Contenuto
- Caso d'uso IoT e analisi in tempo reale
- Attitudine del settore verso l'IoT e l'analisi in tempo reale
- Ritorni sugli investimenti su analisi in tempo reale e IoT
- Stimare i costi
- Comprendi le sfide
- Conclusione
Fonte: Petrovich11 / Dreamstime.com
Porta via:
L'Internet of Things fornisce un flusso costante di dati, rendendo l'analisi in tempo reale lo strumento perfetto per analizzarlo.
L'Internet of Things (IoT) rappresenta un'interruzione creativa, qualcosa che inizia a rovesciare i processi e le tecnologie esistenti e produce un modo completamente nuovo di lavorare. L'IoT può introdurre, tra le altre cose, prodotti e servizi migliorati, esperienza del cliente, sicurezza e assistenza sanitaria, se viene sfruttato correttamente. Uno dei modi migliori per sfruttare tutta la sua potenza è l'analisi in tempo reale. L'IoT e l'analisi in tempo reale costituiscono un pacchetto. Senza analisi in tempo reale, non è possibile sfruttare tutti i vantaggi offerti dall'IoT. L'Io integra l'analisi in tempo reale e viceversa. Tuttavia, per combinare l'IoT e l'analisi in tempo reale, le organizzazioni devono apportare molte modifiche al modo in cui svolgono attualmente l'attività.
Caso d'uso IoT e analisi in tempo reale
L'auto senza conducente sembra essere un caso d'uso appropriato per la combinazione di analisi in tempo reale e IoT. Un'auto senza conducente è dotata di numerosi sensori e un indirizzo IP. Quando un'auto senza conducente viaggia lungo la strada, come interagisce con altre cose sulla strada come i segnali stradali e altri veicoli? L'auto senza conducente genererà e inoltrerà i dati mentre viaggia; questi dati includono informazioni quali velocità, tempo per raggiungere determinati punti di riferimento e percentuale di emissione. Di seguito sono riportate alcune possibili influenze sulle auto senza conducente:
- L'auto senza conducente riceverà analisi dai punti del segnale di traffico sulla congestione del traffico in città. Sulla base di questi rapporti, l'auto può scegliere automaticamente il percorso con la minima congestione.
- I punti del segnale stradale più vicini indicheranno il tempo rimanente prima che il segnale diventi rosso. Sulla base dei dati, l'auto senza conducente può regolare la sua velocità.
- La polizia stradale può ricevere segnalazioni se l'auto sta viaggiando oltre i limiti di velocità consentiti. Ciò attiverà una notifica e l'auto verrà fermata al successivo punto di controllo.
- L'autorità di controllo dell'inquinamento della città riceverà i dati sulle emissioni e una notifica al proprietario dell'auto se la percentuale di emissione supera i limiti accettabili.
- Quando l'auto senza conducente raggiunge la sua destinazione e cerca un parcheggio, i suoi sensori possono rapidamente scansionare e trovare spazi vuoti, se presenti.
Quindi, quali sono i risultati del caso d'uso sopra riportato?
- Per dare un senso ai dati generati dall'auto, è necessario che vengano ricevuti in tempo reale.
- Devono essere presenti numerosi altri sensori, come quelli nei segnali stradali e negli uffici di controllo dell'inquinamento che ricevono i dati in tempo reale, li elaborano, ne creano analisi e attivano un'azione come l'invio di un avviso ad alto livello di emissioni.
- Senza l'infrastruttura di analisi in tempo reale, la ricezione di dati IoT non ha alcun senso.
Attitudine del settore verso l'IoT e l'analisi in tempo reale
Sembra che l'industria stia abbracciando la potente combinazione di IoT e analisi in tempo reale, e c'è molto ottimismo che lo circonda. In un sondaggio condotto da Vitria, un fornitore avanzato di soluzioni di analisi, è emerso che il 48% degli intervistati aveva già lavorato a progetti IoT e di analisi in tempo reale. Gli intervistati hanno risposto che stavano attivamente investendo in IoT e analisi in tempo reale. Dal sondaggio sono emerse due cose:
- L'analisi in tempo reale dei dati generati dai dispositivi IoT era di primaria importanza.
- Le aziende dipendono molto dalle intuizioni predittive fornite dall'analisi in tempo reale.
I risultati salienti dell'indagine sono:
- Dispositivi mobili (32 percento), contatori intelligenti, torri cellulari e sensori montati su veicoli e punti logistici sono le maggiori fonti di dati IoT.
- Il 48 percento degli intervistati sta lavorando a progetti attivi mentre il 15 percento degli intervistati ha dichiarato di aver lavorato su di esso nell'ultimo anno.
- Il 43 percento degli intervistati ha dichiarato che avrebbe investito in analisi, automazione e visualizzazione dell'IoT, mentre per ciascuna area separatamente la risposta è stata l'analisi dell'IoT (20 percento), l'automazione (8 percento) e la visualizzazione (5 percento).
- La business intelligence è l'area in cui l'analitica di streaming viene maggiormente utilizzata.
- Il 18 percento degli intervistati ha dichiarato di aver dato la massima priorità alla manutenzione predittiva, mentre il 17 percento ha dichiarato di aver bisogno di analisi in tempo reale per il monitoraggio della rete e la garanzia del servizio. Solo l'8% ha affermato di aver bisogno della soluzione per la gestione dei servizi sul campo.
- La maggior parte degli investitori prevede che l'IoT e le analisi in tempo reale offrano molto valore in futuro.
Ritorni sugli investimenti su analisi in tempo reale e IoT
Il paragrafo sopra sembra dipingere un quadro roseo dell'analitica in tempo reale e del team IoT. Molti esperti parlano come se la combinazione fosse una panacea. La risposta non è così semplice. L'industria ha bisogno di vedere oltre l'hype e rendersi conto che un sacco di duro lavoro è al fine di ottenere significativi ritorni dalla combinazione di analisi in tempo reale e IoT. Ciò non significa che la combinazione sia una bolla, che sta per scoppiare; c'è molta sostanza, è solo che è necessario molto lavoro. Diamo un'occhiata a cosa dobbiamo fare per massimizzare i rendimenti. Pensiamo ai passaggi principali:
Non puoi migliorare le tue capacità di programmazione quando a nessuno importa della qualità del software.
Stimare i costi
Dopo aver identificato i problemi, condurre un'analisi ROI obiettiva e basata sui dati. Dovresti, tra le altre cose, concentrarti su due cose: il costo totale di proprietà e i benefici che probabilmente trarrai. La chiave per un'analisi riuscita è avere risultati quantitativi dall'analisi, per quanto possibile. Ad esempio, l'IoT e le analisi in tempo reale dovrebbero essere in grado di prevedere l'intervallo di tempo in cui i macchinari della fabbrica inizieranno a produrre rendimenti decrescenti. Questo è anche noto come manutenzione predittiva. In secondo luogo, trova il costo totale di proprietà che include, ma non può essere limitato a, le persone che assumi per questo incarico, attrezzature come computer e server, costi e tempi di formazione e manutenzione dei sensori.
Comprendi le sfide
L'implementazione di un progetto di analisi e IoT in tempo reale è un'impresa enorme ed estremamente complessa perché per la maggior parte delle organizzazioni non ha precedenti. È importante effettuare una valutazione realistica dei compiti e suddividerli in blocchi più piccoli e gestibili.
Conclusione
Il primo passo per ottenere il meglio dalla combinazione di analisi in tempo reale e IoT è accettare che non sia una bacchetta magica. Allo stesso tempo, non è una bolla. Evita pensieri estremi. C'è molta sostanza nel concetto, che deve essere sfruttato con cura. È necessaria una valutazione realistica e un'analisi quantitativa seguite da piccoli passi. Questo è un progetto che potrebbe ridefinire il tuo business come mai prima se riesci a implementarlo correttamente, ma ci vorrà del tempo.