物聯網商業模式依賴于數據分析。從應對緊急情況到大量歷史數據中的辨別模式，物聯網業務可以通過各種方法獲得洞察力。盡管數據在創造新業務價值方面發揮著關鍵作用，但企業通常沒有可靠的策略來管理數據。

數據增長和物聯網問題

近年來，數據增長呈爆炸性增長，63%的企業管理50PB或更多。使數據管理挑戰更加復雜的是每年數據增長的瘋狂步伐 - 有時高達40-50%。這種增長在管理成本和有效管理數據方面造成了巨大挑戰。在最近的調查中，51%的企業承認他們的備份基礎架構(例如磁帶備份)跟不上數據增長，并發現數據遷移是痛苦的。缺乏有效的備份和增長管理策略可能非常昂貴。停機成本昂貴的范圍在每小時5萬至5百萬美元之間，并且可能導致無法估量的聲譽損失。更重要的是，當數據無法恢復或無法用于分析洞察時，機會成本可能會導致顯著的競爭劣勢。

物聯網應用程序中的數據流如何

在設計有效的數據管理策略之前，了解如何使用收集的數據非常有用。在典型情況下(圖1)，網絡邊緣的傳感器和控制設備不斷收集數據，網關將數據傳輸到內部或公共云。收集的數據需要根據訪問頻率進行快速評估和分類。例如，將頻繁訪問關鍵警報數據以確保修復已到位并執行站點級別操作，而收集的符合法規要求的日志/例行數據需要存檔，并且只能通過例外訪問。

近來，隨著機器學習和人工智能算法的出現，歸檔數據 - 通常被稱為“冷數據” - 已經成為培訓算法和設計新見解的寶貴財富。數據管理利益相關者必須平衡所收集數據的當前和未來效用，并評估哪些數據將處于“冷”存儲中，哪些數據將隨時可用。

物聯網數據的實際使用情況

收集的數據類型也是確定存儲策略的重要因素。在這里，物聯網應用和行業發揮了重要作用。表1列出了四個垂直行業中的一些數據收集方案以及可由數據驅動的洞察力。

您應該利用數據存儲需求的解決方案

數據存儲范式的形式斑點非結構化和二進制數據，數據湖泊進行大數據分析，文件共享，為表架構少NoSQL數據等都是重要的考慮，因為在數據戰略決策。

數據管理解決方案

如果應用程序主要生成二進制和非結構化數據，那么找到保存，存檔和備份數據blob的最有效方法變得至關重要。同樣，如果分析正在關聯結構化和非結構化數據，則需要采用正確的數據湖泊方法。

確定數據管理策略的另一個關鍵因素是數據采集速率，從而提高收集數據的增長率。高頻率的小尺寸數據添加(例如：文本數據)可能與偶發的大量數據添加一樣成問題。此外，HD圖像數據饋送或圖形數據的存儲和不斷存檔可能特別昂貴。根據數據收集的頻率，所需的歷史數據量以及數據存儲成本來實現業務需求，這對于實現可持續的數據管理戰略至關重要。

數據安全解決方案

隨著數據的性質和數據的使用的確定，數據的安全性成為最重要的。由于數據的價值和合規性方面變得突出，因此必須確保數據安全。無論是選擇DIY選項還是選擇商業選項，保護數據都是至關重要的，因為未經授權的數據訪問可能會產生代價高昂的后果，如聯邦快遞，Target等幾處備受矚目的違規行為所證明的那樣。同樣，在發生故障或中斷時不會丟失數據也很重要。當然，備份和恢復過程的定期測試是最佳實踐。

在網站存儲與公共云

也許云時代最重要的考慮因素是決定在本地或公共云中托管數據。雖然只有真實地核算復雜性，控制權，總擁有成本和任何固有的傳統轉換成本，才能產生優勢，可以產生客觀的評估來推動決策。內部部署基礎架構為組織提供了更多控制權，但需要技能，資源和強大的成功流程。更重要的是，運行現代企業數據中心所需的廣泛功能可能非常重要。設施管理，電力和電力基礎設施，IT采購，管理人員以及對用戶的全天候支持可能成本很高。然而，可能存在基礎設施控制的情況，

外部公共云或共同定位的基礎架構即服務(IaaS)模型將計算存儲視為組織可按需采購的服務。這創造了極大的靈活性，并將IT資源集中在增值上，并消除了管理基礎架構的麻煩。用于備份，恢復和按需可擴展性的強大機制為不斷發展的企業提供了可擴展的數據管理基礎架構。

結合內部部署和公共云基礎架構的混合環境越來越受歡迎，因為它們可以克服與控制和專有問題相關的利益相關者問題，并提供靈活性和按需擴展。利益相關者也喜歡云供應商提供的安全和備份選項。

為了做出有效決策，徹底的總體擁有成本是非常寶貴的。概述基礎設施管理的各個方面，隨著利益相關者評估選項，與規模和靈活性相關的機會成本非常重要。