数据湖(Data lakes)是一种存储存储库，它以原始格式存储大量原始数据，直到用户需要这些数据为止，这种存储库在企业中越来越流行。
在物联网(IoT)出现的推动下，许多企业正在进行数字转型，这有助于激发人们对数据湖的兴趣。物联网中的连接对象将产生大量数据。
随着越来越多的产品，资产，车辆和其他“东西”是仪表和数据摄取，但重要的是物联网的数据集在一个地方，在那里他们可以很容易地分析和使用大数据处理能力等相关数据集相关的汇总。这样做是为了产生从物联网数据的最大的杠杆作用和洞察力的关键。
不断增长的市场
研究公司市场和市场预测数据湖泊市场将会从$ 2.53十亿在2016年增长到$ 8.81中十亿到2021年的主要力量推动市场都是需要提高业务敏捷性和可访问性，越来越多地采用物联网，潜在的深入洞察来推动竞争优势和成长数量和种类的业务数据。
企业正在部署基于hadoop的大数据平台和流处理等解决方案来构建和维护数据湖。这些解决方案使更多的组织(甚至那些it资源有限的组织)能够建立自己的数据湖。
数据湖的优点之一是，它使企业能够保留所有的数据，而不是根据当前的需求选择要保留哪些数据。这在物联网中特别有用，在企业中生成的传感器数据总量可能比可识别的早期用例所需的数据要多得多。
物联网传感器的保真度更高的采样可以帮助确保企业充分利用对未来的分析见解可能导致实实在在的好处，如更高的收入和加强客户服务的机会。但是，简单的倾倒传感器的大量数据到数据湖并不能保证这种洞察力可以很容易出现。
商业智能与操作智能
当与管理良好的数据湖相结合时，物联网数据就会闪闪发光。该组合提供了建模复杂系统、模拟场景和预测操作结果的能力。
如果有足够的数据，并且能够很好地理解其上下文，那么可以模拟许多复杂的场景。在支持iot的企业中，数据湖不仅仅是支持更高效的传统商业智能(BI)的存储库。它也是数字化转型企业提高运营智能(OI)能力的核心，其中接近实时的优化可能提供显著的竞争优势。
基于iot的企业将利用它们的数据湖，结合机器学习和人工智能，创建创新的预测模型。这些模型将根据实时传感器数据和相关大数据集的可见性，为工厂和行政部门的决策提供信息。
面临的挑战
建立并维护数据的湖泊，关于物联网的诺言带有企业首先需要应对挑战。
其中一些需要实际创建数据湖。例如，企业需要从组织的不同部分收集数据到一个地方。在此之前，他们必须清理数据，使其可靠和可用。需要包含足够的元数据来帮助为用户提供上下文。公司还应该确保数据湖中的数据的安全性、私密性和治理。
工具可以简化一些任务，但企业必须选择正确的解决方案，以满足其特殊的挑战。有些产品是相当昂贵的。
其他挑战涉及结构和组织问题。公司传统上运营竖井，不同的团队维护他们自己的竖井数据存储库。他们这样做是有原因的。每个部门都试图回答不同的问题，并发现在数据上施加足够的结构以提高获得这些答案的效率是有用的。
询问和回答更复杂的问题的可能性是诱人的，这些问题可能涉及到从一个组织的遥远部分产生的物联网传感器数据。但是，将所有传感器数据放在一个地方并不能神奇地打破现有的竖井，从而确保这些数据集能够被理解并用于生成有意义的洞察力。
使所有用户获得从数据湖泊最大的价值，需要经过深思熟虑和准备。如果没有足够的保留的情况下，数据可能会限制出现的洞察力。
大概多少元数据与传感器读数存储决策需要慎重考虑。虽然这些关系可以在事后通过与其他数据集的相关性进行重构，有这样做的代价。所需付出的努力可以用这个数据来其最大的优势阻止其他球队。
最大值
如果不解决，通过适当的技术解决方案和组织变革这些挑战，企业将无法从他们的IoT举措或数据湖最大值。他们很可能会与昂贵的和未充分利用的资源来结束。但这样的结果可以通过几个简单的步骤来避免：
- 构建数据湖时，包括整个公司代表的意见。因为来自不同部门的用户将受到影响，有这个输入月初将有助于确保数据的湖泊满足所有关键利益相关者的期望。
- 为业务部门提供一个重要位置，确保数据湖中允许的数据能够提供最大的长期价值。
- 确保IT和信息安全功能得到充分体现，发挥领导作用，指导技术选择和数据治理。
- 仔细选择自助式分析和数据科学工具，以确保不同的部门可以轻松地从他们需要的数据中获得定制的洞察力，而不需要花费昂贵的数据验证、清理或可视化开发工作。
有了正确的解决方案和适当的运营/文化变化来构建和维护一个数据湖，基于iot的企业可以从他们正在收集的大量信息中为业务用户提供前所未有的洞察力和价值。
有了良好的设计和部署数据湖，给企业带来良好的道路上成功的数字化转换。