对IT人员来说，没有什么比不断变化的医疗保健市场更痛苦的了，在这个市场上，物联网(IoT)一直受到关注和关注。
IOT的概念涉及使用捕获或监视数据的电子设备，并通过无线连接到私有或公共云，使它们能够自动触发某些事件。
在医疗保健背景下，已向患者和医务人员以各种形式引入了一种越来越多的物联网设备。无线床头旁监测器，输液泵，甚至是语音/数据的临床医生通信设备，结果意味着更好，更高效的患者护理。
但这些设备具有比传统有线同行更具不可预测的“用户体验”，并获得了可见性和洞察力，他们的表现已成为IT人员的主要问题。
例如，如果床边监控器没有将与患者生命统计相关的数据传送给观众和观看这些数据的中央工作站，那么患者可能会在临床医生不知情的情况下感到痛苦。同样，如果临床医生的通信设备出现数据丢失或通话质量差的情况，患者护理也会受到不利影响。
向IOT盲人留下视线
最近在大数据网络分析，机器学习和云计算领域的技术进步现在准备解决这些问题，提供了很多需要的IT疼痛缓解和前所未有的可见性对IoT网络性能。
这些创新的核心是捕捉、解析和分析医疗保健物联网设备发出的数据，并在任何物联网客户(我们的物联网设备组)经历的全栈网络数据交易中自动关联这些信息。
这种方法与传统基础设施管理解决方案处理关键任务无线物联网设备(如床边监视器)的方式形成鲜明对比。
传统的基础设施管理主要使用Wi-Fi基础设施度量来确定客户端的行为——通常假设如果Wi-Fi基础设施运行良好，那么一切都将正常运行。但情况并非总是如此，因为基本的客户机设备和应用程序信息被排除在传统的基础设施管理模型之外。
关键是要有一个大数据分析平台，收集应用程序的性能指标——观众是否得到良好的、完整的心率、血氧水平等数据，从床边监测器，没有任何丢失?临床医生的通讯设备是否有良好的通话质量?其次，收集数据还不够好:分析系统需要自动将其与较低层次的客户端视角数据关联起来，例如，当客户端具有较低的信噪比时，应用程序的性能是否会很差?或者当它连接的接入点有高水平的非802.11噪声时?
总部位于北卡罗来纳州阿什兰的Mission Healthcare System移动架构师Brian Totten表示:“医院花费了太多的时间和金钱，将新的重症护理物联网设备引入到基础设施中，从而冒着网络性能不稳定的风险。”
“如果我们不知道这些设备如何在网络上表现，我们根本无法使用任何保证。迫切需要的是什么是能够捕获和测量这些设备的特定协议，并同时分析它们反对所有内容否则在网络中进行。这为我们提供了一个更完整的IoT设备性能图景，直到现在，我们只是没有，“他说。
换句话说，今天无线网络的管理和监控与管理物联网设备和应用程序完全分离。对于无线网络工程师来说，物联网设备已经成为一个大盲点，对于无线网络设备性能负责的人来说，物联网设备也成为了一个大盲点。
新的设备性能管理平台改变了这一切，它使用先进的数据分析技术来确定波形数据如何、何时以及为什么会在无线网络上与客户的当前状态相关时被床边监视器丢失。
通过这样做，网络工作人员可以判断数据丢失是由于糟糕的射频条件、客户端刚刚漫游，还是有线网络或设备本身出现了问题。
这些系统利用机器学习算法来识别趋势和模式和云资源，实时执行所有沉重的计算核心。
已经在网络上运行但是只是无法以任何有意义的方式访问它的数据，然后在更长的时间内聚合到较长时间内的数据，以确定哪些床头监视器是最有问题的，一遍又一遍地发生了什么样的问题可以做些什么来主动修复任何个人或系统性的性能问题。
拥有新的IOT洞察力，医疗保健IT团队立即获得视图，以预先不可能。这些包括但不限于：监控连接问题的自动根本原因分析，有问题的监视器，床边监测性能的基线行为以及交通监视器的数量正在发送和接收。
你能听到我吗？
床头馆不是医院中使用的唯一任务关键无线无线设备。
今天，医生、护士、助理和支持人员经常使用各种不同的设备，如寻呼机、多播一键通话设备，甚至个人智能手机来相互通信。管理网络上各种不同设备类型的性能已成为IT人员面临的巨大挑战。
因此，世界各地的许多医疗机构正在努力使用安全，目的内置的Wi-Fi语音和消息传递解决方案统一临床人员之间的声音和数据移动通信。确保通过网络的这些系统的最佳性能是这些新UC系统的成功集成，使用和值的关键。
许多这些新系统，来自Ascom等的供应商，现在支持从每个Wi-Fi电话输出特定的Syslog数据。该信息可用于量化质量，并识别由网络上的这些设备进行的每个呼叫或通信的特定属性。将此数据的访问和集成到新的网络分析平台中，可以与这些设备的无线网络与分析的所有设备一起使用类似的客户体验分析和相关性。
这可以让IT人员自动确定，例如，哪些临床医生通信设备的语音通话质量较差或经常断线，以及问题是由无线网络或其他客户网络交易引起的。
随着更多金钱和时间将IOT设备集成到企业接入网络中，证明这些支出在确保最佳用户体验时从未如此重要。机器学习的汇合，数据分析和云竞争使其不仅可能，而且可能是可能的。