在這個工程和測量數據爆炸的時代，如果企業沒有制定穩妥的數據管理戰略，幾年后他們將無法有效應對和管理所有的數據。因此，一流的測量和分析解決方案必須具備兩個基本功能：(1) 終端分析 (2) 智能企業管理和分析。

將測量分析推向智能終端

將測量分析推向智能終端過去十年來，數據采集設備和傳感器的智能功能快速增加，而且變得更加分散，處理元件也放置在更靠近傳感器的位置。如果看一下ARM、Intel和Xilinx 等公司的最新芯片和IP 所集成的采集系統和節點就可以充分證明這一點。但是除了測量設備更加智能之外，傳感器同樣也日益智能化，智能傳感器將傳感器、信號調理、嵌入式處理器和數字接口/ 總線集成到一個極其小巧的封裝或系統中。

鑒于這一趨勢，現在許多應用都強調了邊緣設備的智能化和高級信號處理。在資產監控應用中，傳統的測量系統將每個數據點記錄到磁盤上，即使所測量的物理現象并有發生任何實質性的行為。這將導致所部署的系統會產生數千兆字節甚至數萬億字節的數據需要進行分析和線下篩選。

由于處理在更加靠近傳感器的位置進行，測量系統軟件必須所有創新才能在邊緣設備上高效地進行分析。未來基于終端的系統的軟件需要能夠快速配置和管理成千上萬個聯網的測量設備，并在這些節點上進行大量分析和信號處理。 展望未來，企業必須過渡到更加智能且基于軟件的測量節點才能跟上模擬數據爆炸式增長的速度。

?

物聯網的智能終端分析和其他工業解決方案對于解決工業大數據問題發揮著重要的作用。智能測量節點提供在線數據分析，從而更快速獲得有意義的結果。現在是時候通過大數據獲得更多信息了。

— Tom Bradicich，惠普企業超大型主機服務器和物聯網系統總經理和副總裁

?

更智能的企業管理和分析

采集智能系統的數據后，下一個步驟就是將數據傳送到企業系統來有效地管理和整合數據以及進行大規模分析。一個能夠多來源工程數據的企業數據管理和分析解決方案將有助于正確的人員在正確的時間獲得正確的數據，從而做出正確的決策。其中兩個主要的考量因素是能否正確地歸檔數據以及更智能地進行分析。

正確地歸檔數據

為了準確地對多個數據源進行數據分析，所有數據集應包含一致的元數據或描述性信息來解釋測試數據被保存的原因。元數據包含的信息包括測試設置、測試結果、測量單位等。據IDC 的調查顯示，大多數公司僅對22% 的采集數據進行文檔記錄，而實際上能夠進行分析的數據平均只有5％。因此還有許多可能非常重要的數據沒有被充分利用。重視將元數據標準化的公司將能夠實現更高程度的數據分析自動化，從而獲得明顯的競爭優勢。

但是在開始進行元數據標準化之前，工程師必須首先在哪些元數據對分析非常重要這個問題上達成一致。 一流的公司通常會有一個項目規范來定義所采集的元數據的命名和屬性。應用程序應該在采集時試圖記錄盡可能多的已定義屬性。但是在采集了數據之后，許多公司會通過運行自動檢查和插入缺少的屬性來添加數據屬性。比如，捷豹路虎對元數據進行自動化質量檢查，并在一年內開發和實現了企業數據管理解決方案，以前該公司僅能分析10％的數據，預計接下來這個數據將可達到驚人的95％。元數據的一致性使得它們能夠應用一致的自動化分析來匹配已定義的屬性。

更智能的分析

根據Frost ＆ Sullivan 2015 年9 月對全球測試與測量大數據分析市場報告指出，如果將大數據分析應用到測試中，產品開發成本將可減少近25％，運營成本將可減少近20％，維護成本將可降低50％。由于大模擬數據是增長最快速且數量最龐大的數據類型，尋找新的相關性并預測未來行為是保持競爭優勢的關鍵。

要做到這一點，為了研究、設計和驗證目的而進行測量的公司需要大大優化采集和分析邊緣設備數據的方式，并在企業內部對數據進行管理和分析，以確保能夠有效地利用這些數據來做出正確的決策。 他們越早這樣做，就能夠越早利用更精準的數據獲得更大回報。