物聯網的相關機會豐富起來，一般而言，這些機會已經可以用于實踐了。

懷著同樣的心情，我們為2017年分享五種物聯網解決方案，這是讓你的企業步入物聯網成功道路的起點。

1．捕獲新的數據源

每天，公司從與客戶和供應商的互動中捕獲數據，還能獲得基于經濟、天氣、社交媒體等的第三方數據。下面講述如何獲取這些數據：

找到一條全新的數據流

為你的企業設置相關計劃，找到一個新的數據源。比如，一些工業設備可能已經有能力輸出信息，但是現在信息可能還沒有被捕獲到。或者可用的公共數據可以容易地集成并與當前信息相關聯。

結構化現有的數據流

你可能有一個現存的非結構化數據源，但當前的形式不是特別好用。那么充分結構化當前的這份數據以使它易被企業其他人訪問，從而帶來新的視野。

容易的機會

觀察流行的消息隊列，諸如Apache Kafka，從而為消息流建立交通樞紐。

通過查看哪些信息可從現有工業設備中捕獲，來深入鉆研工業物聯網。

2．審視一項新應用

頭腦風暴出一項新應用，能交付出新的客戶利益或者操作效率。選擇包括：

一項新的移動應用。

一項用戶體驗推進，通過投遞更加精準和相關的信息實現。

針對客戶和互聯網商業的省時工具。

當開展計劃并實施時，問問你自己：

什么樣的數據源組合能提供最大價值？

這項應用能受益于實時數據嗎？

我可以移動到一個推模型，而不是一個拉模型的應用程序交互性？

3．建立一個物聯網分析應用

基于對現有或新數據的最新觀察的分析幫助業務向前推動?？紤]將現有的機器學習模型應用到現存工作流上，或者將模型應用于新的即將到來的物聯網生成的數據流上。

比如，許多機器學習模型或者在較早的談話統計模型中，可以用預測模型標記語言或PMML來輸出。

具體來說，諸如SAS導出模型到PMML的工具可以直接集成到實時管道中。像Apache Spark這樣的現代轉換層和像MemSQL這樣的分布式數據庫可以本地托管這些模型，從而可以實時記錄傳入的數據。

架構師可以擴展當前流行的函數庫（例如MLlib和TensorFlow），以使用這些工具創建預測分析應用程序。

4．確保正確的基礎數據架構

成功的IoT部署需要從邊緣數據收集一直到數據中心。像OSI Software提供了一款收集工具，可以幫助你將數據輸入你的管道。

一旦進入數據中心，一個共同的架構涉及到集成以下層。

消息隊列

在消息層，Apache Kafka和AWS Kinesis是聚集數據流的常用選項，連接信息的產生者和消費者。

轉化

大多數數據管道需要將數據從捕獲時的狀態修改為其長期持久性狀態。轉換分片模式，以便數據可以在轉換層進行正確分類。

數據持久性

最準確的預測分析模型涉及實時和歷史數據，因此能夠持久保留數據，包括隨時的記錄，設置適當的上下文。

實時儀表盤

對于快速可視化當前數據沒有什么比實時儀表板更能讓人驚喜的了。受歡迎的商業智能儀表板（如Tableau、Zoomdata或Looker）以及使用D3．js等框架的自定義儀表板，均能允許公司提供對新數據的廣泛訪問。

5．為企業設置物聯網成功的模型

毫無疑問，數據在當今的商業環境中扮演著更重要的角色，每個人都在爭相“轉型”。新的CxO角色，如首席數據官和首席分析官，使得這一切變得更加明顯。

去年年底，Gartner估測25％的大型跨國企業已經雇傭了一個首席數據官。到2019年，Gartner預期此數據會達到90％。

此外，Gartner看到了高級分析的興起：

到2018年，Gartner預測，超過一半的大型組織將使用先進的分析和專有算法進行競爭，破壞整個行業。這反過來又受到激增的設備、連接的“事物”、連接性和計算能力所驅使，所有這些都創造了更多的機會來收集數據，分析數據，并可能實現貨幣化。

從來沒有比現在更好的時機來開啟你的物聯網架構規劃。