現今已有不少人察覺，萬物聯網的時代，其實主角並不是物體本身，真正的價值在於萬物背後的大數據。每個企業也都深知大數據對於商業發展的重要性，但是分析什麼、如何分析卻各有說法，分不出高下，這塊大餅人人都想搶食，但搶到了卻往往不知該如何下嚥。

技術不是問題 服務才是核心

我們高喊物聯網的口號已經許久，也深知未來大數據分析將會帶來一波新的產業革命，各行各業現今都在大肆談論大數據分析的無限可能，但為了大數據而搞大數據，卻成了許多企業現在面臨的問題，眼見對手做什麼就跟著做，總是一窩蜂跟上潮流，但能不能在激浪之中站穩卻不見得。

技術是死的，應用卻是活的，重點是你的大數據分析能提供什麼樣的服務？你想透過數據資料解決什麼樣的問題？PTC資深協理汪崇真認為，「大數據分析用一種更客觀的方式預測未來，用數據說話是它最迷人也是最困難的地方。」它的價值並非單靠技術來衡量，與其競爭技術的高低，針對客戶需求提供適合、方便且易於使用的服務反而更為重要。

圖一 : 技術是死的，應用卻是活的，重點是你的大數據分析能提供什麼樣的服務？（Source：PE Hub）

假設將產品應用與工廠製造端區分，廠內雖有其專業性存在，進入門檻也不低，但目的多半是為了要求讓製造生產的過程更加精準、提升效能，也可以說在活用上比較刻板。但針對產品應用提供相應的服務相對卻更難，且以商業領域來說，消費者口味日新月異，要如何運用大數據分析消費者行為模式存在一定難度，須運用得巧妙，而在消費者求新求變的情況下，即時（Real-time）的數據分析也將變得極為重要。

整合是物聯網必要關鍵

物聯網的應用千奇百怪，每一個服務背後可能涵蓋多項技術，基本如通訊、感測等，這也讓企業往往在開發過程中面臨複雜化的問題，就算是大數據分析，前提上也需要各方面資訊的整合。對此汪崇真也表示，物聯網的決勝點其實並非技術高低，而是如何串聯整合才是最大的亮點，不只包括關鍵技術上的「軟硬整合」，更涵蓋應用領域的「異業整合」。

圖二 : PTC的ThingWorx物聯網技術平臺透過策略性併購整合多項物聯網技術，提供All in one的解決方案。（Source：PTC提供）

汪崇真認為，物聯網的世界其實說穿了就是一個整合的世界，過去網路時代是應用程式之間的互相溝通，現今則是強調物與物之間的溝通，因此，如何快速傳遞物與物之間的訊息，扮演中間橋梁的平臺就成了一大關鍵。

甫榮獲兩大產業分析公司評選為物聯網領導廠商的PTC，在物聯網技術的整合上，最大的特色是提供了All in one的解決方案。此方式將有利客戶在建構產品時避免將過程複雜化。汪崇真進一步解釋，PTC之下的ThingWorx物聯網技術平臺透過策略性併購整合多項物聯網技術，用類似於積木堆疊的方式，將各種開發物聯網所需的技術一層一層兜起來，與過去技術各自獨立相比， PTC藉此替開發者省去了不少時間。

工業物聯網的另一大挑戰

物聯網時代來臨，工業領域也開始整合各項技術而掀起新一波工業革命。但事實上，大數據分析應用在工業與商業上卻有很明顯的不同，由於各行各業皆有其不可取代的特色與專業性存在，「差異化」是工業領域較之商業領域最大的不同，也是最困難的地方。

掌握各行業數據分析共通性

如同上述所說，各行各業的專業性對於數據分析來說，需要長時間大量研究與分析產業各種訊息，切入市場並不容易，致力於工業自動化發展的泓格科技生產管理處廠長陳裕霖對此表示，掌握大數據分析的共通性是一項重要的關鍵。當企業在考慮採用工業物聯網連結工業大數據分析的時候，最好的方法是找到一個各行業皆適合的應用作為入口。

圖三 : 泓格科技生產管理處廠長陳裕霖認為，掌握大數據分析的共通性是一項重要的關鍵。（Source：泓格科技提供）

舉例來說，泓格科技提供許多關於能源數據的分析，從中觀察發現，不管何種產業幾乎都需要對能源進行有效的管理與控制，因為耗能問題關乎成本的節省，也是企業營運的根本，尤其在物聯網時代十分重視節能問題，因此，如何提升能源效率儼然成為各行業最基本的大數據分析，也是在物聯網時代中一項重要的基礎。

分散式架構讓數據精準推送

根據統計，到了2020年，將會有超過500億個裝置透過數位方式連接在一起，而其中很大一部分會出現在工業物聯網。無數具有感測與監控能力的資料收集器相互連接產生數據信息，通過各種智能分析為工業製造生產提供極具價值的洞察，並提高效率與生產效益，但這過程卻會衍生巨量的數據資料，對後端資料庫的分析容易不堪負荷。

為了避免這樣的狀況，分散式架構在這過程中扮演了重要角色，也是未來其中一項核心技術。陳裕霖進一步說明，分散式架構讓每個節點都具備一個簡單的「大腦」，透過訂閱機制將採集到的數據資料針對各端需求或雲端平臺進行精準式的推送，也就是當後端需要資料時才進行傳輸，這樣的方式可避免巨量資料當中不必要的「垃圾」全部送到後端造成負荷。在未來工業大數據分析上，此架構將有助於上百億個感測器資料進行更有效率的處理。

@刊頭圖片（Source：TechNet Blogs TechNet Blogs）