价值链分析 - 在物联网中攫取价值的金钥匙？

在我们上一个博客《传统的分析方法是否可以支持物联网的业务运营？》中，我们曾经发出这样的提问 - 一个传统的分析方法是能够支持物联网（IoT）的业务运营？

基于客户的要求，我们的结论是，传统的方法是不够的，需要新的方法来处理物联网中关键的时间挑战。

设计一个新物联网分析方法的基本步骤

设计新方法的第一步是将所有的数据集成到一个物联网应用程序中，以简化过程。这包括所有的结构化、非结构化数据和半结构化组织。

这一系列的数据必须得到集成化的分析，这种分析将能够直接在数据上运行。当传统的“信息孤岛”被移除，而分析软件可以覆盖处理广泛的有价值的数据时，我们无疑可以得到更好的业务成果。

在流程完善过程中的第二个关键步骤是统一分析层(the analytics layer)。在传统的模型中，因为其“各自为政”的数据访问方法，描述和诊断分析会让问题更具挑战性。

在物联网应用中，这个问题会变得更加尖锐和不可行。这种传统的方法将无法支持物联网，因为它将在对数据管理与专注于提供基于分析的结果方面花费天量的时间和精力，而物联网(IoT)上所有形式的数据爆炸需要一个更强大和更广泛的工具，使更聪明的及时行动和更好的结果成为可能。

所有类型的分析工具必须统一成一个单一的引擎（如图1所示），以确保可扩展性和实时性能。

Analytics for IoT

这包括历史分析（描述以及诊断）、实时流分析、预测分析和规范分析。

上述分析方法对物联网而言，是个很好的第一步。然而，它具有跨分析价值链（数据流，历史，预测和规范分析）执行实时分析的能力，还有与相关的上下文和情景数据的实时分析能力，这就为获得及时分析结果，解决了关键的“最后一英里”。

然后，这必须结合在任何特定情况下采取下一个最佳行动的能力，以创造最大的价值。增加的价值链描下面的图2）显示了每一步的过程中提炼数据，增加了更多的价值和上下文背景。

Analytics Value Chain

图2）分析价值链

以额定的速率和数量，摄入数据，进行附加处理。
实时流分析，处理来自物联网传感器和设备的数据流。
这个精炼过的数据，然后与上下文和历史数据相关联，为先进的分析提供了一个基准。上下文数据可以包括如GIS（地理信息系统(geographic information systems)）信息等与物联网相关的数据。
下一步是使用预测分析预测系统故障、异常或模式，基于机器对于历史和情景数据（诸如天气等外部事件）的学习。
分析价值链的最后一步是对于应用规定的分析，以确定下一步最好的行动。这下一个最佳行动可能是与降低风险、解决中断等防患于未然的各种各样的行动，或实时提供客户报价，以便捕捉到稍纵即逝的零售机会。

重要的一点是，基于对于历史和背景数据的深入理解，现在我们必须要马上采取具体行动现，以捕捉到该历史机遇。新的工具，可以实现这一宏伟的物联网目标。这种方法为分析价值链展开快速分析，而这正是在物联网时代创造最大价值的关键之关键。