M2M和連接設備最近很受歡迎，這要歸功于一個相對較新的綽號——“物聯網”。但它的流行絕不僅僅是因為這個名稱很新鮮。

　　每臺機器都有生成數據的能力，這些數據被設備自行存儲。迄今為止，我們關注的焦點還是設備或系統之間的數據傳輸和共享。據Machina研究，到2022年，將有18億M2M連接，并且以每年22%的增長率增長。

　　企業對M2M的投資主要是為了遠程監控和遠程設備診斷。然而，他們一直不愿在用于趨勢預測分析的數據倉庫和分析解決方案方面多作投資，因為傳統的數據倉庫解決方案昂貴又費時費力。現在，大數據在云計算中的可用性使得企業無需龐大的前期投資也可以獲得巨大的投資回報率。

　　雖然大數據用例圍繞數據數量、種類和速度不斷增長，但是云計算卻更側重于標準格式的低字節數據傳輸和更小的磁盤I/O速度。考慮到云計算中可用的大數據技術，最終還是M2M分析更勝一籌。

構建大數據M2M分析前的注意事項

　　然而，M2M確實帶來了不小的挑戰。各種M2M的分段、應用和設備，以及動態和不可預測的流量，對低延遲和實時性的要求，當創建一個低成本、高吞吐量和數據安全的解決方案時，這些都是不可小覷的問題。

　　要克服這些障礙，并構建一個M2M的分析解決方案，企業開發團隊必須作好在云中如何最好地利用大數據技術的準備。

M2M分析需要創建的模塊

大數據分析工具下載>>

數據可視化工具下載>>

了解M2M分析需要什么

　　第一個重要的步驟就是明確創建M2M分析方案需要的理由。找準目標用戶，并確定方案能夠給他們帶來什么樣的好處，然后確定具體的業務用例以定義分析解決方案的范圍：

• 實時遠程監控M2M應用程序的數據。
• 分析機器日志以按需優化性能或找出消費者問題的根本原因。
• 使用趨勢和預測分析對未來可能發生的機器故障進行預測。
• 根據使用記錄建立一個推薦引擎，為消費者推薦新產品、服務或計劃。

決定數據源和目標

　　確定數據源以完成數據收集和分析，并為目標用戶建立數據輸出的可視化層。在這個階段，需要重點考慮的是安全和合法性方面的問題。在M2M中，這些數據源有半結構化或非結構化的，他們來自機器、或包含日志的傳感器、語音數據、圖像、視頻、電子郵件等，以及其他一些結構化格式的ERP和CRM中的客戶信息、使用情況和設備記錄。

　　在確定數據目標時，想想數據存儲的原材料、豐富和聚合數據的存儲和保留策略。存儲的數據應該可以使用標準的API，可讓與故障管理、警報和通知系統無縫集成。

選擇大數據平臺

　　M2M通信（包含大量傳感器、圖像和視頻數據、機器日志）和傳統的數據倉庫將對自身的擴展能力和成本效益進行測試。大數據技術提供建立起一個完整分析解決方案的技術和平臺。選擇一個大的數據平臺時，要牢記以下幾點：

• 大多數的開源技術是依賴社會的支持和文檔。
• 在內存中使用高度分派處理技術，以減少磁盤I/ O。
• 評估數據分析和改造的工具，以清洗原始數據，然后再加載到大數據存儲。這一點尤為重要，因為大數據具有海量的結構化和非結構化的數據。
• 分析解決方案可能會需要連接不同的數據源和目標的能力，所以你要選擇內置連接器的技術，以實現廣泛的前端查詢和可視化工具，再加上后端數據收集和加載。

部署云基礎設施

　　使用大數據構建M2M分析解決方案對需求和靈活的容量配置要求更高，這些要求可以是短期的。為這些要求添加新的數據中心或硬件是昂貴的，這正是為什么選擇云計算作為構建和部署M2M分析的原因。當進行部署時，請遵循以下幾點：

• 為每個事務的數據傳輸到云中進行存儲和分析建立API。
• 將M2M數據存儲在企業系統或本地數據中心中，然后將整個數據集分批復制到云中。雖然這可能導致高延遲，但確保了企業數據更多的控制和更安全的環境。
• 將M2M數據存儲企業系統中中，并做到通用，在內部部署（on-premise）的環境中一天天的分析。

　　混合云是M2M分析的理想選擇，因為他們需要高度安全的個人客戶數據和公開的人口普查分析。

　　與此同時，可以考慮使用公共云搜集公開數據，并發布數據分析后排在最前面的消費應用和可視化報表。

非功能性方面的思考

　　當決定如何最好地利用大數據進行M2M分析時，注重整體性能、可擴展性、可靠性和可用性的要求是至關重要的。

 　　總之，收集來自多個企業的數據分析平臺，構建多租戶模型。專注于為消費者和企業應用提供物理數據庫和邏輯隔離，不要忘了定義數據保留策略（這是一個決定所需容量的必要步驟）。至于安全方面，只需考慮數據保留期限和關鍵性的數據。在網絡數據傳輸和訪問數據報表時定義存儲中的數據的安全策略，不過網絡安全可能會導致支出增加。

擴展閱讀：

• 揭秘圖表報表行業最流行的五大數據可視化工具
• 數據挖掘和分析最佳編程/統計語言評選
• 大數據分析常見的9種使用價值
• 數據可視化工具FusionCharts讓你工作游戲兩不誤
• 至即將到來的Dundas Dashboard v5–大數據