在这个工程和测量数据爆炸的时代，如果企业没有制定稳妥的数据管理战略，几年后他们将无法有效应对和管理所有的数据。因此，一流的测量和分析解决方案必须具备两个基本功能：(1) 终端分析 (2) 智能企业管理和分析。
将测量分析推向智能终端
将测量分析推向智能终端过去十年来，数据采集设备和传感器的智能功能快速增加，而且变得更加分散，处理元件也放置在更靠近传感器的位置。如果看一下ARM、Intel和Xilinx 等公司的最新芯片和IP 所集成的采集系统和节点就可以充分证明这一点。但是除了测量设备更加智能之外，传感器同样也日益智能化，智能传感器将传感器、信号调理、嵌入式处理器和数字接口/ 总线集成到一个极其小巧的封装或系统中。
鉴于这一趋势，现在许多应用都强调了边缘设备的智能化和高级信号处理。在资产监控应用中，传统的测量系统将每个数据点记录到磁盘上，即使所测量的物理现象并有发生任何实质性的行为。这将导致所部署的系统会产生数千兆字节甚至数万亿字节的数据需要进行分析和线下筛选。
由于处理在更加靠近传感器的位置进行，测量系统软件必须所有创新才能在边缘设备上高效地进行分析。未来基于终端的系统的软件需要能够快速配置和管理成千上万个联网的测量设备，并在这些节点上进行大量分析和信号处理。 展望未来，企业必须过渡到更加智能且基于软件的测量节点才能跟上模拟数据爆炸式增长的速度。
物联网的智能终端分析和其他工业解决方案对于解决工业大数据问题发挥着重要的作用。智能测量节点提供在线数据分析，从而更快速获得有意义的结果。现在是时候通过大数据获得更多信息了。
— Tom Bradicich，惠普企业超大型主机服务器和物联网系统总经理和副总裁
更智能的企业管理和分析
采集智能系统的数据后，下一个步骤就是将数据传送到企业系统来有效地管理和整合数据以及进行大规模分析。一个能够多来源工程数据的企业数据管理和分析解决方案将有助于正确的人员在正确的时间获得正确的数据，从而做出正确的决策。其中两个主要的考量因素是能否正确地归档数据以及更智能地进行分析。
正确地归档数据
为了准确地对多个数据源进行数据分析，所有数据集应包含一致的元数据或描述性信息来解释测试数据被保存的原因。元数据包含的信息包括测试设置、测试结果、测量单位等。据IDC 的调查显示，大多数公司仅对22% 的采集数据进行文档记录，而实际上能够进行分析的数据平均只有5％。因此还有许多可能非常重要的数据没有被充分利用。重视将元数据标准化的公司将能够实现更高程度的数据分析自动化，从而获得明显的竞争优势。
但是在开始进行元数据标准化之前，工程师必须首先在哪些元数据对分析非常重要这个问题上达成一致。 一流的公司通常会有一个项目规范来定义所采集的元数据的命名和属性。应用程序应该在采集时试图记录尽可能多的已定义属性。但是在采集了数据之后，许多公司会通过运行自动检查和插入缺少的属性来添加数据属性。比如，捷豹路虎对元数据进行自动化质量检查，并在一年内开发和实现了企业数据管理解决方案，以前该公司仅能分析10％的数据，预计接下来这个数据将可达到惊人的95％。元数据的一致性使得它们能够应用一致的自动化分析来匹配已定义的属性。
更智能的分析
根据Frost ＆ Sullivan 2015 年9 月对全球测试与测量大数据分析市场报告指出，如果将大数据分析应用到测试中，产品开发成本将可减少近25％，运营成本将可减少近20％，维护成本将可降低50％。由于大模拟数据是增长最快速且数量最庞大的数据类型，寻找新的相关性并预测未来行为是保持竞争优势的关键。
要做到这一点，为了研究、设计和验证目的而进行测量的公司需要大大优化采集和分析边缘设备数据的方式，并在企业内部对数据进行管理和分析，以确保能够有效地利用这些数据来做出正确的决策。 他们越早这样做，就能够越早利用更精准的数据获得更大回报。
(审核编辑: 智汇胡妮)
