如何让大数据为你所用？

这是被大数据改变行业的时代，这是被大数据压垮行业的时代。

如今，各行业要真正进入被称为工业4.0的混合物理/数字环境，就需要克服大数据带来的问题。幸运的是，边缘计算方面的进步已经能将大数据变成智能数据，以减少数据量，并提高做出关键决策的速度和能力。

什么是大数据？

大数据最好的定义并不是有多大的数据量，而是如何处理这些数据才能让其发挥作用。大数据就是当你无法再处理和充分使用这些数据来实现目标时，所拥有的数据。

工业物联网(IoT)系统中部署的传感器和其他数据源数量的快速增长，无疑将使产生的数据量保持继续快速增长，最终会超过移动和处理这些数据所需的网络、算法和处理能力的发展速度。

工业4.0和大数据。

工业4.0和IoT的基础就是越来越多地生成和使用大量数据的智能机器的互联。目标是能够对变化的条件、意外错误和新目标做出反应的响应过程。

如果数据传输很便宜，速度无限快，云服务器也很便宜，能够在不增加成本的情况下增加容量，那么我们或许可以传输所有的数据，在云端进行所有的计算，然后将所有的决策回传到各个设备。

但数据传输的成本会随着数据量和距离的增加而上升。而传输速度的物理限制加上计算时间，会导致不可预知的延迟。大数据很容易成为昂贵且缓慢的数据，成为一种负担而不是竞争优势。

从大数据到智能数据。

避免大数据变成一种负担的一个关键方法是，在大数据创建之初就对其进行清理、过滤和情境化处理，从而在将大数据用于其他用途之前将其变成智能数据。智能数据的量要远小于产生它的大数据，而且其结构方式可以最大程度减少所需额外计算时间。

智能数据有时也被称为对人“有意义的数据”。但是提高数据质量并减少数据量后，受益的不仅仅是人。本身计算能力有限、数据需求非常特殊的智能设备，使用智能数据时可能也会有更好的性能。

边缘计算——最重要的智能性。

各种高功能的传感器、传感器网络、网关和其他智能设备的发展，意味着大量的数据可以在网络边缘处理，也就是这些设备运行的地方。

因为这样的智能数据不需要传输，也不需要额外的处理，所以它可以在其生成的地方使用，非常适合做出对时间敏感的决策。这个边缘离中心越远，所需决策的时效性越强，边缘计算和智能数据就越重要。远程石油和采矿作业、铁路和其他运输网络、风力涡轮机、自动驾驶车辆和分布式制造设施都将越来越多地依靠边缘计算来管理资产和维持运营。

与此同时，我们仍然可以将合适的智能数据上传到云，然后结合其他各种数据进行分析，用于优化全局运营、跟踪整个网络的性能变化，并发现问题的预警信号。然后这种更深层次的理解可以细化在边缘进行的决策制定过程。在一个不断自我完善的系统中，边缘和云都有自己的位置。

智能数据实现了操作的可视性和控制。

边缘计算产生的智能数据还可以让运营人员更清晰地了解他们管理的实时情况，从而影响其他决策的制定方式。那些对工作机器理解最深入的人，将能更好地掌握发生的情况。

你将能够跟踪拥有的所有设备、传感器、读码器和其他设备，并根据需要提供和升级它们。它们虽然数量巨大，但实质上它们可以互相监督，所以不会出现单点故障，也能在问题影响运营之前提前发现问题。

运营技术(OT)和信息技术(IT)将日益融合，而边缘计算是实现这种融合的主要途径。虽然 IT/OT的考虑因素大多在较高的层次上，如与产品生命周期管理(PLM)、企业资源规划(ERP)和制造执行系统(MES)的交互，但现在它们将在各个层次上进行交互，以至单个边缘设备，以及现有的可编程逻辑控制器(PLC)和其他机器对机器(M2M)设备。

如果在组织IT转型中OT被遗忘或忽略，将来也不太可能成为问题。OT将拥有更多可支配的计算能力，使其负责的过程既有可视性又有可控性。

赶紧让你的边缘数据变智能。

如果你还不知道有什么增强边缘功能并让大数据有用的方法，赶紧点击下方视频，看康耐视Edge Intelligence (EI)平台如何将大数据转换为智能数据并提供实时系统性能监控和设备管理，从而提高整体设备效果(OEE)和处理量。