基于大數(shù)據(jù)的BI軟件問題是它們本身總是被動而且靜態(tài)的。雖然這種后發(fā)型的事件分析本身很好，但是對公司來說怎么樣去實現(xiàn)實時洞察從而進行管理呢？

最近一份來自于數(shù)據(jù)分析供應公司GlobalData的調(diào)查顯示，物聯(lián)網(wǎng)從業(yè)人員依然嚴重依賴于傳統(tǒng)的BI軟件。該報告總共調(diào)查了1000名受訪者，其中大約有40%的人認為BI平臺優(yōu)于其他的數(shù)據(jù)分析方式。

不幸的是，全能型BI軟件平臺已經(jīng)可以被其他的分析方式所取代，這些分析方式更小而且還能通過更多的方式傳遞公司數(shù)據(jù)的價值。這些新方式可以是一個直接的SQL查詢、一個預測性的數(shù)據(jù)建模器、一個自動生成數(shù)據(jù)的可視化探測器或可提供實時觀測的交互式儀表板。用戶將愈發(fā)依賴于復雜的查詢與報告的基本模式，而BI軟件往往是被動而靜態(tài)的，這將不利于企業(yè)進行系統(tǒng)的建立和維護。

在物聯(lián)網(wǎng)中，公司需要將重點放在業(yè)務基礎的優(yōu)化方面，而不是觀測的創(chuàng)新。不過公司往往會抗拒這一點。這種抗拒與物聯(lián)網(wǎng)倡導的BI平臺模式背道而馳，調(diào)查顯示隨著時間的推移，很多的物聯(lián)網(wǎng)部署以失敗告終。2016年，沒有公司在物聯(lián)網(wǎng)部署后出現(xiàn)失敗。但是到了2017年， 失敗的比例已經(jīng)上升到了12% 。 調(diào)查顯示，在物聯(lián)網(wǎng)部署之前的失敗或項目被拋棄的主要原因是部署和維護的成本問題。

不過，另一方面，令人振奮的是，調(diào)查發(fā)現(xiàn)， 近70%已經(jīng)實施了物聯(lián)網(wǎng)方案的公司表示，他們的物聯(lián)網(wǎng)項目已經(jīng)達到了他們投資回報預期 。 AI或許可以解決物聯(lián)網(wǎng)問題，因為它可以證明優(yōu)化現(xiàn)有業(yè)務流程將體現(xiàn)物聯(lián)網(wǎng)價值。即使是使用簡單的AI機器學習框架與模型，物聯(lián)網(wǎng)從業(yè)人員都應立刻解決兩個問題，檢測出異常情況和對結果做出預測。

注: 五個收益一依次為提升運行效率、減低成本、提升現(xiàn)有產(chǎn)品及服務營收、提升新產(chǎn)品及服務營收和提升觀測與決策制定。

調(diào)查顯示，企業(yè)買家希望提高運行效率。 43%的受訪者認為，AI將最有利于其業(yè)務流程的自動化和優(yōu)化。

集中化是傳統(tǒng)BI分析、報告和預測建模的特征，而AI最有用的一方面就是其進行前沿技術的部署。物聯(lián)網(wǎng)部署應該使用像機器學習這樣靠近設備本身的工具。

任何分析工作都應該是簡短的，并專注于解決具體的挑戰(zhàn)。物聯(lián)網(wǎng)買家需要獲得集中化以及全球業(yè)務的可見性，但也需要通過AI以實現(xiàn)本地的優(yōu)化。雖然這樣并不能解決所有的問題，但是這樣既可以使成本達到公司承受范圍之內(nèi)，又能為公司帶來直接正面的影響。因而公司不必去建立昂貴的集中性整體分析系統(tǒng)就可以從物聯(lián)網(wǎng)中得到價值。

GlobalData全球IT技術和軟件服務總監(jiān)Brad Shimmin表示：“至少在項目開始時， 物聯(lián)網(wǎng)從業(yè)者應該強調(diào)戰(zhàn)略分析洞察力的戰(zhàn)術利益，作為證明投資回報率和保證未來業(yè)務投資金的手段 ”。

9月14日AWS誠邀志同道合的合作伙伴蒞臨大會現(xiàn)場，和AWS共同探討云計算和SaaS在架構、技術和業(yè)務創(chuàng)新的融合，一起攜手躍上云端，統(tǒng)領未來！