
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
DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09