剖析：物联网资料分析该怎么做？_装置

互联网资料分析大家都讨论的太多了，但是对物联网资料分析而言，却讲的太少。本文笔者将从对物联网资料进行分类出发，讲述：如何进行物联网资料分析？

在网上查了查，关于互联网资料、业务资料分析的文章比较多，但是关于物联网资料分析的文章几乎找不到，于是萌发了写一篇专门讲解物联网资料分析的文章，作为自己工作经验及方法论的覆盘，同时也期望能够对各位童鞋有所启发。

一、引言

《深度剖析物联网服务结构如何构建》的朋友应该比较清楚的知道：物联网服务究竟是如何运转的？包含哪些要素？每个部分起什么作用？如何运转？有哪些关键技术或者技能？

从感测器->装置->闸道器->服务器，整个路径能够很好地实现将资料采集到物联网平台，但是为什么要对这些资料做分析，如何应用这些资料，如何做好资料分析呢？

1. 什么是物联网资料

基于我们对于物联网服务构建的基础我们可以知道，物联网资料资料主要是指感测器和装置发过来的资料。这些资料一部分是对现实环境引数的采集值，一部分是装置的一些常规资讯值，比如：状态、故障资讯、错误程式码、执行情况等。

物联网资料在任何情况下都会产生资料，无需人为参与就不会不断涌现出新的资料，其资料量远远大于传统业务系统的业务资料。

如果单纯的按照资料变化来对物联网资料进行分类，我们可以分为：静态资料和动态资料。

1）静态资料

指感测器或者装置的一些属性性质的资料，不增加新装置的情况下，不伴随时间的变化而变化，也不会随着时间的增长而增长。代表性的资料是装置ID、装置地址等，这种资料采用结构型、关系型数据库储存。

2）动态资料

指随着时间周期会发生变化的资料，每个资料都与时间值有对应关系，资料采用时序方式进行储存，资料量非常大，并且采集越频繁资料量越大。

其不仅仅会随着装置数量增加而增加，还会随着时间增加而增加。这样的资料通常情况下，我们会按照一定的时间进行删除，否则资料量会过大。根据一些行业的要求，通常情况下储存的年限设定在3~5年，具体的没有明确要求，关键是看自己所处行业的要求进行自行设定。

2. 为什么要做物联网资料分析

如果物联网只是负责采集一堆感测器和装置发过来的资料，那就只不过是一堆庞大的资料聚集在一起，产生不了实际的价值意义。

然而，在实际实践中我们可以发现，物联网资料非常有意思，经过分析我们可以利用感测器或者装置资料，清楚的知道装置的执行情况以及现实环境运营的趋势，帮助作出预判和提前作出响应。

比如：利用物联网的资料可以有效预判机械的故障，减少因为装置故障而带来的工作耽误。根据装置上传的装置状态资讯值的变化，以及特定感测器采集的引数，就可以监测预判发生故障的概率，同时提前做出响应。这样就能够把一个物联网服务从一个单纯的资料采集，上升到一个能够不断创造附加值的服务层面。

同时，基于采集的资料的分析的运营，还可以重新构建企业新的运营模式，部分内容可以参照我的另外一篇文章《物联网技术如何助力企业转型升级》的相关阐述，整体来说物联网资料分析在新形式下的应用将会极大助力企业转型升级。

3. 物联网资料能做哪些方面的应用

物联网资料能够帮助我们做哪些方面的应用呢，总结下来可能主要有以下几个：

基于此呢，我们基本上算是给大家说了一个基础的铺垫了。那么接下来，我们就要本次分享的重点了，我们来看：如何进行物联网资料分析，有哪些方法论，具体怎么实操呢？

二、资料分析准备工作

如果把资料分析比作炒菜，那么我们首先得准备一些原材料，那么对于资料分析，我们应该做哪些准备工作呢？

1. 资料采集

资料采集顾名思义就是采集我们需要用来做分析的资料，同时将这些资料以特定格式储存下来。通常情况下，资料分析会基于历史累计下来的资料，如果数量大，可以使用一些大资料工具进行处理，比如常用的Hadoop等。

资料采集的方式及过程，我们就不多说了，直接参照之前的文章，基本上就可以知道资料采集的流程及处理的过程。

2. 资料积累

资料积累就是将有用的资料储存下来，方便管理和提取。资料积累会用到数据库，这个在我们上一篇文章也有体积，不仅仅是结构化资料的关系型数据库，还有键值储存数据库等。

3. 资料预处理

资料预处理就是对资料进行加工，剔除没有用的或者异常的资料，提取有用的部分的资讯，对数值进行处理等等。对资料进行必要的处理，形成汇集分析用的资料集，就是资料预处理的目的。

三、资料分析方法

基于资料应用的用途考虑，我们将资料分析方法姑且分为统计分析法和机器学习法。

其中统计分析法主要是依靠分析师手工进行分析，基于一定的目的提取资料，并进以各种形式进行展示。机器学习法呢，就是说的比较多的人工智能，主要依据对以往资料的学习，来推断未知的资料或者状态。

1. 统计分析法

统计分析其实还真没太多的需要说的，就是基于统计结果做呈现，用各种形式表示出来，达到直观呈现的目的。

如果按照步骤来讲，那么主要是以下几个步骤：

step1：决定你的资讯

根据你手里面的资料，明确你想要的表达的具体资讯是什么；

step2：确定相对关系

你确定的资讯在一定程度上讲主要包括5种基本类别中的一种，成分、专案、时间顺序、频率分析及相关性；

step3：选择图表形式

每一种相对关系都可以引汇出相对应的图表形式，常见的图表形式包含：饼图、条形图、柱形图、折线图、散点图，当然不是特别完整哈，我们只是列举。

下面我们来举一个例子，说明一下具体的使用：

比如家里面的智慧燃气表采集了用气的资料，那么我们就可以用图形表示一定时间内用气量的变化，从而直观的掌握用气资料的变化趋势。

2. 机器学习法

机器学习主要是指：基于大量资料来学习资料的倾向，从而做出某些判断并执行对应的“动作”。

机器学习和资料探勘是同根同生，二者都是基于资料进行某些推测和判断。统计分析法是是对采集资料进行呈现，资料被视为无机的数值，属于表层的资料分析。机器学习分析法主要是从资料中提取更复杂的倾向、规则、结构等资讯，采用数学公式和规律模型来表现倾向。

说机器学习法之前，我们首先来说一下资料学习的型别，我们分为“规则学习”和“非规则学习”两个类别。

规则学习主要是指资料的答案是明确的，机器只需要将新的资料与正确答案进行比较即可做出判断。非规则学习则没有既定的正确的答案，需要根据资料的整体倾向然后找出异常值。

举个例子：我们将某一装置的故障值范围设定为12~28，直接基于这个范围就叫规则学习。而如果没有范围，那么就需要采用一定的演算法让机器区分资料倾向，并且正确调出异常值了。

下面我们直接举几个例子，透过例子来理解应该来讲是更加直接的：

命题一：通过感测器采集到的资料，判断机器故障的原因。

对于这类问题，需要先定义清楚资料时非故障机器的还是故障机器的，然后再通过对比资料差异化找出因果关系最后形成判断依据，让机器具备判断能力。

命题二：通过各种因素因素来预测交通量。

说到预测分析，那么对于交通量的预测无疑是比较有意思的，通过感测器在一定的持续时间范围内对某条道路的交通量进行采集。

然后，再通过星期数、天气、时间段等因素的综合分析计算，那么就可以形成一套计算方法，并且在某一段时间内运用计算值与实际值进行对比，不断修正演算法，就能够较为精准的预算某一天的交流通量，比如：交通量=a*星期数+b*天气情况+c+……

四、总结

关于物联网资料分析其实是与互联网资料分析有些相似的基础知识的，所以我们没讲那么多。

分析是基础，对于资料的应用的才是关键。具体对资料咋个应用，需要对行业和客户有较为深刻的理解，那么就需要我们产品经理户或者资料分析师对行业及业务非常的了解，然后再根据物联网资料特性制定相关方案，解决实际的问题。

作者：Kent，微信公众号：Liuke2019

本文由 @Kent 原创释出于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议