传感器数据的收集和分析的困难在哪里？需要应用到哪些技术？有哪些成功的案例？围绕传感器数据分析的问题有很多很多。本文汇集了三位业内分析专家的观点。

McKnight咨询集团总裁William McKnight

传感器产生的大量数据会让企业淹没在数据的海洋里。除了数据量巨大，机器生成的数据还会比传统交易数据包含更多的“噪声”。因此，首要任务之一就是筛选数据，决定哪些数据是有用的，哪些是没用的。

McKnight和其他分析师都认为，大数据的处理和分析，需要新的技术，其中包括Hadoop系统、NoSQL数据库、内存数据网格、实时数据集成工具、复杂事件处理软件或其他流处理技术。实时分析和廉价存储将是企业主要需求所在。其他诸如预测分析、数据挖掘和大数据分析工具也都有用武之地。

Gartner分析师Nick Heudecker

利用传感器数据和日志文件并不只是部署新技术这么简单。虽然大数据基础架构捕获的传感器数据能够帮助组织基于实时或近实时信息制定决策，但是组织仍然需要了解自己的业务流程，这样才能有效地制定决策

Heudecker说道：“你不能让技术自己解决问题。”

每周都有客户问我，该怎么处理机器生成数据。其实现在也没有太多成功的示例，大多数成功的示例也只是局部项目或小型部署，组织也在摸索着前进。Heudecker说：“我们看到感兴趣的公司很多，但真正做到的却很少。”

Heudecker表示，无论在任何行业，对设备的预防性维护都是大数据分析应用中核心应用之一。他罗列了一系列“资源密集型”行业，比如运输、能源、自然资源管理、电信、医疗和农业等。例如在运输公司，哪怕你只是让驾驶员更有效率地换班，也能节省一大笔成本。

美国企业管理协会的分析师John Myers

网站、计算机系统和网络产生的传感器数据和日志文件本质上来讲是很像的。不过，发动机、汽车和机械设备上安装的传感器收集的数据就要复杂的多，部分原因是Hooper提到的连接和数据传输过程中存在的远程遥控问题。Myers表示：“如果说分析日志文件Web传感器数据就像打理自家游泳池，那么分析远程传感器数据就像是在处理一个蓄水库。”

对很多组织来说，应用传感器数据可以提升机器运营效率。比如，在航空公司，燃油是最大的成本支出。Myers表示：“如果你能节省1%或2%的燃油成本，都是一个可观的数目。”

传感器收集的GPS数据和其他位置信息也能被分析，并应用到业务中。比如物流公司的分发中心可以根据车辆的实时实地数据，规划最佳路线。另一种正走进人们视野的是个人和家庭设备的信息，比如可穿戴设备和智能家居设备的信息。