
物联网与大数据不可不说的一二事儿_数据分析师
物联网不仅仅是烤箱、冰箱、恒温器组建的网络。虽然目前智能家电是物联网的主力军。但是他们仅仅是冰山一角。
IDC预测,到2020年底,物联网设备规模将达到2120亿,包括我们想不到的:压缩机、发电机、涡轮机、鼓风机、石油钻采设备、传送带、内燃 机车和医疗成像扫描仪等等。嵌入式传感器在这些机器和设备中利用物联网来传输度量为震动、温度、湿度、风速、位置、燃料消耗、辐射水平的这些数据。
GE副总裁William Ruh说,“机器可以十分‘健谈’的。”
Ruh目前的主要工作就是帮助公司努力发展“工业物联网”,融合三大因素:智能机器、先进分析、授权用户。总之,这些因素形成了一个快速发展的多样化大数据,让早期定义的大数据洪水般地传播开来。
理解那些数据,利用他们来制造源源不断的可用物就需要一个更快、更准确、更可靠、可扩展的基础设施。仅仅是收集和存储数据是不够的,你还需要有能力去访问、建模和分析;与跨利益相关者共享成果;并支持和鼓励实时合作。
你不需要的是在数据库里拼合多余出来的独立数据。而需要工业级的,综合管理和从物联网数据和传统渠道中获取价值。
Teradata的系统部总经理Dan Graham说,在两个不同领域中,整合的数据将在产品开发和产品部署方面创造出很高的商业价值。
Graham说:“在R&D或者发展阶段,你将会用整合的数据去看所有部门如何协作。你会看到不和谐的地方。你不会独立地看某一个方面,而会看到你的供应链、库存、销售、市场需求、渠道合作伙伴,和其他很多因素。”
第二阶段是售后服务。
Graham说“现在你用整合数据来维护,飞机、机车、推土机、骑车、磁盘驱动器、自动取款机、收银机的磨损和零件故障都需要售后支持。知道出问题的部分是哪个厂商做的是很好的,他们出错的频率怎样,他们犯的是什么错误。然后你就可以在他破坏你的产品线之前就把他下线。”
NCR公司在19世纪率先推出了机械收银机,他们目前是全球消费者交易技术的领导者。他们提供软件、硬件和服务,每天在零售业、金融、旅游、酒 店、电信和技术行业大小规模加起来超过4.85亿交易额。NCR公司通过自动取款机、信息亭、销售终端、自助结账机收集远程数据,大约每秒产生3500笔 交易。然后他们利用自己定义的算法来预测那些设备可能会出的问题,并保证有技术人员在这里,避免问题的发生。
NCR的大数据/物联网策略是一个结合了Hadoop架构、Teradata Aster Discovery 平台的标准综合数据库。操作的关键就在于一体化,从而确保从物联网导入的数据可以在来自多个数据源的环境中进行分析。
MasterCard的主管及大数据、大分析的共著人 Michael Minelli 说过“游戏的名称是外生的数据,”他的言论涉及新兴商业智能和当今商业的趋势分析。“你需要结合与分析来自四面八方的数据的技巧和能力,进而,你需要将数 据转换成可操作的见解,这将推动更好的决策,并拓展你的业务。来自物联网的数据仅仅是你需要组织管理的所有数据源中的一种”
Koeppel说,“相比传统数据类型,从物联网收集的大数据趋向于“更加短暂化”。公司的财务数据记录同公司为营销活动所收集的地理空间数据是有所不同的。由于政府的管制,用于设计优惠券的手机端数据是不允许存储、记录的。”
这表示,从物联网大数据正在迅速失去作为一个特殊获取渠道的地位。假以时日,大数据将仅是所有数据源中普普通通的一种,理想的话,你的数据库系统将在任何时候允许你处理任何你想要处理的数据类型,以能够让你再众多可能的处理方法中选择或创造出最可行的方案。
“在最理想的情况下,我们将融合来自物联网的数据与数据库中的数据并借此为消费者及时提供最大可能的帮助或者让消费者们知道他们的汽车的汽油十分钟后将耗尽“Koeppel说到。
“有效地将物联网数据及传统的数据库无缝连接将是最行之有效的办法。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10