随着低成本红外传感器、无处不在的连接性以及海量数据的兴起，“物联网”必将改变世界。我们都曾听说，到 2050 年，数十亿美元和数十亿的物品将组成此大趋势，但这并未反映全部的情况。与“物”本身的问题相比，开启物联网的真正潜力需要在更大程度上克服数据挑战。

对这些数据挑战最贴切的描述是“终点前最后一英里”问题，从通过设备、机器和远程平台来提取数据，到诠释数据，到驱动生产率和展现最佳性能，都是挑战。无论是互联的家庭或可穿戴技术或工业规模的解决方案，新数据收集和能深度理解及深层次研究所挖掘的公开信息之间往往存在脱节。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。

克服这些障碍、使物联网跨越终点有三个关键点。

1. 通过交互实现更深层次的探索

智能手机并不仅仅是物联网中的工具，实际上它们为物联网的障碍之一提供了一个著名的类比。当史蒂夫·乔布斯（SteveJobs）第一次向世界介绍 iPhone 的时候，他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和用户界面。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。”

这个理由在分析学领域同样适用。我们要求数据都有的图表和可视化视角–这对于构成物联网基础的海量传感器数据尤其如此。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。

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，从而使用户可以根据用户或机构的需求以不同方式进行数据造型和建模。

交互性、可研究性和共享性是使物联网数据有用而无需庞大数据项目的关键。理想情况下，用户将能够与他们的数据和其他数据探索进行随意且深入的对话，使他们能够发现各种排列，甚至有时发现他们未知的存在着的模式。

例如，您也许可以使用一个观察故障引擎、燃气轮机或机车历史活动数据的 IoT 应用程序，以预测失效条件及故障发生频率。但是，如果您想知道故障次数最多的零件或了解是哪个工厂、什么时候生产的这些零件或了解是哪些供应商造成的问题最多，这时，交互性和共享性就起到关键作用。

2. 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。

让我们从一个消费者案例开始：您想要梳理您的 Fitbit 数据以确认您的运动养生和睡眠模式之间是否存在可能的联系。您希望知道：

●  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？

Fitbit 的本地仪表盘只允许您分析健康数据。但是如果导出数据，您就可以将这些信息与其他信息结合，比如追踪您身体活动以及食物摄取、身体量测和睡眠模式的数据。导出数据这一方法可能并不理想，但有时这是扩展分析范围的唯一方法。

目前，事实上人们不再通过整合不同的数据来估测企业级的决定。内嵌在喷气发动机上的传感器可帮助我们预测何时需要维修。它能帮助我们预先避免故障从而节省数十亿美元…例如，通过将其与产生的信息整合，其有助于我们按产品和地区分别了解较之预算的节约额。

3. 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，并帮助我们更进一步接近物联网的终点。