數據分析師在物聯網的哪個環節?

物聯網(Internet of Things)用最簡單的一句話就是各種感知器的廣泛應用，具體來說，要實現“物-物互聯”，主要分三個層次：

(1)感知層：由各種傳感器以及傳感器網關構成，包括二氧化碳濃度傳感器、溫度傳感器、濕度傳感器、二維碼標簽、RFID 標簽和讀寫器、攝像頭、GPS等感知終端。感知層的作用相當于人的眼耳鼻喉和皮膚等神經末梢，它是物聯網識別物體、采集信息的來源，其主要功能是識別物體，采集信息。

(2)網絡層：由各種私有網絡、互聯網、有線和無線通信網、網絡管理系統和云計算平臺等組成，相當于人的神經中樞和大腦，負責傳遞和處理感知層獲取的信息。

(3)應用層：物聯網和用戶(包括人、組織和其他系統)的接口，它與行業需求結合，利用云計算、模式識別等智能技術對數據進行處理分析。

比如，監測飛機噴氣引擎中一些不易察覺的警報信號，以此來預測哪些設備需要進行維護，甚至能提前一個月預測其維護需求，預測準確率達到70%，這可以極大減少飛行延誤。這也是跟我們數據分析師最相關一層。

聚焦在應用層，看數據分析師如何發揮他們的“雄才大略”：

剛剛說的飛機噴氣引擎的例子，這個實際上是GE(通用電氣)機器學習專家AnilVarma正在做的事情。這些傳感器將溫度、壓力和電壓等數據實時傳輸回GE進行分析。雖然資料中沒有提及具體的算法，但數說君認為應該是：結合業務經驗，構建一定的模型或者指標，監測“危險”信號，預測未來一段時間內的維護需求——一個典型的數據分析師的任務。

實際上，GE在這一塊已經相當領先，涉及各個領域，比如GE與加拿大一家電力公司通過分析衛星影像、天氣地圖當地停電記錄等數據預測樹木修剪的熱點地區(掉落的樹枝是雷電導致停電的主要原因之一)。

GE全球董事長伊梅爾特戲言：“GE昨天還是一家制造業公司，一覺醒來已經成為一家軟件和數據公司了?！?/span>

那么GE對數據人才是怎樣的?數說君在GE的官網上搜集了一些人才需求，以數據科學家 Data Scientist為例，這個職位在上海：

職位：

The Data Scientist will work in the Digital Foundry addressing statistical, machine learning and data understanding problems in a commercial technology and consultancy development environment. In this role, you will contribute to the development and deployment of modern machine learning, operational research, semantic analysis, and statistical methods for finding structure in large data sets.

主要涉及機器學習、運籌學、語義分析、大數據的數據結構方法等。

要求:

Basic Qualifications:

Bachelor’s Degree in a “STEM” major (Science, Technology, Engineering, Mathematics)

Minimum 2 years analytics development in a commercial setting

Demonstrated skill in the use of one or more analytic software tools or languages (e.g., SAS, SPSS, R, Python)

Demonstrated skill at data cleansing, data quality assessment, and using analytics for data assessment

Demonstrated skill in the use of applied analytics, deive statistics, and predictive analytics on industrial datasets

簡單而言就是STEM專業(科學、技術、工程、數學)的學士以上，至少2年工作經驗、掌握統計軟件如R、SAS、SPSS、Python，有數據清洗、數據質量評估和分析的技能，可以對工業數據進行應用分析、描述統計以及預測分析等。

我們非常熟悉的SAS公司，也在物聯網上進行了布局，實際上，SAS已經推出了專門的物聯網分析產品。

SAS?物聯網分析(SAS? Analytics for IoT)是在SAS成熟的數據分析產品基礎上組合而成的全新套裝產品，成功將SAS大數據分析的核心技術應用到了物聯網連接的傳感器和設備上。SAS物聯網分析結合了流技術、數據分析和其他領域專長，把物聯網數據轉化為深刻洞察。

例如SAS可向企業提供穩健的維保需求預測方案，實現當即制定個性化產品，促使企業采取具有商業價值的行動等。

SAS物聯網分析可以幫助企業解讀快速流轉并積累的數據，協助客戶根據數據信息做出正確決策。由此產生的收益，例如安全性和產品質量的提高、人身傷害的減少等，能轉化為更有益的利潤。制造業、能源、零售業等相關行業都可以從SAS?物聯網分析中獲益。

科尼集團是一家工業起重機制造商，利用SAS，他們分析設備和客戶數據，以及使用情況、撞擊數據，把大數據同可靠性分析與模擬相結合，提高預測能力。

另外在農業上，我們也介紹過在畜牧場、農場如何使用傳感器進行監測分析的例子(Farmeron：農場主的數據分析工具;德強農場—一家國內大數據農場)。

從以上內容，我們稍稍提煉一下數據分析師在物聯網大數據的實踐技能：

1)語義引擎、多元數據融合技術

物聯網中數據的存儲方式、組織結構以及時效性呈現出多樣性。我們需要一系列的工具去解析、提取、分析數據，語義引擎需要被設計成能夠從“文檔”中智能提取信息。

2)海量數據挖掘技術

MapReduce架構可以作為海量數據資源知識元挖掘算法的統一處理機制，在Hadoop分布式系統平臺上，能夠實現分類、聚類和關聯知識挖掘等算法，深入數據內部，挖掘價值，這些算法不僅要處理大數據的量，也要處理大數據的速度。

3)可視化分析

近隨著處理的數據量越來越大，可視化的需求越高越高。對體量大、多源的物聯網數據而言，可視化呈現是一個非常重要的技能。

4)預測分析能力

預測是物聯網的一個重要應用，無論是農業產量、物流，還是工業設備維護，預測效果直接顯像在應用層面。

12年GE發布的報告顯示，每提高1%的燃油效率，航空業每年能節省20億美元，而能源行業則能節省40億美元。到2020年全球工業互聯網年產值將達到2250億美元，大大超越消費物聯網1700億美元的產值。

最后，物聯網是個陌生又有點熟悉的行業，對我而言更多的是一個學習的態度，非常非常希望能有這方面的專家賜文指導。