物联网为何是解决“小”数据问题的关键的3个原因

物联网为获取实时数据提供了一个经济高效的途径。尽管数据在分析时被认为是有价值的，但潜在的、并且可以随时间积累的数据量之大令人望而生畏。许多人都听说过大数据，但对于那些利用实时数据来产生真正业务价值的人来说，这一术语可能不太适用。

人们很容易将物联网和大数据的概念结合起来。物联网当然可以产生大量数据，因为许多人设想数十亿台连网设备不断将大量数据注入云端的数据湖。然后呢？面对如此“大”的数据问题，人们担心自己会陷入困境，这就提出了一个问题，即是否应该继续追求物联网解决方案。

大数据问题并不是物联网要解决的唯一问题。物联网非常适合解决您的“小”数据问题。

大数据通常与数据挖掘、人工智能、机器学习、预测分析和其他处理密集型练习相关联，这些训练习侧重于从隐藏在大数据集内的模式中获得见解。换言之，如果不深入研究数据，这些见解可能无法从数据表面轻易看出。可用的历史数据越多，从大量数据中获得深刻见解的潜力就越大。

另一方面，“小”数据可以代表有限的数据池，无需进行深度处理即可提供见解。接下来，我们将探讨物联网为何是解决“小”数据问题的关键的3个原因。

1、“小”数据解决了当前正在发生的问题

“小”数据的一个简单示例是告诉您当前正在发生什么事情。例如，实时数据可以告诉您设备、机器或系统当前正在做什么。实时查看当前机器的运行情况，可以洞悉影响运行的实际故障。知道一台设备、机器或系统什么时候停止工作，难道对您没有帮助吗？

在一个简单例子中，在正常情况下（例如，在长时间的暴雨期间）不运转的抽水泵将立即向设施管理团队发出警报，通知抽水泵可能发生故障。实时物联网数据提供了抽水泵开/关操作的可见性，从而解决了一个即时的“小”数据问题。通过大数据深入了解可能有助于确定抽水泵的预测性维护，但解决最直接的运行问题（抽水泵故障）并不需要这些见解！

在许多情况下，少量的数据足以解决巨大的运营挑战。

2、“小”数据不需要高级分析

对许多人来说，“分析”一词通常意味着高级指标和固有的复杂性。这种感知偏差是“分析”与大数据融合的部分原因。大数据肯定会利用分析，而小数据也不会例外。

同样，许多人从大量数据的角度考虑大数据。大量数据可以从单台机器的大量历史数据（大数据）中获取，也可以从每台机器的最新数据（小数据）中获取。例如，通过分析一台机器的三年数据模式，可以获得大数据见解，而通过分析一组机器的一周数据状态和条件，可以获得“小”数据见解。

“小”数据也可以产生简单而强大的分析结果，例如（a）一台机器在过去24小时内运行了多少次？（b）最近24小时内机器最长的工作周期是多少？（c）在过去的24小时内，机器平均消耗了多少能源？对这些“小”数据关键绩效指标中的任何一个或多个进行目视检查，将提供对潜在问题的操作见解。

对于那些熟悉机器的专家（例如，设施管理人员）来说，当前和最近机器操作的“小”数据可见性，将在对“小”数据进行目视检查时能够立即提供见解。

3、“小”数据可以利用现有基础设施

物联网可以在不同的规模层次上解决问题，从针对性到全面性。从“小”数据的角度来看，物联网仅可根据需要捕获所需数量的运营数据。无需对数据收集基础设施进行全面改革，直接从现有设备获取运行数据将极大地减少总体项目支出并最大限度地提高回报。（来源物联之家网）例如，改造后的物联网解决方案可以数字化关键的暖通空调设备，如冷却塔、冷水机组、RTU、AHU等。从暖通空调设备的“小”数据中获得操作见解将大大提高效率并节约成本。

物联网特别适合于在可能的范围内充分利用现有基础设施，以提取在该情境中所需的“小”数据。重点应放在获取正确的传感器数据以获得运营见解，而不是获取所有可能的传感器数据。将正确的传感器数据传递给正确的中小型企业比从IT部门角度解决数据架构模型更为重要。不要让大数据思维干扰您的物联网项目。

更重要的是，不要让您的“小”数据项目变大。