報告顯示，人工智慧對物聯網的重要性超過了大數據分析

大數據和商業智能軟體的問題在於它是滯后和靜態的。在事後分析事情是很好的，但是當企業需要實時洞察的時候，企業是如何管理的呢？

數據分析提供商GlobalData最近的一項調查顯示，物聯網專業人士仍然嚴重依賴傳統商業智能（BI）軟體。

在1,000名受訪者中，約有40%的人對BI平台進行了排名，遠遠超過了其他所有數據分析方法。

不幸的是，所有的BI軟體平台都被更小的、更分散的、從企業數據中獲取價值的方式所取代。

它可以是一個直接的SQL查詢、一個預測性數據建模器、一個自動生成的數據發現可視化，或者一個能實時提供見解的互動式儀錶板。

其原因是，用戶依賴於使用複雜查詢和報告的基本報告機制。

BI軟體往往是滯后和靜態的。

這給企業帶來了構建和維護系統的成本。

對於物聯網（物聯網）而言，企業需要把精力集中在業務優化的基礎上，而不是從見解創新。

但企業不願這麼做。

這種不願跟隨更廣闊的市場，遠離物聯網的BI平台的做法令人擔憂。

該調查指出，隨著時間的推移，物聯網的部署出現了一些微妙的變化。

2016年，在部署后沒有出現任何失誤。

然而，在2017年，這個數字上升到了12%。

物聯網部署失敗或在部署之前被放棄的首要原因是部署和維護成本。

然而令人鼓舞的是，在已經實施了物聯網解決方案的企業中，有近70%的企業表示，不管最初的目標是什麼，項目已經達到了他們的投資回報率預期。

人工智慧可能是物聯網問題的答案。

它可以證明物聯網的價值是優化現有業務流程的一種手段。

即使有一個簡單的人工智慧機器學習（ML）框架和模型，物聯網從業者也能檢測出異常情況並預測預期的結果。

這將使他們能夠同時解決兩個問題。

調查顯示，企業買家渴望提高運營效率。

40%的受訪者表示，人工智慧的最佳角色是集中自動化和優化業務流程。

儘管集中化是傳統BI分析、報告和預測建模的重要組成部分，但人工智慧最有用的地方是部署的邊緣。

物聯網的部署應該使用像ML這樣的工具，接近設備本身。

任何分析工作都應該簡明扼要，專註於解決具體的挑戰。

物聯網買家想要的是集中的、全球的業務能見度，但也希望通過人工智慧實現局部優化。

這種方法不能解決所有問題，但它是可以負擔得起的，而且會對企業產生直接影響。

它將有助於證明物聯網的價值，因為它沒有把昂貴的單一分析系統集中起來。

GlobalData數據服務總監Brad Shimmin表示，「因此，很明顯，物聯網從業者應該強調戰術優勢，而不是戰略分析視角，至少在項目開始時是為了證明投資回報和從業務中獲得未來投資。」

本文為作者原創，未經授權不得轉載