希望看到需求谁拥有相关的物联网（IOT）的互联网技术和业务技能，为企业不断涌现的物联网项目的一大途径人们一个巨大的上扬。
由451个研究笔记一份新的报告，找到物联网技术工人是一个很大的挑战。将近一半的575的IT和物联网决策者坚定的调查，主要集中在北美和欧洲，说他们面临着物联网相关的任务技能短缺。
企业需要获得的技能包括如网络安全，网络，设备硬件，应用和物联网战略的总体管理领域的专业知识。但也许无处将需要比在有关数据分析领域更大的在未来几年。由于公司寻求利用物联网数据预测的结果，防止出现故障，优化运营和开发新的产品，先进的分析能力，包括人工智能（AI）和机器学习（ML） - 将会是他们成功的关键。
除了数据科学家，企业需要的人谁可以提供数据采集，卫生，清洁和物联网的数据集转化，使他们能够通过分析算法处理的形式，提供及时的业务洞察力。
技能差距
拥有这些技能的人很难通过，尤其是谁与竞争力的领域结合了传统的数据分析背景，如人工智能，机器学习和物联网流数据处理，所有这些都将被整合到制定和实施一个成功的物联网战略的人来。
不同于传统的商业智能（BI），其中公司运行周期性地批次流程和业务用户的生产和消费的报告，许多物联网应用案例要求近乎实时的运营洞察力。在的IoT AI / ML算法的操作信息（无论是在工厂自动化，智能能源，车队管理或卫生保健），这些算法被连续消耗的流数据，并产生洞察力的情况。并且洞察必须及时的方式被使用，以优化操作流程。
随着企业更深入地钻研物联网，会有越来越需要一个操作面向智能数据分析师是谁也“AI / ML数据工程师。”虽然不是主要负责算法开发或选择，这个新角色必须不断参与操作微调和评估的数据集，以保证最高质量的洞察力产生。这个人物角色的需要了解数据库模式，改造/清洁方法，大数据和ML管道，流数据处理，数据可视化和物联网的安全性。该角色还必须能够讲与业务用户和数据科学家，谁做对算法的数学繁重的共同语言，以促进有效的合作。
不幸的是，在这一点上，几乎没有人承担这样一个角色的能力或经验。原因很简单。这个地区是既有教育机构和企业带来新的，未知的领域。
别看数据科学家
高校将很快需要开始接近这一物联网的分析技能作为一个全新的学科，以满足什么几乎肯定将是一个迅速增长的市场需求。但与此同时，这个技能差距礼物给企业一个显著的挑战，甚至有可能危及他们充分认识到物联网的承诺的能力。
一个可能的解决方案是培养现有的数据分析，ETL开发者和其他面向数据的专业人员在这些新技术。但也可能被证明是具有挑战性的。
不要指望转向数据科学家满足用户的需求。事实上，数学，面向数据科学家的技能是在使用AI / ML的今天物联网的见解创作的主要制约因素。我们根本就没有，我们也将能够创建，足够的天赋，有了这个技能，以跟上需求。
由于物联网数据是更广泛的类别的子集被称为“大数据”，快速浏览一下大数据科学家的日常经验用于进一步突出物联网的困境。根据最近的一项调查由Forbes.com“数据准备占数据科学家的工作的80％”，而“数据科学家的76％查看数据准备为他们工作的至少一部分愉快“。
这就解释了为什么有必要分离的数学为本，算法开发技能，通常在博士发现数学家或科学家的数据，从操作上，注重技能集的新角色的：一个AI / ML-有文化的数据分析师/工程师。如果适当的培训，这个人可以做80％的现在数据科学家参与了这项工作。其结果将是组织必须在高度受限的数据科学家的资源更多的杠杆作用和更好的能力，其规模为物联网应用案例使用AI和ML的。
下一代物联网分析工具
这种新的物联网分析角色将需要依靠一代的自助服务分析工具，当它涉及到收集，清洗，整理和分析通过物联网系统生成的数据，将做繁重。不同于流行的工具和编程语言而设计的（和首选）数据的科学家，这些新的工具必须容易被熟练的物联网专家谁既不是程序员，也不数学家的经验教训。
新的AI / ML分析师/工程师应当能够帮助数据准备（数据科学家的指导下）;选择合适的型号和兼容的数据集和问题;建立需要在每一个新的方案操作化模式的输入管路;做模型的性能和调整基本参数谦虚评价;并升级为数据科学家如果模型没有达到预期效果。这样的工具将有利于物联网的数据分析师/工程师和科学家的数据之间的无缝协作，使每个有助于快速创建先进的业务运营见解，企业需要以获得最大的物联网的举措。
找到一个解决分析技能差距不是组织一个微不足道的代价。如果没有对数据进行分析的巨额的能力，通过连接的设备生成并有效地投入运作所产生的见解，企业将难以充分实现物联网的真正价值。