Forbes Insights和Hitachi Vantara 近对物联网状况进行了研究，而在接受调查的502位高管中，超过90％的人表示物联网对他们业务的未来非常重要，但只有 半拥有重要的IoT项目，那些仍处于早期规划阶段。即使那些拥有物联网项目的人中，只有42％表示这些举措达到或超过了预期。
物联网的好处如此清晰 - 识别新的收入来源，更好的客户体验和更低的业务成本 - 为什么没有取得更多进展？这可能是因为企业还不知道如何 大限度地利用物联网，但它也可能与数据如何在公司内部进行收集，策划，分析和可视化有关。
小数据和大数据协同工作
来自福布斯Insights / Hitachi调查的66％的受访者表示，他们物联网战略的 个关键部分是从小型项目中学习，然后转向更大的举措，但项目规模并不是从小规模开始的唯 方式。在实施物联网的早期阶段，公司也可以从“小数据”中学到很多东西，或者可以容易理解的数据，并以可访问，信息丰富和可操作的格式呈现。这与“大数据”形成对比，后者指的是大量的结构化和非结构化数据，这些数据在技术的帮助下进行挖掘，混合和分析。
点击此处下载物联网报告的状态
物联网位于小数据和大数据的交汇处。传感器数据可以描述个人或设备的健康或性能，并且可以将相同的信息汇总到描述整个人群或复杂系统的大数据集中。尽管大数据通过使组织能够识别过去表现和行为中的模式来提供变革潜力，但小数据提供了详细的细节，可用于制定策略，优 解决 要解决哪些问题以及如何相应分配资源。
在 近的 次采访中，纽约时报畅销书作者马丁·林德斯特罗姆说，“大数据是所有关于寻找的相关性，但小数据是所有关于寻找因果关系的原因所在。”更大规模时在后期阶段的物联网战略，部署，大小数据应协同工作。大数据应该确定相关性，然后管理人员应该采取小数据方法来了解因果关系。
数据不会汇总和分析
无论您的公司是否严重依赖大数据或小数据，除非您能够成功收集，分析和利用它，否则这并不重要。特别是在工业环境中，由传感器提供的信息（包括温度，速度，振动和机器状态等）可能非常有益。例如，在生产线上，数据可以帮助公司发现瓶颈并提高效率。或者，在风电场，它可以在帮助能源公司优化生产和 大限度地减少停机时间方面发挥关键作用。
然而数据并没有自己收集。在物联网实施的规划阶段，企业必须识别所有潜在的和相关的数据源，并确定他们如何获取信息。随着新数据源的推出，人员和系统也必须快速适应。为确保数据流随时间推移而全面且 新，企业必须为建立变革架构。软件以及正确的IT基础架构可帮助缩小这 差距，使用户能够创建数据管道并将操作作为工作流程的 部分应用，并通过自动过滤异常情况来帮助提高数据质量。
就像数据不能自己收集 样，它也不会自我分析。有价值的是，数据需要细化并放入上下文中 - 这将数据转化为信息。在小数据环境中，这可以由人来完成。在大数据场景中，可以使用机器学习算法将大块数据减少为更小，更易于理解的视觉效果，如图表，直方图和其他图形。
需要考虑的数据策略
为了使组织能够实时执行，他们需要可立即采取行动的信息。但随着技术和数据变得更加智能，人类也必须变得更聪明。为了充分利用您的物联网数据，请考虑以下数据策略：
使数据更易于定位：无论数据大小，定位数据越容易，消费的可能性就越大。同样，这需要预 规划和适应性架构，允许公司在新数据源可用时使用。
提高数据收集，分析和可用的速度：数据越快，数据越快，可以分析和实施。通常这归结为识别障碍和瓶颈。例如，如果物联网数据陷入部门孤岛，企业需要找到促进协作的方式，以便在各个团队之间轻松共享数据。
解决并提高数据质量：解决数据质量问题可以帮助消除异常情况。要解决数据质量问题，组织必须 能够检测异常值并确定它们的 端程度。确定异常的原因也很重要，因为这可能表明公司的整体数据收集过程有些不合适。
改进信息可视化的方式：增强信息呈现方式可以减少或消除“噪音”，并使关键洞察更容易被发现。通常这可以使用商业智能和分析软件自动化。该市场的主要参与者甚至开始开发使用机器学习和人工智能的“增强分析”工具，帮助人们更好地从大型快速移动的数据集中洞察洞察力。
降低数据收集，准备和分析的成本：降低数据准备成本可以提高处理能力，同时提高投资回报。大多数情况下，这需要获得“技术与劳动力”等式恰到好处。软件通过创建数据管道，提高数据质量和过滤异常作为工作流的 部分来帮助解决这个问题。当从数字中解放出来时，人们可以专注于根据数据开发解决方案并解决其他业务问题。
简而言之，物联网为组织提供了以前无法获得的丰富信息。在战术层面，这些新的数据流可以帮助公司发现并理解数据中的关系和依赖关系，以避免问题并优化其运营。战略价值来源于将来自物联网的数据转化为可提高生产力和盈利能力的流程和方法。通过遵循上述提示，了解何时以及如何利用大小数据，企业可以放心地执行其物联网战略。