Content
- IoT i cas d'ús de Analytics en temps real
- Actitud del sector cap a IoT i Analytics en temps real
- Rendiments de la inversió en Analytics en temps real i IoT
- Estima els costos
- Comprendre els reptes
- Conclusió
Font: Petrovich11 / Dreamstime.com
Emportar:
L’Internet de les coses proporciona un flux de dades constant, fent de les analítiques en temps real l’eina perfecta per analitzar-la.
Internet of Things (IoT) representa una interrupció creativa, quelcom que comença a anul·lar els processos i les tecnologies existents i produeix una forma de treballar completament nova. IoT pot aprofitar els productes i serveis millorats, l’experiència del client, la seguretat i l’assistència sanitària, entre altres aspectes, si s’aprofita adequadament. Una de les millors maneres de aprofitar tot el seu poder és l’analítica en temps real. IoT i les analítiques en temps real constitueixen un paquet. Sense analítiques en temps real, no podreu aprofitar els avantatges que ofereix IoT. IoT complementa analítiques en temps real i viceversa. Tanmateix, per combinar IoT i analítiques en temps real, les organitzacions han de fer molts canvis en la manera de desenvolupar els seus negocis.
IoT i cas d'ús de Analytics en temps real
El cotxe sense conductor sembla un cas d’ús adequat per a la combinació d’analítica en temps real i IoT. Un cotxe sense conductor té diversos sensors i una adreça IP. Quan un cotxe sense conductor circula per la carretera, com pot interactuar amb altres coses de la carretera, com ara els senyals de trànsit i altres vehicles? El cotxe sense conductor generarà i retransmetrà dades mentre circula; aquestes dades inclouen informació com ara la velocitat, el temps per assolir determinades fites i el percentatge d’emissions. A continuació, es detallen algunes possibles influències sobre els cotxes sense conductor:
- El cotxe sense conductor rebrà analítiques dels punts de senyal de trànsit sobre la congestió de trànsit a la ciutat. A partir d’aquests informes, el cotxe pot triar automàticament la ruta amb la menor congestió.
- Els punts de senyal de trànsit més propers tindran dades sobre el temps restant abans que el senyal es torni vermell. A partir de les dades, el cotxe sense conductor pot ajustar la seva velocitat.
- La policia de trànsit pot rebre informes si el cotxe viatja per sobre dels límits de velocitat admissibles. Això provocarà una notificació i el cotxe s’aturarà al punt de control següent.
- L’autoritat de control de la contaminació de la ciutat rebrà les dades d’emissions i una notificació al propietari del cotxe si el percentatge d’emissió està per sobre dels límits acceptables.
- Quan el cotxe sense conductor arriba al seu destí i cerca una plaça d’aparcament, els seus sensors poden escanejar i trobar espais vacants, si n’hi ha.
Quines són, doncs, les conclusions del cas d’ús anterior?
- Per donar sentit a les dades generades pel cotxe, cal rebre-les en temps real.
- Hi ha d'haver diversos sensors, com els de les oficines de senyal de trànsit i control de contaminació que reben les dades en temps real, el processen, creen analítiques fora d'ella i desencadenen una acció, com ara un avís de nivell d'emissions.
- Sense una infraestructura d’analítica en temps real, la recepció de dades de IoT no té cap sentit.
Actitud del sector cap a IoT i Analytics en temps real
Sembla que la indústria ha estat abraçant la potent combinació de IoT i analítiques en temps real, i hi ha molt optimisme al voltant. En una enquesta realitzada per Vitria, un proveïdor avançat de solucions d’analítica, es va trobar que el 48% dels enquestats ja treballaven en projectes d’anàlisi i en temps real. Els enquestats van respondre que estaven invertint activament en IoT i en analítiques en temps real. De l'enquesta van sorgir dues coses:
- L'anàlisi en temps real de les dades generades pels dispositius IoT va tenir una importància cabdal.
- Les empreses depenen molt dels coneixements predictius dels analítics en temps real.
Els principals resultats de l’enquesta són:
- Els principals dispositius de dades IoT (dispositius mòbils (32 per cent)), comptadors intel·ligents, torres cel·lulars i sensors instal·lats en vehicles i punts de logística són les fonts més grans de dades.
- El 48 per cent dels enquestats treballa en projectes actius mentre que el 15 per cent dels enquestats va dir que hi han treballat durant l’últim any.
- El 43 per cent dels enquestats va dir que invertiria en analítica IoT, automatització i visualització, mentre que per a cada àrea per separat, la resposta va ser d’analítica IoT (20 per cent), automatització (8%) i visualització (5 per cent).
- La intel·ligència empresarial és l’àrea on s’utilitza més l’analítica de streaming.
- El 18 per cent dels enquestats va dir que van pagar la màxima prioritat al manteniment predictiu, mentre que el 17 per cent van dir que necessitaven analítiques en temps real per al seguiment de la xarxa i la garantia de serveis. Només un 8 per cent va dir que necessitava la solució per a la gestió del servei de camp.
- La majoria dels inversors preveuen analitzacions en temps real i IoT que proporcionen molt valor en el futur.
Rendiments de la inversió en Analytics en temps real i IoT
El paràgraf anterior sembla una imatge atractiva de les analítiques en temps real i de l’equip IoT. Molts experts parlen com si la combinació fos una panacea. La resposta no és tan senzilla. La indústria ha de veure el passatge de la publicitat i adonar-se que es fa molta feina per obtenir rendiments importants de la combinació d’analítiques i IoT en temps real. Això no vol dir que la combinació sigui una bombolla, a punt d’esclatar; hi ha molta substància, només cal fer molta feina. Mirem què cal fer per maximitzar els rendiments. Pensem en els passos principals:
No podeu millorar les vostres habilitats de programació quan ningú es preocupa per la qualitat del programari.
Estima els costos
Després d'haver identificat els problemes, feu una anàlisi objectiva basada en dades del ROI. Entre altres coses, us heu de centrar en dues coses: el cost total de propietat i els beneficis que podreu obtenir. La clau de l’anàlisi amb èxit és el de produir quantitats quantitatives de l’anàlisi, en la mesura del possible. Per exemple, l’IoT i les analítiques en temps real haurien de poder predir el termini en què la maquinària de la vostra fàbrica començarà a produir rendiments disminuïts. Això també es coneix com a manteniment predictiu. En segon lloc, busqueu el cost total de propietat que inclou, però pot no limitar-se a, les persones que utilitzeu per a aquesta tasca, equips com ordinadors i servidors, cost i entrenament del temps i manteniment dels sensors.
Comprendre els reptes
La implementació d’un projecte d’analítica i IoT en temps real és una empresa enorme i extremadament complexa perquè, per a la majoria de les organitzacions, no té precedents. És important fer una valoració realista de les tasques i dividir-les en trossos més petits i manejables.
Conclusió
El primer pas per treure el màxim partit de la combinació d’analítica en temps real i IoT és acceptar que no es tracta d’una vareta màgica. Al mateix temps, no és una bombolla. Eviteu els pensaments extrems. Hi ha molta substància en el concepte que cal aprofitar amb cura. Necessiteu una avaluació realista i una anàlisi quantitativa seguida de petits passos. Aquest és un projecte que podria redefinir el vostre negoci com mai si ho podríeu implementar correctament, però caldrà temps.