物联网分析不应是事后诸葛亮

　　物联网的蓬勃发展导致了在物联网应用背后云应用所处理和存储数据量的显着上升。企业架构师们需要积极主动地使用这些应用背后的API以便于保持竞争优势，Forrester研究公司首席分析师Mike Gualtieri在旧金山召开的WSO2大会上如是说。这将让物联网分析过程变得更为简便，从而改善客户体验并创造新的商业价值。

　　“我们的分析显示，企业用户只是使用了他们所拥有数据中的12%用于分析，” Gualtieri说。“数据的更新变化速度是相当快的，但是由于某些原因，大多数的分析工作都是事后进行的。这就是商业智能描述心态的一个作用。我不是说你不需要做这项工作。但是，现在你需要期待具有前瞻预测性、能帮助理顺关系和能够解释其中缘由的分析。”

　　大部分的商业智能(BI) 应用一直都重点关注在结合数据仓库、收集并分析信息的工具。这种方法能够在战略层面上起到帮助引导企业的作用，但是它在战术层面上对于提高企业运营的作用就显得微乎其微了。

　　像一个风险投资家一样思考问题

　　“物联网分析不再是发生在应用体系架构之外的事，”Gualtieri说。“它成为了你的应用基础设施的一部分。所以，需要有一个先进的分析引擎，它将成为您的应用基础设施和平台的一部分。”

　　目前的前瞻性分析工具是相对不成熟的，很多企业组织都不知道应如何从中获取价值。因此，企业架构师们需要想出新方法，应如何灵活地把这些前瞻性分析工具链接在一起来测试新的业务流程。“企业需要像风险投资家那样思考问题，他们会向很多小型企业或应用进行投资，”Gualtieri说。“对于希望在投资前了解投资回报的企业来说，这是一种截然不同的思考方式。”

　　使用它或者放弃它

　　可以在事后使用数据仓库技术把传统BI应用链接起来。但是，前瞻性分析工具需要融入应用及其API才是有效的。诸如心率传感器、活动跟踪器以及汽车传感器这样的物联网设备正在产生大量可被新应用使用的数据。

　　例如，Spotify公司于近期推出了一项新功能，它可将歌曲与用户的跑步节奏相匹配。其他的开发人员正在寻找可以使用来自于汽车的轮胎打滑数据的应用，从而向其他司机提醒危险道路条件。

　　与利用实时数据相关的挑战之一就是，数据本身有着一个有效期。例如，根据GPS数据向客户发送优惠信息的应用服务是具有一定价值的，但是如果是在用户离开相关区域之后再发送，其意义就不大了。与之类似，欺诈检测算法的实际价值往往是事先远大于事后。这些类型的用例需要实时分析能够在严格定义的框架下触发业务流程。

　　“前瞻预测分析要比传统的事后历史数据分析要有价值得多，” Gualtieri说。“大多数企业并不重视前瞻预测分析。这些分析的问题在于大多数企业努力让这些分析变得更具可操作性。而移动性和物联网正在改变这一切。你必须将分析纳入你的应用之中。”

　　开发一个前瞻分析工具链

　　前瞻分析就是指使用数据来发现模型的工具和技术。这些模型能够以一定显着精确的概率来预测结果。它们不预测未来。一个好的预测模型能够推荐产品和改善客户消息。

　　流程分析是用于捕捉前瞻预测的实时组件。它拥有一个较大的技术范畴，其中包括了用于过滤、集合、丰富和分析高吞吐量数据的复杂事件处理功能。在实践层面，实时意味着随用例不同而不同的业务时间。金融交易对实时的要求可能是微秒级的。而欺诈检测则只需要毫秒级就可以了，对于一个推荐引擎来说，半秒钟的延迟就足够满足其应用需求了。

　　规范性分析是指用于触发业务规则和业务流程以响应分析数据的工具和技术。这些工具和技术可以让企业能够实施那些实施响应数据的新业务流程。

　　分阶段的分析服务

　　新的WSO2物联网平台包括了一个数据分析服务器，其中有可被纳入物联网应用的商业智能和实时模块。它包括了一个复杂的事件处理模块，该模块代码约为2MB左右，可被推送至物联网网关和移动手机中运行，当然也可以在云中运行。这就让企业架构师们能够为物联网分析应用探索新的应用体系架构。例如，一个家庭监控应用就可以把电力线信号的实时电流转换成为与设备使用相关的离散事件。

　　在其他的应用中，把数据推送到云中进行计算将更具有意义。WSO2的云产品副总裁Dmitry Sotnikov表示，“在云中进行数据分析的意义非常重大，其理由如下。尖端技术的维护成本非常昂贵。诸如Arduino之类的物流网设备CPU并不具备较强的处理能力。此外，你还需要汇总数据，这样你才能实现跨多个客户的数据分析。”