物聯(lián)網(wǎng)的相關(guān)機會豐富起來，一般而言，這些機會已經(jīng)可以用于實踐了。
　　懷著同樣的心情，我們?yōu)?017年分享五種物聯(lián)網(wǎng)解決方案，這是讓你的企業(yè)步入物聯(lián)網(wǎng)成功道路的起點。
　　1．捕獲新的數(shù)據(jù)源
　　每天，公司從與客戶和供應商的互動中捕獲數(shù)據(jù)，還能獲得基于經(jīng)濟、天氣、社交媒體等的第三方數(shù)據(jù)。下面講述如何獲取這些數(shù)據(jù)：
　　找到一條全新的數(shù)據(jù)流
　　為你的企業(yè)設置相關(guān)計劃，找到一個新的數(shù)據(jù)源。比如，一些工業(yè)設備可能已經(jīng)有能力輸出信息，但是現(xiàn)在信息可能還沒有被捕獲到?；蛘呖捎玫墓矓?shù)據(jù)可以容易地集成并與當前信息相關(guān)聯(lián)。
　　結(jié)構(gòu)化現(xiàn)有的數(shù)據(jù)流
　　你可能有一個現(xiàn)存的非結(jié)構(gòu)化數(shù)據(jù)源，但當前的形式不是特別好用。那么充分結(jié)構(gòu)化當前的這份數(shù)據(jù)以使它易被企業(yè)其他人訪問，從而帶來新的視野。
　　容易的機會
　　觀察流行的消息隊列，諸如Apache Kafka，從而為消息流建立交通樞紐。
　　通過查看哪些信息可從現(xiàn)有工業(yè)設備中捕獲，來深入鉆研工業(yè)物聯(lián)網(wǎng)。
　　2．審視一項新應用
　　頭腦風暴出一項新應用，能交付出新的客戶利益或者操作效率。選擇包括：
　　一項新的移動應用。
　　一項用戶體驗推進，通過投遞更加精準和相關(guān)的信息實現(xiàn)。
　　針對客戶和互聯(lián)網(wǎng)商業(yè)的省時工具。
　　當開展計劃并實施時，問問你自己：
　　什么樣的數(shù)據(jù)源組合能提供價值？
　　這項應用能受益于實時數(shù)據(jù)嗎？
　　我可以移動到一個推模型，而不是一個拉模型的應用程序交互性？
　　3．建立一個物聯(lián)網(wǎng)分析應用
　　基于對現(xiàn)有或新數(shù)據(jù)的觀察的分析幫助業(yè)務向前推動?？紤]將現(xiàn)有的機器學習模型應用到現(xiàn)存工作流上，或者將模型應用于新的即將到來的物聯(lián)網(wǎng)生成的數(shù)據(jù)流上。
　　比如，許多機器學習模型或者在較早的談話統(tǒng)計模型中，可以用預測模型標記語言或PMML來輸出。
　　具體來說，諸如SAS導出模型到PMML的工具可以直接集成到實時管道中。像Apache Spark這樣的現(xiàn)代轉(zhuǎn)換層和像MemSQL這樣的分布式數(shù)據(jù)庫可以本地托管這些模型，從而可以實時記錄傳入的數(shù)據(jù)。
　　架構(gòu)師可以擴展當前流行的函數(shù)庫（例如MLlib和TensorFlow），以使用這些工具創(chuàng)建預測分析應用程序。
　　4．確保正確的基礎(chǔ)數(shù)據(jù)架構(gòu)
　　成功的IoT部署需要從邊緣數(shù)據(jù)收集一直到數(shù)據(jù)中心。像OSI Software提供了一款收集工具，可以幫助你將數(shù)據(jù)輸入你的管道。
　　一旦進入數(shù)據(jù)中心，一個共同的架構(gòu)涉及到集成以下層。
　　消息隊列
　　在消息層，Apache Kafka和AWS Kinesis是聚集數(shù)據(jù)流的常用選項，連接信息的產(chǎn)生者和消費者。
　　轉(zhuǎn)化
　　大多數(shù)數(shù)據(jù)管道需要將數(shù)據(jù)從捕獲時的狀態(tài)修改為其長期持久性狀態(tài)。轉(zhuǎn)換分片模式，以便數(shù)據(jù)可以在轉(zhuǎn)換層進行正確分類。
　　數(shù)據(jù)持久性
　　準確的預測分析模型涉及實時和歷史數(shù)據(jù)，因此能夠持久保留數(shù)據(jù)，包括隨時的記錄，設置適當?shù)纳舷挛摹?br /> 　　實時儀表盤
　　對于快速可視化當前數(shù)據(jù)沒有什么比實時儀表板更能讓人驚喜的了。受歡迎的商業(yè)智能儀表板（如Tableau、Zoomdata或Looker）以及使用D3．js等框架的自定義儀表板，均能允許公司提供對新數(shù)據(jù)的廣泛訪問。
　　5．為企業(yè)設置物聯(lián)網(wǎng)成功的模型
　　毫無疑問，數(shù)據(jù)在當今的商業(yè)環(huán)境中扮演著更重要的角色，每個人都在爭相“轉(zhuǎn)型”。新的CxO角色，如數(shù)據(jù)官和分析官，使得這一切變得更加明顯。
　　去年年底，Gartner估測25％的大型跨國企業(yè)已經(jīng)雇傭了一個數(shù)據(jù)官。到2019年，Gartner預期此數(shù)據(jù)會達到90％。
　　此外，Gartner看到了分析的興起：
　　到2018年，Gartner預測，超過一半的大型組織將使用先進的分析和專有算法進行競爭，破壞整個行業(yè)。這反過來又受到激增的設備、連接的“事物”、連接性和計算能力所驅(qū)使，所有這些都創(chuàng)造了更多的機會來收集數(shù)據(jù)，分析數(shù)據(jù)，并可能實現(xiàn)貨幣化。
　　從來沒有比現(xiàn)在更好的時機來開啟你的物聯(lián)網(wǎng)架構(gòu)規(guī)劃。