2. 通过数据融合拓宽分析范围

　　互连设备以我们在几年前无法想象的方式改变了日常生活。在它们的数据中深藏着 尚未有人讲述的故事。要探索这些故事，我们需要将物联网数据与更多的背景结合。

　　让我们从一个消费者案例开始：您想要梳理您的 Fitbit 数据以确认您的运动养生和睡眠模式之间是否存在可能的联系。您希望知道：

　　● 白天的体力活动如何影响自己的睡眠模式?

　　● 充足的睡眠是否会提升自己的表现?

　　Fitbit 的本地仪表盘只允许您分析健康数据。但是如果导出数据，您就可以将这些信息与其他信息结合，比如追踪您身体活动以及食物摄取、身体量测和睡眠模式的数据。导出数据这一方法可能并不理想，但有时这是扩展分析范围的唯一方法。

　　目前，事实上人们不再通过整合不同的数据来估测企业级的决定。内嵌在喷气发动机上的传感器可帮助我们预测何时需要维修。它能帮助我们预先避免故障从而节省数十亿美元…例如，通过将其与产生的信息整合，其有助于我们按产品和地区分别了解较之预算的节约额。

　　3. 迭代和快速行动

　　在我们生活的世界，“完美数据”这种说法越来越显得自相矛盾。不管数据是怎样 编译的，您都可能无法连接到用于存储它们的源。数据还可能在某些关键方面并不完整，或者数据格式不利于进行深入分析。这些缺点在物联网应用程序中越来越普遍，因为人们尚未针对用于支持设备互操作性的标准和协议达成一致。

　　我们不能让自己的业务因为不良数据或残缺数据而陷入瘫痪，我们必须利用已有的资 源，以迭代的方式寻找正确答案。在迭代过程中，我们学会将“合格”的数据与真正糟糕的数据分开。合格的数据通常足以定向性地回答几乎所有问题。此外，通过更好地了解数据缺口，我们可以获得更好的数据。这将有助于解决流程问题，进而改善数据的捕获和摄取方式，并帮助我们更进一步接近物联网的终点。