Contenuto
- Smart Analytics Drive Valore IoT
- Costruire architetture IoT
- Nessun bug, nessuno stress: la tua guida passo passo alla creazione di software che ti cambia la vita senza distruggere la tua vita
Fonte: Mcarrel / Dreamstime.com
Porta via:
L'uso dell'analisi per elaborare i dati IoT può produrre risultati potenti.
Il ronzio attorno al termine "Internet of Things" (IoT) si amplifica ogni giorno che passa. Tuttavia, ci vuole del tempo perché tutti comprendano appieno quanto sia diventato prezioso questo fenomeno per il nostro mondo e la nostra economia. Parte di ciò ha a che fare con la curva di apprendimento nel comprendere le sofisticate tecnologie e analisi coinvolte. Ma parte di esso è l'ambito di valore puro e sconcertante che è possibile in tutto il mondo. Uno studio completo condotto nel giugno 2015 dal McKinsey Global Institute, infatti, ha concluso che l'IoT è una di quelle rare tendenze tecnologiche in cui "l'hype può effettivamente sottovalutare il pieno potenziale".
L'Internet of Things è il nostro universo in costante crescita di sensori e dispositivi che creano un flusso di dati granulari sul nostro mondo. Le "cose" comprendono tutto, dai sensori ambientali che monitorano il tempo, il traffico o il consumo di energia; agli elettrodomestici e alla telemetria "intelligenti" delle macchine della linea di produzione e dei motori delle automobili. Questi sensori diventano sempre più intelligenti, più economici e più piccoli (molti sensori oggi sono più piccoli di un centesimo e alla fine vedremo polvere intelligente: migliaia di piccoli processori che sembrano polvere e vengono spruzzati sulle superfici, ingeriti o versati.)
Smart Analytics Drive Valore IoT
Con l'aumentare del volume e della varietà di sensori e di altre fonti di telemetria, aumentano anche le connessioni tra loro e le esigenze analitiche per creare una curva del valore IoT che aumenta esponenzialmente col passare del tempo. IDC prevede che la base installata di cose connesse all'IoT raggiungerà oltre 29,5 miliardi nel 2020, con un valore aggiunto economico in tutti i settori raggiungendo quindi $ 1,9 trilioni. Per quanto riguarda l'attenzione ai sensori e alle connessioni, tuttavia, il fattore chiave del valore è l'analisi che possiamo applicare per raccogliere informazioni e vantaggi competitivi.
Mentre costruiamo algoritmi migliori per la fiorente infrastruttura digitale IoT, stiamo imparando a usare “analisi intelligenti” basate sulla connessione per diventare molto proattivi nel prevedere prestazioni e condizioni future e persino prescrivere azioni future. E se potessimo prevedere un simile fallimento prima che accada? Con un'analisi avanzata intelligente oggi, possiamo. È chiamato manutenzione predittiva e utilizza una "distribuzione Weibull" basata sulla probabilità e altri processi avanzati per misurare le percentuali di "tempo di guasto" in modo da poter prevedere un guasto della macchina o del dispositivo prima che accada.
Un importante fornitore di macchine per la diagnostica e il trattamento medico ha sfruttato la manutenzione predittiva per creare "modelli di usura" per le parti componenti nei suoi prodotti. Ciò ha consentito il rilevamento e l'identificazione precoci dei problemi, nonché l'analisi proattiva delle cause alla radice per prevenire tempi di inattività e interruzioni non pianificate. Un grande produttore europeo di treni, nel frattempo, sta sfruttando tecniche simili per prevenire guasti al motore del treno. È una funzionalità chiave che ha consentito all'azienda di espandersi nel mercato del leasing, un settore redditizio solo se i treni rimangono operativi.
Costruire architetture IoT
Non c'è davvero limite a quanto possiamo portare questa alchimia di sensori, connessioni e algoritmi per creare sistemi e soluzioni sempre più complessi ai problemi che le aziende devono affrontare. Ma il successo rimane impossibile senza le giuste architetture di analisi in atto. La maggior parte delle aziende oggi fatica ancora a capitalizzare e ad utilizzare tutti questi dati IoT.
In effetti, il rapporto IoT di giugno 2015 di McKinsey ha rilevato che attualmente viene utilizzato meno dell'uno percento dei dati IoT; e quegli usi tendono ad essere cose semplici come l'attivazione di allarmi o controlli in tempo reale piuttosto che analisi avanzate che possono aiutare a ottimizzare i processi aziendali o fare previsioni.
Anche le aziende più esperte di tecnologia si stanno ora rendendo conto che l'estrazione di valore dai dati è un processo difficile e ad alta intensità di competenze. Le priorità principali includono "l'ascolto" intelligente di enormi flussi di dati IoT per scoprire modelli distintivi che potrebbero essere segni di preziose informazioni. Dobbiamo ingerire e propagare quei dati in un ecosistema analitico di algoritmi avanzati di machine learning, operando su larga scala per raccogliere informazioni sofisticate e fruibili.
Nessun bug, nessuno stress: la tua guida passo passo alla creazione di software che ti cambia la vita senza distruggere la tua vita
Non puoi migliorare le tue capacità di programmazione quando a nessuno importa della qualità del software.
L'agilità è la chiave: le architetture devono seguire più flussi di dati di sensori e IoT in tempo reale e implementare una piattaforma di acquisizione centrale agile per ascoltare in modo economico e affidabile tutti i dati rilevanti. Le architetture dovrebbero inoltre essere configurate per distribuire analisi avanzate - tra cui apprendimento automatico, percorso, modello, serie temporali, statistiche, grafico e analisi - a fronte di enormi volumi di dati. L'intero ambiente dovrebbe essere completamente self-service per consentire una rapida innovazione di qualsiasi nuovo set di dati ed evitare di impantanare il personale IT con costosi progetti personalizzati basati sui requisiti.
Questo è il tipo di capacità che le aziende devono perseguire per individuare e agire economicamente sulle nuove opportunità commerciali rese possibili dall'Internet of Things. Richiede una buona dose di investimenti e pianificazione strategica, ma ne vale la pena il profitto in termini di analisi analitiche, vantaggio competitivo e entrate future.
Questo articolo è stato originariamente pubblicato su Teradata.com. È stato reed qui con il permesso. Teradata conserva tutti i diritti d'autore.