京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据扮演物联网关键角色
现今已有不少人察觉,万物联网的时代,其实主角并不是物体本身,真正的价值在于万物背后的大数据。每个企业也都深知大数据对于商业发展的重要性,但是分析什么、如何分析却各有说法,分不出高下,这块大饼人人都想抢食,但抢到了却往往不知该如何下咽。
技术不是问题 服务才是核心
我们高喊物联网的口号已经许久,也深知未来大数据分析将会带来一波新的产业革命,各行各业现今都在大肆谈论大数据分析的无限可能,但为了大数据而搞大数据,却成了许多企业现在面临的问题,眼见对手做什么就跟着做,总是一窝蜂跟上潮流,但能不能在激浪之中站稳却不见得。
技术是死的,应用却是活的,重点是你的大数据分析能提供什么样的服务?你想透过数据数据解决什么样的问题?PTC资深经理汪崇真认为,“大数据分析用一种更客观的方式预测未来,用数据说话是它最迷人也是最困难的地方。”它的价值并非单靠技术来衡量,与其竞争技术的高低,针对客户需求提供适合、方便且易于使用的服务反而更为重要。
假设将产品应用与工厂制造端区分,厂内虽有其专业性存在,进入门坎也不低,但目的多半是为了要求让制造生产的过程更加精准、提升效能,也可以说在活用上比较刻板。但针对产品应用提供相应的服务相对却更难,且以商业领域来说,消费者口味日新月异,要如何运用大数据分析消费者行为模式存在一定难度,须运用得巧妙,而在消费者求新求变的情况下,实时(Real-time)的数据分析也将变得极为重要。
整合是物联网必要关键
物联网的应用千奇百怪,每一个服务背后可能涵盖多项技术,基本如通讯、感测等,这也让企业往往在开发过程中面临复杂化的问题,就算是大数据分析,前提上也需要各方面信息的整合。对此汪崇真也表示,物联网的决胜点其实并非技术高低,而是如何串联整合才是最大的亮点,不只包括关键技术上的“软硬整合”,更涵盖应用领域的“异业整合”。
汪崇真认为,物联网的世界其实说穿了就是一个整合的世界,过去网络时代是应用程序之间的互相沟通,现今则是强调物与物之间的沟通,因此,如何快速传递物与物之间的讯息,扮演中间桥梁的平台就成了一大关键。
获得两大产业分析公司评选为物联网领导厂商的PTC,在物联网技术的整合上,最大的特色是提供了All in one的解决方案。此方式将有利客户在建构产品时避免将过程复杂化。汪崇真进一步解释,PTC之下的ThingWorx物联网技术平台透过策略性并购整合多项物联网技术,用类似于积木堆栈的方式,将各种开发物联网所需的技术一层一层兜起来,与过去技术各自独立相比, PTC借此替开发者省去了不少时间。
工业物联网的另一大挑战
物联网时代来临,工业领域也开始整合各项技术而掀起新一波工业革命。但事实上,大数据分析应用在工业与商业上却有很明显的不同,由于各行各业皆有其不可取代的特色与专业性存在,“差异化”是工业领域较之商业领域最大的不同,也是最困难的地方。
掌握各行业数据分析共通性
如同上述所说,各行各业的专业性对于数据分析来说,需要长时间大量研究与分析产业各种信息,切入市场并不容易,致力于工业自动化发展的泓格科技生产管理处厂长陈裕霖对此表示,掌握大数据分析的共通性是一项重要的关键。当企业在考虑采用工业物联网链接工业大数据分析的时候,最好的方法是找到一个各行业皆适合的应用作为入口。
举例来说,泓格科技提供许多关于能源数据的分析,从中观察发现,不管何种产业几乎都需要对能源进行有效的管理与控制,因为耗能问题关乎成本的节省,也是企业营运的根本,尤其在物联网时代十分重视节能问题,因此,如何提升能源效率俨然成为各行业最基本的大数据分析,也是在物联网时代中一项重要的基础。
分布式架构让数据精准推送
根据统计,到了2020年,将会有超过500亿个装置透过数字方式连接在一起,而其中很大一部分会出现在工业物联网。无数具有感测与监控能力的数据收集器相互连接产生数据信息,通过各种智能分析为工业制造生产提供极具价值的洞察,并提高效率与生产效益,但这过程却会衍生海量的数据数据,对后端数据库的分析容易不堪负荷。
为了避免这样的状况,分布式架构在这过程中扮演了重要角色,也是未来其中一项核心技术。陈裕霖进一步说明,分布式架构让每个节点都具备一个简单的“大脑”,透过订阅机制将采集到的数据数据针对各端需求或云端平台进行精准式的推送,也就是当后端需要数据时才进行传输,这样的方式可避免海量数据当中不必要的“垃圾”全部送到后端造成负荷。在未来工业大数据分析上,此架构将有助于上百亿个传感器数据进行更有效率的处理。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12