最近LNS Research的调查结果显示工业物联网(IIoT)正处于技术采用曲线的转折点，34%的公司目前正在采用或计划在明年采用IIoT技术。
在消费市场，物联网(物联网)已经颠覆了现有企业;Uber、Airbnb和Nest都是市值超过10亿美元的例子。在工业领域，目前还不清楚颠覆会在哪里以及以多快的速度发生。有很多原因可以解释为什么颠覆不会那么快发生，包括资产和技术的更新速度。这些速率继续以几十年而不是几年来衡量，解决方案选择过程以月而不是分钟来衡量。
即便如此，许多人认为工业软件领域的一个颠覆时机已经成熟的领域是数据历史学家。20世纪80年代初，数据历史机作为一种收集和存储生产时间序列数据的有效方法出现在过程工业中。传统上，温度、压力和流量等值与物理资产、时间戳、压缩和存储标签相关联。这些数据随后可用于分析、报告和监管目的。
考虑到生成的数据量，每秒捕获数据的5000个标签的安装每年可以生成1tb的数据。专有系统已被证明优于开放的关系数据库，并且数据历史机市场在过去35年里不断增长。
数据历史市场的未来可能看起来非常光明，但工业物联网和工业的形式会带来颠覆大数据分析。
随着这些系统从资产或工厂特定的应用程序扩展到企业应用程序，主要用例略有扩展，但通常保持不变。尽管企业级数据历史记录具有无可争议的增量价值，但它远不及工业物联网的承诺。
在我们最近的一篇关于制造业大数据分析的文章中，我认为大数据只是工业物联网平台的一个组成部分，而数量和速度只是大数据的两个组成部分。大数据的另一个(也是最重要的)组成部分是多样性，即结构化、非结构化和半结构化三种类型。从这个角度来看，数据历史学家提供的是数量和速度，而不是多样性。
如果数据历史记录供应商想要避免中断，扩大用户群，并实现工业物联网用例的承诺，那么解决方案必须将所有三种类型的数据整合到一个环境中，从而驱动跨越价值链的下一代应用程序。
数据历史学家不太可能在短期内消亡。然而，颠覆极有可能即将到来，这就产生了一个双重问题:数据历史学家会成为工业物联网和大数据故事的核心组成部分吗?哪种类型的供应商最能抓住未来的增长——传统的纯数据历史记录提供商、提供数据历史记录产品的传统自动化提供商，还是颠覆性的工业物联网提供商?
如果数据历史学家要在工业物联网平台中发挥领导作用并满足最终用户的需求，那么该领域的提供商将不得不开发下一代解决方案，以解决以下问题:
- 如何提供一个超越半结构化时间序列数据的大数据解决方案，包括结构化的事务系统数据和非结构化的web和机器数据。
- 如何过渡到一个在廉价传感器、无处不在的连接和廉价存储世界中可行的商业/定价模型。
- 如何启用从流程工程师扩展用户群的下一代企业应用程序。
而且，如果是一家传统的供应商(纯业务或自动化)成功地提供了一个成功的下一代解决方案，那么该公司必须愿意打破现有的摇钱树(高利润的软件或硬件产品)，并扩展到传统的舒适区(时间序列数据和控制应用程序)之外。考虑到该行业的保守性质，这两项都是巨大的需求。
但即便如此，考虑到一些颠覆者的财务势头(Splunk在7年内的收入超过了OSISoft在35年的收入)和一些先手传统老牌企业的高管关注(通用电气首席执行官杰夫•伊梅尔特在重组的通用电气数字业务中，在工业物联网和大数据分析上投入了数十亿美元)所提供的激励，这也不是不可能的。
马修·利特菲尔德，matthew.littlefield@lnsresearch.com的总裁兼首席分析师LNS的研究。
