随着传感器安装在越来越多的工业机器上，这些互联设备创造了一个庞大的数据集合。但若想要获得物联网数据分析带来的真正价值，企业就需要对自身的优势和劣势有一个比较清晰的认识。

2016年IoT Data Analytics & Visualization会议小组讨论中，几位发言人表示，物联网应该是用来改进业务流程的，不应该仅仅是实现炫酷的新技术而已。

分析咨询公司CEO Nauman Sheikh说，他最近曾与一个大型公共事业公司合作，希望把传感器放在卡车上，实现预见性维护。Sheikh构建了预测模型，分析了传感器的数据以识别振动模式和其他一些能够预示卡车即将出现故障的迹象。

用商业术语讲述物联网

但当他把他的想法描述给这个公司的管理团队时，他并没有谈论他要使用的算法或者传感器所需的网络技术。他表示，让项目能够顺利进行的关键在于，准确识别对方的需求，并以对方能够理解的语言来进行交流。”

“我们从中得到的经验是，如果我向他们推销一些不错的工具或花哨的技术，他可能没有什么兴趣。如果你可以让他们明白，目前面临的困境可以通过应用物联网来解决，那项目的推进就会变得快速和有效。”Sheikh说道。

同样，Trimble Navigation Ltd公司负责软件体系结构和战略的副总裁Prakash Iyer表示，对物联网数据分析感兴趣的企业应重点关注终极目标，那就是工业过程自动化。

Iyer 说，任何物联网或工业互联网项目的目的都是在那些以前知之甚少的领域找到关于机械的新认知。通过分析来自机械的数据，使用简单的可视化或更复杂的机器学习算法，发现业务规则在相关事件发生时产生作用，进而实现工业过程的自动化。只要企业了解工业过程，他们就可以开发规则并实现自动化。但如果一个物联网数据分析项目未能提供有效的见解，那么该企业就会质疑其投资是否值得。

Iyer说，“最重要的事情不是可视化，而是如何保证其可行性，我们需要实现自动化。”

工业物联网上的投入要有灵活性

对于Milwaukee Johnson Controls公司负责产品研发、技术构建和服务的副总裁Sudhi Ranjan Sinha来说，获得工业网络分析项目商业价值的关键是未来计划要具备相当的灵活性。

Sinha说，他的公司从事的是采暖通风行业，制冷剂使用相关法律和客户的期望可能会随着时间而改变，但是Johnson Controls生产的大部分的设备寿命为25年。

因此说，当Sinha和他的团队构建预测模型，衡量互联的加热和通风设备的效率并识别潜在的问题时，他们时刻谨记着，情况会发生变化，要保证所构建的模型具有灵活性,，不要依赖在设备生产时做出的效率假设，那是不现实的。“这个领域没有永恒不变，”他说。“我们创建的每一个模型，都应该具备自适应的能力。”