从而解决了直接的“小”数据问题。通过大数据进行深入了解可能有助于确定泵的预测性维护，但这不是解决最直接的操作问题(泵故障)所必需的！

在许多情况下，少量数据就足以解决巨大的运营挑战。

2。“小”数据不需要高级分析

对许多人来说，“分析”这个词通常意味着先进的指标和内在的复杂性。这种认知偏差是“分析”和大数据融合的部分原因。大数据肯定会利用分析，小数据也不例外。

同样，许多人从大量数据的角度考虑大数据。可以从单台机器的大量历史数据(大数据)或每台机器的最新数据(小数据)中获得大量数据。例如，通过分析一台机器的三年数据模式，您可以获得大数据洞察，而通过分析一组机器的每周数据状态和条件，您可以获得“小”数据洞察。

小数据也可以产生简单而强大的分析结果，例如(a)一台机器在过去24小时内运行了多少次？在过去的24小时内，机器最长的工作周期是多少？在过去的24小时内，机器平均消耗了多少能量？对这些“小”数据关键性能指标中的任何一个或多个进行目视检查，将提供对潜在问题的运营洞察。

对于那些熟悉机器的专家(例如，设施经理)，当前和最近机器操作的“小”数据的可见性将在直观检查“小”数据时提供即时的洞察。

3。“小”数据可以利用现有基础设施

物联网可以解决不同规模的问题，从针对性到全面性。从“小”数据的角度来看，物联网只能捕获所需的操作数据。如果不对数据收集基础设施进行全面改革，直接从现有设备获取运营数据将大大降低项目总支出，并实现回报最大化。(来自物联网家庭网络)例如，改造后的物联网解决方案可以数字化关键的HVAC 空空调设备，如冷却塔、冷却器、rtu、ahu等。从HVAC 空 HVAC设备的“小”数据中获得操作洞察力将极大地提高效率并节约成本。

物联网特别适合于充分利用现有基础设施来提取这种情况下所需的“小”数据。重点应放在获取正确的传感器数据以获得操作洞察力上，而不是获取所有可能的传感器数据。从it部门的角度来看，将正确的传感器数据传递给正确的中小型企业比解决数据架构模型更重要。不要让大数据思维干扰你的物联网项目。

更重要的是，不要让你的“小”数据项变大。