希望看到需求谁拥有相关的物联网（IOT）的互联网技术和业务技能，为企业不断涌现的物联网项目的一大途径人们一个巨大的上扬。
451研究所的一份新报告指出，寻找物联网技术工人是一个很大的挑战。该公司调查的575名IT和IoT决策者中，近一半（主要在北美和欧洲）表示，他们在物联网相关任务上面临技能短缺。
企业需要获得的技能包括如网络安全，网络，设备硬件，应用和物联网战略的总体管理领域的专业知识。但也许无处将需要比在有关数据分析领域更大的在未来几年。由于公司寻求利用物联网数据预测的结果，防止出现故障，优化运营和开发新的产品，先进的分析能力，包括人工智能（AI）和机器学习（ML） - 将会是他们成功的关键。
除了数据科学家，组织还需要能够协助数据收集、卫生、清理和将物联网数据集转换为可由分析算法处理的形式的人员，以提供及时的操作见解。
技能差距
很难找到具备这些技能的人，尤其是那些将传统数据分析背景与人工智能、机器学习和物联网流数据处理等领域能力相结合的人，所有这些都将是制定和实施成功的物联网战略不可或缺的部分。
不同于传统的商业智能（BI），其中公司运行周期性地批次流程和业务用户的生产和消费的报告，许多物联网应用案例要求近乎实时的运营洞察力。在的IoT AI / ML算法的操作信息（无论是在工厂自动化，智能能源，车队管理或卫生保健），这些算法被连续消耗的流数据，并产生洞察力的情况。并且洞察必须及时的方式被使用，以优化操作流程。
随着企业对物联网的深入研究，将越来越需要一名面向操作智能的数据分析师，他同时也是“AI/ML数据工程师”。虽然不主要负责算法开发或选择，这个新的人物角色必须经常参与到操作微调和评估数据集中，以确保产生最高质量的洞察力。这个角色需要了解数据库模式、转换/清理方法、大数据和ML管道、流数据处理、数据可视化和物联网安全。角色还必须能够与业务用户和数据科学家说一种共同语言，他们负责算法的数学运算，以促进有效的协作。
不幸的是，在这一点上，几乎没有人承担这样一个角色的能力或经验。原因很简单。这个地区是既有教育机构和企业带来新的，未知的领域。
别指望数据科学家
高校将很快需要开始接近这一物联网的分析技能作为一个全新的学科，以满足什么几乎肯定将是一个迅速增长的市场需求。但与此同时，这个技能差距礼物给企业一个显著的挑战，甚至有可能危及他们充分认识到物联网的承诺的能力。
一个可能的解决方案是培训现有的数据分析员、ETL开发人员和其他面向数据的专业人员来掌握这些新技术。但这也可能是一个挑战。
不要指望通过数据科学家来满足需求。事实上，面向数学的数据科学家技能集是当今使用AI/ML创建物联网见解的主要制约因素。我们根本没有，也无法创造出足够的人才来满足需求。
由于物联网数据是被称为“大数据”的更广泛范畴的一个子集，快速了解大数据科学家的日常经验有助于进一步突出物联网困境。根据最近的调查福布斯“数据准备工作占数据科学家工作的80%，”数据科学家的76％查看数据准备为他们工作的至少一部分愉快.”
这就解释了为什么需要将数学导向的算法开发技能集与新角色（具有AI/ML素养的数据分析员/工程师）的面向操作的技能集（通常在博士数学家或数据科学家身上）分开。如果训练得当，这个人可以完成数据科学家现在完成的80%的工作。结果将是，组织将对高度受限的数据科学家资源有更多的杠杆作用，并有更好的能力在物联网用例中扩展其对AI和ML的使用。
下一代物联网分析工具
这个新的物联网分析人物角色将需要依赖于一代自助分析工具，当涉及到收集、清理、组织和分析物联网系统生成的数据时，这些工具将完成繁重的工作。与为数据科学家设计的流行工具和编程语言不同，这些新工具必须由既不是程序员也不是数学家的熟练的物联网专家轻松学习。
新的AI / ML分析师/工程师应当能够帮助数据准备（数据科学家的指导下）;选择合适的型号和兼容的数据集和问题;建立需要在每一个新的方案操作化模式的输入管路;做模型的性能和调整基本参数谦虚评价;并升级为数据科学家如果模型没有达到预期效果。这样的工具将有利于物联网的数据分析师/工程师和科学家的数据之间的无缝协作，使每个有助于快速创建先进的业务运营见解，企业需要以获得最大的物联网的举措。
找到一个解决分析技能差距不是组织一个微不足道的代价。如果没有对数据进行分析的巨额的能力，通过连接的设备生成并有效地投入运作所产生的见解，企业将难以充分实现物联网的真正价值。