Die Einführung von Machine-to-Machine-Kommunikation (M2M) führt zu Kosteneinsparungen und Effizienzsteigerungen, wenn Prozesse überwacht, optimiert und Maschinenfehler vermieden werden können. Um diesen Nutzen zu erzielen, müssen die Daten jedoch nicht nur gesammelt, aggregiert und angereichert werden: Nur wenn aus den maschinengenerierten Daten auch Einsichten gewonnen werden, die zu verlässlichen Vorhersagen und nachvollziehbaren Handlungsanweisungen führen, lässt sich der maximale Mehrwert generieren.
Die bisher verwendeten Analysemethoden und Reporting-Techniken vieler M2M-Lösungen der ersten Generation stoßen an ihre Grenzen, wenn Terabyte von Sensor- und Maschinendaten in Echtzeit analysiert werden sollen. Diese sind nicht immer in der Lage die M2M-Daten-Wertschöpfungskette vollumfänglich abzubilden und die gewünschten Erkenntnisse zu liefern. Sie werden in Zukunft um Next-Generation-M2M-Lösungen ergänzt werden. Die automatische und intelligente Live-Analyse der maschinengenerierten Daten lässt sich mittels Big-Data-Analysetechniken wie etwa Data-Mining bewerkstelligen. Unter Data-Mining ist die Extraktion von impliziten, bisher unbekannten und potenziell nützlichen Informationen, zu verstehen. Die Stärke der Data-Mining-Analysetechniken liegt im automatisierten Auffinden und Beschreiben von strukturellen Mustern innerhalb großer Datenmengen.