物聯(lián)網(wǎng)為獲取實(shí)時(shí)數(shù)據(jù)提供了一個(gè)經(jīng)濟(jì)高效的途徑。盡管數(shù)據(jù)在分析時(shí)被認(rèn)為是有價(jià)值的，但潛在的、并且可以隨時(shí)間積累的數(shù)據(jù)量之大令人望而生畏。許多人都聽說過大數(shù)據(jù)，但對(duì)于那些利用實(shí)時(shí)數(shù)據(jù)來產(chǎn)生真正業(yè)務(wù)價(jià)值的人來說，這一術(shù)語可能不太適用。

　　人們很容易將物聯(lián)網(wǎng)和大數(shù)據(jù)的概念結(jié)合起來。物聯(lián)網(wǎng)當(dāng)然可以產(chǎn)生大量數(shù)據(jù)，因?yàn)樵S多人設(shè)想數(shù)十億臺(tái)連網(wǎng)設(shè)備不斷將大量數(shù)據(jù)注入云端的數(shù)據(jù)湖。然后呢?面對(duì)如此“大”的數(shù)據(jù)問題，人們擔(dān)心自己會(huì)陷入困境，這就提出了一個(gè)問題，即是否應(yīng)該繼續(xù)追求物聯(lián)網(wǎng)解決方案。

　　大數(shù)據(jù)問題并不是物聯(lián)網(wǎng)要解決的唯一問題。物聯(lián)網(wǎng)非常適合解決您的“小”數(shù)據(jù)問題。

　　大數(shù)據(jù)通常與數(shù)據(jù)挖掘、人工智能、機(jī)器學(xué)習(xí)、預(yù)測(cè)分析和其他處理密集型練習(xí)相關(guān)聯(lián)，這些訓(xùn)練習(xí)側(cè)重于從隱藏在大數(shù)據(jù)集內(nèi)的模式中獲得見解。換言之，如果不深入研究數(shù)據(jù)，這些見解可能無法從數(shù)據(jù)表面輕易看出?？捎玫臍v史數(shù)據(jù)越多，從大量數(shù)據(jù)中獲得深刻見解的潛力就越大。

　　另一方面，“小”數(shù)據(jù)可以代表有限的數(shù)據(jù)池，無需進(jìn)行深度處理即可提供見解。接下來，我們將探討物聯(lián)網(wǎng)為何是解決“小”數(shù)據(jù)問題的關(guān)鍵的3個(gè)原因。
 

　　1、“小”數(shù)據(jù)解決了當(dāng)前正在發(fā)生的問題

　　“小”數(shù)據(jù)的一個(gè)簡(jiǎn)單示例是告訴您當(dāng)前正在發(fā)生什么事情。例如，實(shí)時(shí)數(shù)據(jù)可以告訴您設(shè)備、機(jī)器或系統(tǒng)當(dāng)前正在做什么。實(shí)時(shí)查看當(dāng)前機(jī)器的運(yùn)行情況，可以洞悉影響運(yùn)行的實(shí)際故障。知道一臺(tái)設(shè)備、機(jī)器或系統(tǒng)什么時(shí)候停止工作，難道對(duì)您沒有幫助嗎?

　　在一個(gè)簡(jiǎn)單例子中，在正常情況下(例如，在長(zhǎng)時(shí)間的暴雨期間)不運(yùn)轉(zhuǎn)的抽水泵將立即向設(shè)施管理團(tuán)隊(duì)發(fā)出警報(bào)，通知抽水泵可能發(fā)生故障。實(shí)時(shí)物聯(lián)網(wǎng)數(shù)據(jù)提供了抽水泵開/關(guān)操作的可見性，從而解決了一個(gè)即時(shí)的“小”數(shù)據(jù)問題。通過大數(shù)據(jù)深入了解可能有助于確定抽水泵的預(yù)測(cè)性維護(hù)，但解決最直接的運(yùn)行問題(抽水泵故障)并不需要這些見解!

　　在許多情況下，少量的數(shù)據(jù)足以解決巨大的運(yùn)營(yíng)挑戰(zhàn)。

　　2、“小”數(shù)據(jù)不需要高級(jí)分析

　　對(duì)許多人來說，“分析”一詞通常意味著高級(jí)指標(biāo)和固有的復(fù)雜性。這種感知偏差是“分析”與大數(shù)據(jù)融合的部分原因。大數(shù)據(jù)肯定會(huì)利用分析，而小數(shù)據(jù)也不會(huì)例外。

　　同樣，許多人從大量數(shù)據(jù)的角度考慮大數(shù)據(jù)。大量數(shù)據(jù)可以從單臺(tái)機(jī)器的大量歷史數(shù)據(jù)(大數(shù)據(jù))中獲取，也可以從每臺(tái)機(jī)器的最新數(shù)據(jù)(小數(shù)據(jù))中獲取。例如，通過分析一臺(tái)機(jī)器的三年數(shù)據(jù)模式，可以獲得大數(shù)據(jù)見解，而通過分析一組機(jī)器的一周數(shù)據(jù)狀態(tài)和條件，可以獲得“小”數(shù)據(jù)見解。

　　“小”數(shù)據(jù)也可以產(chǎn)生簡(jiǎn)單而強(qiáng)大的分析結(jié)果，例如(a)一臺(tái)機(jī)器在過去24小時(shí)內(nèi)運(yùn)行了多少次?(b)最近24小時(shí)內(nèi)機(jī)器最長(zhǎng)的工作周期是多少?(c)在過去的24小時(shí)內(nèi)，機(jī)器平均消耗了多少能源?對(duì)這些“小”數(shù)據(jù)關(guān)鍵績(jī)效指標(biāo)中的任何一個(gè)或多個(gè)進(jìn)行目視檢查，將提供對(duì)潛在問題的操作見解。

　　對(duì)于那些熟悉機(jī)器的專家(例如，設(shè)施管理人員)來說，當(dāng)前和最近機(jī)器操作的“小”數(shù)據(jù)可見性，將在對(duì)“小”數(shù)據(jù)進(jìn)行目視檢查時(shí)能夠立即提供見解。

　　3、“小”數(shù)據(jù)可以利用現(xiàn)有基礎(chǔ)設(shè)施

　　物聯(lián)網(wǎng)可以在不同的規(guī)模層次上解決問題，從針對(duì)性到全面性。從“小”數(shù)據(jù)的角度來看，物聯(lián)網(wǎng)僅可根據(jù)需要捕獲所需數(shù)量的運(yùn)營(yíng)數(shù)據(jù)。無需對(duì)數(shù)據(jù)收集基礎(chǔ)設(shè)施進(jìn)行全面改革，直接從現(xiàn)有設(shè)備獲取運(yùn)行數(shù)據(jù)將極大地減少總體項(xiàng)目支出并最大限度地提高回報(bào)。(來源物聯(lián)之家網(wǎng))例如，改造后的物聯(lián)網(wǎng)解決方案可以數(shù)字化關(guān)鍵的暖通空調(diào)設(shè)備，如冷卻塔、冷水機(jī)組、RTU、AHU等。從暖通空調(diào)設(shè)備的“小”數(shù)據(jù)中獲得操作見解將大大提高效率并節(jié)約成本。

　　物聯(lián)網(wǎng)特別適合于在可能的范圍內(nèi)充分利用現(xiàn)有基礎(chǔ)設(shè)施，以提取在該情境中所需的“小”數(shù)據(jù)。重點(diǎn)應(yīng)放在獲取正確的傳感器數(shù)據(jù)以獲得運(yùn)營(yíng)見解，而不是獲取所有可能的傳感器數(shù)據(jù)。將正確的傳感器數(shù)據(jù)傳遞給正確的中小型企業(yè)比從IT部門角度解決數(shù)據(jù)架構(gòu)模型更為重要。不要讓大數(shù)據(jù)思維干擾您的物聯(lián)網(wǎng)項(xiàng)目。

　　更重要的是，不要讓您的“小”數(shù)據(jù)項(xiàng)目變大。

　　總結(jié)

　　物聯(lián)網(wǎng)很容易被大肆炒作，因?yàn)閷?shí)時(shí)數(shù)據(jù)收集的前景和潛力可以解決我們能預(yù)見的所有問題。別被誤導(dǎo)!物聯(lián)網(wǎng)提供了至關(guān)重要的“小”數(shù)據(jù)，這些數(shù)據(jù)可以改變?nèi)魏蜗Ｍ岣哌\(yùn)營(yíng)效率的組織。