1。改變基礎設施需求
物聯網資料的主要問題之一就是它的規模。據英特爾估計，到2020年，執行地智慧裝置將高達2，000億個，而有具有物聯網功能的B2B裝置也將達到54億個。這意味著任何尋求利用物聯網資料的企業，必須首先投資用於處理大量資料所需的基礎架構，而且其中大部分資料都將是原始且未標準化的。
2。新的分析挑戰
除了物聯網生產大量資料之外，資料本身也是一個問題。大多數感測器生成的資料相對較嘈雜和非標準化，且大部分資料都是實時產生的。這需要我們有一種新的分析方法和軟體能夠從各種資料來源裡快速分類處理和分析這些巨量的資料。當然，在資料被正確處理之後，下一個挑戰是挖掘這些不同的資訊源，以產生可操作的資料。
3。對有經驗分析師的需求日益增長
基於越來越複雜的分析要求，需要更多和更熟練的資料分析師。從物聯網資料流中分析出有用的見解需要極其強大的技能——不僅要管理資料本身，還要確定最有效的焦點領域。大資料框架（如Hadoop和Spark）以及R資料程式語言的專長正在迅速成為管理物聯網資料的中流砥柱，業務分析越來越依賴於複雜的技能集，包括機器學習，複雜演算法，深度學習，複雜事件處理等。
4。資料提取從數量到質量
調查顯示96％的業務已經遇到過濾他們收到的資料量的問題，而這個問題只會因為物聯網產生大量新資料的趨勢而加劇。大資料本身沒有什麼用途，其真正價值在於從這個數量中提取出有質量併產生有意義的見解的能力。消除噪音的一個重要方法是使用過濾器來消除多餘的資料。物聯網資料通常是高度粒度的，大多數企業不需要這樣的詳細資訊。採用演算法驅動的過濾器將這些資料壓縮到更實際的間隔中，可顯著減少要分析的資料量，但不會影響其質量，從而使其更有價值。
5。新的安全正規化
由於物聯網由廣泛的裝置，通訊協議和資料型別組成，保護其產生的資料帶來了企業必須準備迎接的新挑戰。許多資料安全專業人員在處理物聯網資料方面根本沒有太多經驗，而且新的資源和技術如此快速上線，要保持安全需要極高的警戒和靈活性。妥善保護物聯網資料將需要設計新的安全措施和協議來專門滿足這一新需求。
物聯網已經經歷了快速增長的時期，似乎有望成為商業分析未來的潮流，但它仍然是一個新興的技術。未來即將到來，必須進行適當的規劃和準備——負擔得起且可擴充套件的持久儲存將是至關重要的，資料分析師要有能力適應快速變化的現實世界。
