事物互联网（物联网）的增长对企业内的大量区域产生了大量影响，数据分析是其中之一。
公司正在收集各种对象连接的大量信息，例如消费者如何使用某些产品的数据，企业资产的性能以及系统运营的环境条件。通过将高级分析应用于这些传入的数据流，组织可以获得新的见解，可以帮助他们提出更多知情决策，了解要采取的行动。并与公司将IoT传感器放在越来越多的对象上，传入数据的卷将继续增长。
“基于传感器的计算是数字转型的核心趋势，”研究公司IDC的分析师Maureen Fleming说。“使用基于条件的监视的操作智能确保组织有关传感器附加设备，机器和系统的健康的组织。根据用例，应用机器学习[ML]传感器数据旨在预测中断的可能性，购买倾向，健康问题等“
弗莱明说，将ML与企业应用程序的数据组合使用来自企业应用程序的数据可以从根本上改变组织如何运作的工作原理，以满足供应链内的客户或物流问题的服务或物流问题。
IOT“推动了数字和物理世界的混合，”Forrester Research副总裁Brian Hopkins Brian Hopkins说。“几乎所有企业都希望物理世界的实时数据，以便在追求提供竞争优势的洞察中获取下一步。”
Forrester看到了通过分析获得洞察力的三个主要场景。一个是对智能互联产品本身的洞察。另一个是洞察连接的事物如何有效地一起工作，这可以帮助公司改进涉及实物资产的流程。第三是对来自供应商等商业伙伴的物联网数据的事物和人的洞察。
物联网需要新的基础设施
对于许多企业来说，现有数据分析基础设施不会充分处理IOT生成的预期增加。他们需要改变他们的环境，使他们更加“准备就绪”。
“研究公司Gartner的研究副总裁Mark Hung表示，”物联网正在在企业中创造前所未有的数据量“。“为了提取这些数据的价值，企业的数据分析架构需要改进。”
亨格说，对于企业以及时的方式行事对IOT数据进行行动，媒体或实时分析。他说，需要纳入新的分析方法，如流化分析和新的基础设施，如Edge网关为现有IT基础架构提供了新的架构要求。
与其他类型数据的分析相比，IOT的分析有一些独特的要求。这包括数据格式，数据丰富，时间灵敏度，数据存储在其中数据以及存储它的时间。
“关键分析需要是要缩小物理世界中数据生成之间的差距以及在物理或数字世界中的行动需求，”霍普金斯说。“这不可避免地意味着将一些分析逻辑推向边缘