随着中国经济发展的战略转型及中国制造2025、工业4.0概念的提出，越来越多的传统企业感受到了重重压力，开启了转型与变革之路。对大多数企业来说，尽管物联网技术已经存在了数十年之久，但其应用范围仅限于运营活动，数据的潜能并没有在企业中得到充分释放。随着物联技术、大数据分析和云技术的发展，智能数据大量产生，并通过运营技术与信息技术融合，打造更智能的机器，推动企业实现端到端数字化转型。

智能大数据的产生及用途

智能数据是在物理硬件、虚拟环境和云环境中产生的，端到端普遍可见的数据。它在深度和广度上均有一定规模。企业可以基于智能数据完整地了解整个智能设备中发生的所有业务以及终端用户在使用该设备过程中的所有服务情况。这些信息主要包含资产数据、运行数据、承载数据、日志数据等。然而，与日志数据等基础数据不同的是，智能数据能够很好地延展分析视角，更客观、全面、实时、自动的构建业务画像，挖掘出更多未知的隐藏价值信息，构建新的认知体系，服务于业务管理。

在德塔精要看来，智能数据是具有固有智能、能让分析工具清楚地了解程序性能、机构复杂性和服务依赖性的元数据，它实时、海量、全面、客观、无感知、自动化，并且数据血缘关系清晰。

智能大数据的应用技术

在应用上，利用实时资产属性数据、运行属性数据可以有效的对智能资产进行统一管理，服务于故障处理、容量管理等运维管理工作；利用智能资产承载的业务数据可以实时有效的预测业务风险，预见业务趋势，挖掘业务问题原因，做好预防工作，提升业务运营管理水平。有助于帮助企业改进产品性能、帮助企业降低能耗、保障安全等。其关键技术领域包含以下几点：

1、海量数据储存管理：储存容量的扩充与储存技术的突破以及分析大量数据的技术，例如NoSQL 数据库应用与Hadoop云端运算技术。

2、实时信息传递：物联网装置有不同的标识特性，这些标识接口与网络平台的沟通与连结，有些需要及时响应，例如5G物联网络的端到端延迟要求为1ms；而有些则需要确保信息不遗漏，例如消息队列（Message Queue）的信息交换技术。

3、机器学习分析：机器学习（Machine Learning）是大数据分析的一种方法，关键在于如何反应问题真实模型的状态，一般是透过提供大量的训练数据，让机器从中找出规律、学习如何将数据分群或分类。常见的技术如人工神经网络（Artificial Neural Network, ANN）、判定树学习（ Decision-tree Learning ）、支持向量机（Support Vector Machine, SVM ）、最近邻居法（k-Nearest Neighbor, KNN）以及案例推论（Case-Based Reasoning ）等。

4、物联网大数据发展平台：简化的平台组件，完整的物联网专用开发工具及功能以及进阶的连网装置管理工具，能与大数据数据分析技术整合发展，例如ThingWorx、COSM、Scinan以及Arrayent等。

智能大数据的行业场景应用

目前，智能数据已经应用于各行业的生产流程以及制造业的产业结构调整中，促进各个工业企业在节能减排、提高生产效率、生产效益提升等方面的改善。

1、环境侦测：透过物联网传感器数据收集与事件侦测的方式针对特定环境与对象进行监控，结合大数据分析进行预测，针对异常情形预警及应变。例如智慧水务，应用大数据分析进行与改善水务管理。

2、医疗保健：打通IT、IoT设备，统一管理医疗资源，对远程诊疗业务进行全生命周期监管，透过大数据技术处理，提升医疗质量。

3、交通运输：结合物联网先进感知及无线通信技术，透过大数据分析整合人车路信息，改善或强化人、车、路之间的互动应用，提升服务质量与作业效率。

德塔精要

德塔精要专注于智能大数据，围绕智能设备（IT、IoT）一体化管理、智能大数据挖掘以及场景可视化等核心技术提供一站式“智慧应用中间件”平台。基于“智慧+”的业务理念，与合作伙伴共建行业智慧应用解决方案，共创智慧业务生态。在智能及DT时代更分散、更复杂、更异构的新应用架构下提供客户保障端到端应用体验的技术手段，挖掘实时海量智能大数据的业务价值。打造好用、聪明的智慧应用。

注：

本文由 德塔精要 投稿数据猿发布。

欢迎更多大数据企业、爱好者投稿数据猿，来稿请加微信：wmh4178（备注：投稿）

来源：数据猿