解决物联网的“最后一英里”问题 - 全文

　　得益于不断问世的低成本传感器、无处不在的连接以及我们快速增长的数据量，物联网很可能重塑我们熟知的世界。技术研究和咨询公司高德纳 （Gartner， Inc.） 认为，到 2020 年，联网设备的数量将接近 260 亿。从可穿戴设备到家庭自动化，我们既看到巨大的潜力，也面临着艰巨的挑战。让物联网为大众服务更大程度上是数据挑战，而非设备连接问题。我们需要首先从设备提取出数据，然后弄清楚这些数据都意味着什么。

　　目前，市场一直专注于让智能装置联网。在帮助人们使用这些装置和机器收集的各种数据方面，我们并没有看到多少创新。因此，许多物联网解决方案都存在“最后一英里”问题。换句话说，这些解决方案可以收集数据，但却不能帮助人们查看和理解自己挖掘的数据。不能使用的数据有什么价值？ 并且如果您不能使用它，又何苦去收集它？

　　那我们如何读取、解释和理解这种从智能家庭电器、可穿戴设备或 GE Predix 平台之类的工业级解决方案收集的物联网数据呢？ 我们必须消除四个前进障碍：

　　1.迭代和快速行动

　　在我们生活的世界，“完美数据”这种说法越来越显得自相矛盾。不管数据是怎样编译的，您都可能无法连接到用于存储它们的源。数据还可能在某些关键方面并不完整，或者数据格式不利于进行深入分析。这些缺点在物联网应用程序中越来越普遍，因为人们尚未针对用于支持设备互操作性的标准和协议达成一致。

　　我们不能让自己的业务因为不良数据或残缺数据而陷入瘫痪，我们必须利用已有的资源，以迭代的方式寻找正确答案。在迭代过程中，我们学会将“合格”的数据与真正糟糕的数据分开。合格的数据通常足以定向性地回答几乎所有问题。此外，通过更好地了解数据缺口，我们可以获得更好的数据。这将有助于解决流程问题，进而改善数据的捕获和摄取方式。

　　您拥有的合格数据会持续进化和不断接受分析，从而创造价值，为良好数据提供进一步的动力和需求。人们开始看到价值，愿意通过投资让自己的数据变得准确可靠。此类“启动和学习”周期始于 Agile 方法，多家公司已在软件开发领域对这种方法进行了打磨和完善。我们相信，其应用领域同样应该包括物联网数据分析。毕竟，技术采用速度是首席执行官们最为关注的事情。

　　Boston Consulting Group 在 2015 年对来自顶尖创新公司的一千五百名 CXO 所做的调查明白无误地表明了这一点。BCG 高级合伙人及报告共同作者 Andrew Taylor 说，在此项调查以及与高管进行的后续访谈中，“不断出现的词是速度”。该研究发现，CXO 们希望对传统创新流程进行提速，以便快速开发产品和尝试想法。

　　要让组织获得速度，您需要快速灵活、易于部署的分析平台。这种平台应该能够让您测试不同的方法，并在分析过程中找出自己数据的缺点。应该不需要大量开发，以免您还一点见解都没能从中汲取，就心灰意冷地放弃了。

　　行业领先的供应链解决方案公司 Flex（又名 Flextronics）面临着类似的挑战。Flex正在不断加大力度，将自己从 PC、路由器和基础电子器件的低利润代工厂商摇身一变，成为推动物联网并为物联网服务的器件、传感器和工业设备的制造商。为了提高利润，Flex 需要通过更好地理解自己的物联网绩效数据，由此来降低成本和优化制造过程。还需要通过更快的维修和翻新，为客户提供无与伦比的价值。同时，Flex需要快速行动，以此避免受到亚洲大规模制造商的挤压，并在更为迅捷的初创企业中保持领先地位。

　　然而，由于其数据被锁定在“Excel 地狱”中或被复杂的企业商业智能平台隐藏在重重大门之后，Flex 曾经举步维艰。而现在，Flex 行动迅速，因为它已经过渡到了一个按需自助分析框架。这种自动化、标准化和可重复的报告框架可以削减数小时的无效时间并降低成本。团队可以放心地专注于为客户服务。用 Flex 高级分析主管Joel Woods 的话来说，公司经历了从“测量绩效到最大限度提升绩效”的过程。

　　2.通过交互实现更深层次的探索

　　我们都记得 2007 Apple WWDC 上，史蒂夫•乔布斯通过一段具有轰动效应的主旨演讲向全世界介绍 iPhone。在即将揭晓重磅产品前，乔布斯强调了革命性的新型“巨型屏幕”设计与现有按键手机技术之间的反差。这是一个巨大的进步，而他用以支持这项创新的理由非常简单： 每个应用程序都需要自己的屏幕，自己的 UX（用户体验）。用他的话说，按键的失败之处“在于按键和控件无法改变”。它们无法为每个应用程序改变；如果以后您有另一个很好的想法并希望将其添加到这个产品，它们仍然无法改变。”

　　这个理由在数据领域同样适用。我们人类天生好奇。一个问题的答案常常引出更多问题。我们看到的越多，学到的也就越多。正因为这样，您需要通过一款灵活的工具来根据自己不断发展的需求，以不同的方式对自己的数据进行雕刻和塑形。

　　不幸的是，多数物联网应用程序采用了一成不变的视图，或闭端式仪表板。它们只能回答预先设定的一套问题，用户无法得到更多帮助。例如，一个物联网应用程序可能会分析一个已损坏引擎的历史活动数据，进而预测引发故障的条件以及故障的出现频率。但如果我们想要向下钻取，分析最容易出现故障的部件又会怎样呢？ 我们可能想了解哪些工厂在何时制造了这些部件，或者哪些供应商出现的问题最多。这样又会如何？ 我们有无法满足的好奇心，如果我们无法超越最初设定的问题，积极性必然受到打击。

　　在很少的情况下，我们可以提出后续问题；然而，我们很可能需要迁移自己的数据或者为调整报告而陷入很长的开发周期。由于问题本身涉及对未知事物的探索，我们可能很难为大型 IT 项目的成本找到充足的理由。但如果不去探索，我们也不会知道自己本来可以了解哪些信息，或者错过了哪些机会。

　　那在不提供大型 IT 项目资金的情况下，我们如何从物联网数据获得见解和深度呢？答案就在于交互性。如果可以和数据交互，您就可以和自己的数据谈话。您可以探索各种排列方式，甚至可以发现意外的模式。

　　Mac Bryla 在探索澳大利亚记者 Will Ockenden 的元数据时有一些惊人的发现。在探索精神的驱使下，Will 获取并向公众发布了自己的数据，而 Mac 在区区 10 分钟内发现的东西却让他十分惊奇！ 以下可视化展示了 Mac 如何抽丝剥茧，层层递进。通过这个神奇的案例，我们可以看到，如果用户能够提出和回答他们自己的问题，我们可以做多么了不起的事情。这与在讨论成型之前，就对其进行限制的静态闭端式视图有天壤之别。

　　3.通过数据融合拓宽分析范围

　　互连设备以我们在几年前无法想象的方式改变了日常生活。在它们的数据中深藏着尚未有人讲述的故事。要探索这些故事，我们需要将物联网数据与更多的背景结合。Tableau 产品顾问 Kaj Peltonen 想要通过探索自己的 Fitbit 数据，寻找自己的健身方案与睡眠模式之间的可能联系。Fitbit 的自带仪表板仅能让他孤立地分析自己的健身数据。但他想在更广阔的背景中查看自己的 FitBit 数据。他想知道：

　　• 白天的体力活动如何影响自己的睡眠模式？

　　• 充足的睡眠是否会提升自己的表现？

　　幸运的是，Fitbit 允许您导出自己体力活动以及食物摄取、身体测量指标和睡眠模式的跟踪数据。（导出并不是理想的方式，但有时这是拓宽分析范围的唯一途径。）Kaj 很快就在 Tableau 中对这些数据进行了混合，并将自己的睡眠模式与日常健身方案相匹配。Kaj 了解到，一天的忙碌过后往往会有一夜的好睡眠（特别是星期一晚上）。

　　想象一下在商业环境中应用这种数据融合和自由探索的分析技术。喷射引擎中的嵌入式传感器可以帮助我们预测引擎何时需要维护。帮助我们防止故障，节省数十亿美元。但如果我们想要将这些节省的经费与各产品和各地区的预算进行对比，结果又会怎样？ 这可能会是一种很好的方法，能让我们的物联网投资与自己业务中的最大需求和机遇相符。

　　或者想象一家希望考察智能电网的公共事业公司。想象一下，电网的各个点都与互联网连接，从而让这家公共事业公司可以监控故障，防止停电。如果这家公司想要将资产性能和可靠性数据与负载需求数据相结合，以便进行容量规划又会如何呢？

　　如果这样，政府将可以实现能源的多样化，在常规能源的基础上添加可再生能源，从而顺畅地管理智能化和可持续的城市。对离散数据源进行即时混合的能力有助于回答这些问题。

　　新西兰公共事业公司 MainPower 就是这样一个例子。该公司分析了来源各不相同的多种数据（多数从地理信息系统提取），将所有资产映射到坐标上。通过融合数据，MainPower 可以找出数据收集不足或质量不佳的地方。数据现在显示在地图上，MainPower 因此能够找出有问题的区域并通过调整其工作流程，优先处理最紧迫的工作。这家公用事业公司突然找到了充分利用现有数据的方法。它可以看到如何将特定地理区域的不同工作组合起来，达到最高效率。这些新见解既节省时间，又节约资金。

　　4. 促进共享和协作

　　最后一点同样很重要，那就是我们必须能够以有意义的方式与他人轻松共享我们的物联网数据和见解。既然我们经历了数据收集和分析的艰辛过程，我们想要最大限度发挥数据的作用。人们很忙，缺少有效传递信息所需的时间。应该有工具为我们提供这方面的帮助。

　　交互性可以进一步放大分享的能量。例如，观看一个中型企业的运营经理如何能够迅速对会议室传感器数据（存储在 Datastax 仓库，利用 Apache Cassandra 数据库）进行深入研究，从而更好地了解办公楼的能源使用模式。他可以反复探索自己想问的问题和自己在深入研究的过程中遇到的问题。那就是交互性的美妙之处。

　　更重要的是，一旦他分享了交互画布，其他人就能找到更多有待提出的问题，探索新矢量。他们有自己的“顿悟”时刻。当他们讨论这些发现并找到共同线索时，团队的集体智慧会得到扩展，更多的未知因素会被发现，从而延续这种循环。

　　共享还可以帮助我们更多地从战略角度出发来发现问题。在启用物联网功能的制造车间，这可能意味着更积极地了解出现缺陷的原因、地点和工作环节，而不是单纯地为反复进行的返工、移除和缺陷修复花钱，天真地希望情况会得到改善。不久之后您就会发现，组织中的每个人都在积极参与以数据信息为基础的决策过程。他们发挥团队优势，以个人无法做到的方式减少浪费，改进流程。他们推动着变革。

　　当物联网数据开始为决策提供帮助，人们的需求从传递信号的新奇器件过渡到了能够彻底转变组织的功能载体。这就是我们填补“最后一英里”缺口的方法。这还只是冰山一角。只要我们能译解设备欲言之物，那设备指示灯亮起之际，就是兴味盎然之时。一旦我们看到和理解物联网数据，我们将能够为自己的幸福、自己的职业绩效和我们共同分享的世界做出更明智的决策。