Содержание
- Что такое традиционные данные и данные, генерируемые IoT?
- Различия между традиционной аналитикой данных и аналитикой данных, созданных IoT
- Заключение
Источник: Денисисмагилов / Dreamstime.com
вынос:
Анализ данных Интернета вещей требует совершенно иной стратегии, чем традиционные данные. Здесь мы рассмотрим, как обрабатываются два типа данных.
Существуют фундаментальные различия между подходами к обработке традиционных данных и потоков данных, поступающих от устройств или датчиков Интернета вещей (IoT). Статический или традиционный анализ данных - это линейный процесс, а анализ данных, сгенерированный IoT, - нет. Технологии и навыки, необходимые для анализа данных, генерируемых IoT, совершенно разные.
Важное различие между традиционными данными и данными, генерируемыми IoT, заключается в том, что последние могут доставляться в режиме реального времени, что имеет решающее значение для определенных отраслей, таких как банковское дело, телекоммуникации и защита. Статические данные, с другой стороны, не предоставляют данные в режиме реального времени, но все еще имеют большую полезность. Тем не менее, сгенерированные IoT данные уже давно находятся в центре внимания, и вокруг них много шума. Это, однако, не означает, что время традиционных данных прошло.
Что такое традиционные данные и данные, генерируемые IoT?
Проще говоря, традиционные или статические данные - это данные, которые не меняются. Позвольте нам понять это на примере. Вы заполняете форму, в которой вам необходимо выбрать штат проживания в списке. Список не изменяется, потому что число штатов в США не меняется (или, во всяком случае, с 1959 года). Теперь этот список состояний поддерживается где-то в системе, и, поскольку этот список не изменяется, можно смело утверждать, что данные не доступны или обрабатываются часто.
IoT-генерируемые данные - это данные, генерируемые датчиками, встроенными во взаимосвязанные устройства. В схеме вещей IoT каждое устройство будет иметь IP-адрес, чтобы оно могло связываться с другими устройствами, имеющими IP-адреса. Он может обмениваться данными, например. Теперь эти устройства могут быть подключены к серверу, который постоянно собирает данные с этих устройств. Например, на вашем смартфоне может быть установлено приложение, которое собирает информацию о вашем здоровье и передает ее на сервер, к которому может обращаться больница. Таким образом, вы можете представить количество различных данных, перетекающих на сервер каждую минуту. Данные постоянно и неуклонно меняются. Данные, генерируемые IoT, в некотором смысле также являются динамическими данными, потому что они имеют тенденцию изменяться.
Учитывая совершенно иную природу данных, очевидно, что подходы к хранению и обработке данных будут совершенно разными. В нижеследующих параграфах обсуждаются основные различия между традиционными и генерируемыми IoT данными.
Различия между традиционной аналитикой данных и аналитикой данных, созданных IoT
Поскольку оба типа данных различны, фундаментальные методы хранения и обработки должны быть разными. Данные, генерируемые IoT, вызвали большое внимание и похвалу, в той степени, в которой некоторые предполагают, что традиционным данным больше нет места в отрасли. Это неправда. Существенные различия между двумя типами аналитики обсуждаются ниже.
Вы не можете улучшить свои навыки программирования, когда никто не заботится о качестве программного обеспечения.
Традиционные данные могут обрабатываться с помощью стандартных языков запросов, таких как SQL, а аналитика может создаваться с помощью стандартных языков программирования. Не требуется никакого нового обучения для выполнения традиционной аналитики данных. Ситуация несколько сложнее с данными IoT, которые многие также называют большими данными. На сегодняшний день Hadoop является самой популярной платформой для обработки больших данных, но многие все еще сомневаются в этом. Запрос данных IoT - непростая задача, потому что технология еще не эволюционировала, и для того, чтобы сделать инструменты удобными для пользователя, требуются большие инвестиции. Природа данных IoT весьма отличается от традиционных данных, поэтому отрасль все еще находит способы получить хорошую аналитику при меньших инвестициях.
Заключение
Несмотря на их различия, традиционная аналитика может в некоторых случаях дополнять аналитику IoT. В некотором смысле данные IoT также становятся историческими данными через некоторое время. Несмотря на натиск IoT, традиционная аналитика данных не скоро исчезнет. Данные IoT и аналитика больших данных все еще рассматриваются предварительно, и существует большая осторожность. Отрасли требуется время, чтобы принять что-то новое, сложное и требующее инвестиций. Традиционная аналитика данных доказана и установлена, с другой стороны. Хотя это интересная ситуация, кажется, что через несколько лет IoT получит гораздо больше доверия, и компании собираются отказаться от традиционной аналитики данных. Чтобы это произошло, инфраструктура анализа данных IoT должна по-настоящему развиваться и найти признание. Изменения - всегда - медленный и сложный процесс.