Διαδίκτυο των πραγμάτων (IoT) και Analytics σε πραγματικό χρόνο - Ένας γάμος που γίνεται στον ουρανό

Συγγραφέας: Roger Morrison
Ημερομηνία Δημιουργίας: 19 Σεπτέμβριος 2021
Ημερομηνία Ενημέρωσης: 19 Ιούνιος 2024
Anonim
The Internet of Things by James Whittaker of Microsoft
Βίντεο: The Internet of Things by James Whittaker of Microsoft

Περιεχόμενο


Πηγή: Petrovich11 / Dreamstime.com

Πάρε μακριά:

Το Διαδίκτυο των πραγμάτων παρέχει μια συνεχή ροή δεδομένων, καθιστώντας το αναλυτικό λογισμικό σε πραγματικό χρόνο το τέλειο εργαλείο για την ανάλυση του.

Το Διαδίκτυο των πραγμάτων (IoT) αντιπροσωπεύει μια δημιουργική αναστάτωση, κάτι που αρχίζει να ανατρέπει τις υπάρχουσες διαδικασίες και τεχνολογίες και δημιουργεί έναν εντελώς νέο τρόπο εργασίας. Το IoT μπορεί να προωθήσει βελτιωμένα προϊόντα και υπηρεσίες, εμπειρία πελατών, ασφάλεια και υγειονομική περίθαλψη, μεταξύ άλλων, εάν χρησιμοποιηθεί σωστά. Ένας από τους καλύτερους τρόπους για να αξιοποιήσει την πλήρη δύναμή του είναι η ανάλυση σε πραγματικό χρόνο. Το IoT και τα αναλυτικά στοιχεία σε πραγματικό χρόνο αποτελούν ένα πακέτο. Χωρίς αναλυτικές πληροφορίες σε πραγματικό χρόνο, δεν μπορείτε να εκμεταλλευτείτε πλήρως τα οφέλη που έχει να προσφέρει το IoT. Το IoT συμπληρώνει τις αναλύσεις σε πραγματικό χρόνο και αντιστρόφως. Ωστόσο, για να συνδυάσουν το IoT και τα αναλυτικά στοιχεία σε πραγματικό χρόνο, οι οργανώσεις πρέπει να κάνουν πολλές αλλαγές στον τρόπο με τον οποίο προβαίνουν σήμερα σε επιχειρήσεις.


IoT και Real-Time Analytics

Το μηχανοκίνητο αυτοκίνητο φαίνεται να αποτελεί κατάλληλη περίπτωση χρήσης για τον συνδυασμό αναλύσεων σε πραγματικό χρόνο και IoT. Ένα αυτοκίνητο χωρίς οδηγό είναι εξοπλισμένο με αρκετούς αισθητήρες και μια διεύθυνση IP. Όταν ένα αυτοκίνητο οδηγού ταξιδεύει κάτω από το δρόμο, πώς αλληλεπιδρά με άλλα πράγματα στο δρόμο, όπως σήματα κυκλοφορίας και άλλα οχήματα; Το αυτοκίνητο χωρίς οδηγό θα παράγει και θα αναμεταδίδει δεδομένα καθώς ταξιδεύει. αυτά τα δεδομένα περιλαμβάνουν πληροφορίες όπως η ταχύτητα, ο χρόνος για την επίτευξη ορισμένων ορόσημων και το ποσοστό εκπομπών. Ακολουθούν κάποιες πιθανές επιρροές σε σχέση με τα αυτοκίνητα χωρίς οδηγό:

  • Το αυτοκίνητο χωρίς οδηγό θα λαμβάνει αναλυτικά στοιχεία από σημεία σημάτων κυκλοφορίας σχετικά με την κυκλοφοριακή συμφόρηση στην πόλη. Με βάση αυτές τις αναφορές, το αυτοκίνητο μπορεί να επιλέξει αυτόματα τη διαδρομή με τη μικρότερη συμφόρηση.
  • Οι πιό πλησιέστεροι σηματοδότες σημάτων κυκλοφορίας θα εμφανίζουν δεδομένα σχετικά με το χρόνο που απομένει πριν το σήμα γίνει κόκκινο. Με βάση τα δεδομένα, το μηχανοκίνητο αυτοκίνητο μπορεί να προσαρμόσει την ταχύτητά του.
  • Η αστυνομία της κυκλοφορίας μπορεί να λάβει αναφορές αν το αυτοκίνητο ταξιδεύει πάνω από τα επιτρεπόμενα όρια ταχύτητας. Αυτό θα ενεργοποιήσει μια ειδοποίηση και το αυτοκίνητο θα σταματήσει στο επόμενο σημείο ελέγχου.
  • Η αρχή ελέγχου της ρύπανσης της πόλης θα λάβει τα δεδομένα σχετικά με τις εκπομπές και μια ειδοποίηση προς τον ιδιοκτήτη του αυτοκινήτου εάν το ποσοστό εκπομπών είναι πάνω από τα αποδεκτά όρια.
  • Καθώς το αυτοκίνητο χωρίς οδηγό φτάνει στον προορισμό του και αναζητά χώρο στάθμευσης, οι αισθητήρες του μπορούν να σαρώσουν γρήγορα και να βρουν κενές θέσεις, αν υπάρχουν.

Έτσι, ποια είναι τα ευρήματα από την παραπάνω περίπτωση χρήσης;


  • Για να έχει νόημα τα δεδομένα που παράγονται από το αυτοκίνητο, πρέπει να λαμβάνεται σε πραγματικό χρόνο.
  • Πρέπει να υπάρχουν αρκετοί άλλοι αισθητήρες, όπως εκείνοι στα σήματα κυκλοφορίας και τα γραφεία ελέγχου της ρύπανσης που λαμβάνουν τα δεδομένα σε πραγματικό χρόνο, να τα επεξεργάζονται, να δημιουργούν αναλυτικά στοιχεία και να ενεργοποιούν μια ενέργεια όπως μια προειδοποίηση υψηλού επιπέδου εκπομπών.
  • Χωρίς υποδομή αναλυτικών δεδομένων σε πραγματικό χρόνο, η λήψη δεδομένων από το IoT δεν έχει νόημα.

Βιομηχανική στάση προς την ιστορία και την ανάλυση σε πραγματικό χρόνο

Φαίνεται ότι η βιομηχανία έχει αγκαλιάσει τον ισχυρό συνδυασμό του IoT και των αναλύσεων σε πραγματικό χρόνο, και υπάρχει μεγάλη αισιοδοξία γύρω από αυτό. Σε μια έρευνα που πραγματοποίησε η Vitria, ένας προηγμένος πάροχος λύσεων αναλυτικών λύσεων, διαπιστώθηκε ότι το 48% των ερωτηθέντων είχε ήδη εργαστεί σε προγράμματα αναλύσεων IoT και σε πραγματικό χρόνο. Οι ερωτηθέντες απάντησαν ότι επένδυσαν ενεργά σε αναλύσεις IoT και σε πραγματικό χρόνο. Δύο πράγματα προέκυψαν από την έρευνα:

  1. Η ανάλυση σε πραγματικό χρόνο των δεδομένων που παράγονται από συσκευές IoT ήταν πρωταρχικής σημασίας.
  2. Οι εταιρείες εξαρτώνται πολύ από τις προβλέψεις που δίδονται από τα αναλυτικά στοιχεία σε πραγματικό χρόνο.

Τα κυριότερα ευρήματα από την έρευνα είναι τα εξής:

  • Οι κινητές συσκευές (32%), οι έξυπνοι μετρητές, οι πύργοι των κυψελών και οι αισθητήρες που είναι τοποθετημένοι στα οχήματα και τα σημεία εφοδιαστικής είναι οι μεγαλύτερες πηγές δεδομένων IoT.
  • Το 48% των ερωτηθέντων εργάζονται σε ενεργά έργα, ενώ το 15% των ερωτηθέντων δήλωσε ότι έχουν εργαστεί σε αυτό το τελευταίο έτος.
  • Το 43% των ερωτηθέντων δήλωσε ότι θα επενδύσει σε αναλύσεις, αυτοματοποίηση και απεικόνιση του IoT, ενώ για κάθε τομέα χωριστά, η απάντηση ήταν τα αναλυτικά στοιχεία του IoT (20%), η αυτοματοποίηση (8%) και η οπτικοποίηση (5%).
  • Η επιχειρησιακή νοημοσύνη είναι η περιοχή όπου χρησιμοποιούνται τα πλέον αποτελεσματικά αναλυτικά ροής.
  • Το 18% των ερωτηθέντων δήλωσε ότι κατέβαλε την υψηλότερη προτεραιότητα στην προβλεπτική συντήρηση, ενώ το 17% δήλωσε ότι χρειάζονται αναλυτικά στοιχεία σε πραγματικό χρόνο για την παρακολούθηση του δικτύου και τη διασφάλιση των υπηρεσιών. Μόνο το 8% δήλωσαν ότι χρειάζονται τη λύση για τη διαχείριση των υπηρεσιών πεδίου.
  • Οι περισσότεροι επενδυτές προβλέπουν ότι το IoT και τα αναλυτικά στοιχεία σε πραγματικό χρόνο προσφέρουν μεγάλη αξία στο μέλλον.

Επιστροφές Επενδύσεων σε Analytics σε πραγματικό χρόνο και IoT

Η παραπάνω παράγραφος φαίνεται να ζωγραφίζει μια ροζ εικόνα των αναλυτικών σε πραγματικό χρόνο και της ομάδας του IoT. Πολλοί ειδικοί μιλούν σαν ο συνδυασμός να είναι πανάκεια. Η απάντηση δεν είναι τόσο απλή. Η βιομηχανία πρέπει να δει το παρελθόν της διαφημιστικής εκστρατείας και να συνειδητοποιήσει ότι πολλή σκληρή δουλειά είναι για να επιτύχουμε σημαντικές αποδόσεις από την ανάλυση σε πραγματικό χρόνο και τον συνδυασμό IoT. Αυτό δεν σημαίνει ότι ο συνδυασμός είναι μια φούσκα, που πρόκειται να σκάσει. υπάρχει πολλή ουσία, είναι απλά ότι χρειάζεται πολλή δουλειά. Ας δούμε τι πρέπει να κάνουμε για να μεγιστοποιήσουμε τις αποδόσεις. Ας δούμε τα βασικά βήματα:

Δεν μπορείτε να βελτιώσετε τις δεξιότητες προγραμματισμού σας όταν κανείς δεν ενδιαφέρεται για την ποιότητα του λογισμικού.

Εκτιμήστε τα έξοδα

Αφού προσδιορίσετε τα προβλήματα, πραγματοποιήστε μια αντικειμενική ανάλυση βάσει ROI που βασίζεται σε δεδομένα. Θα πρέπει, μεταξύ άλλων, να επικεντρωθείτε σε δύο πράγματα: το συνολικό κόστος ιδιοκτησίας και τα οφέλη που πιθανόν να αποκομίσετε. Το κλειδί για μια επιτυχημένη ανάλυση έχει ποσοτικά αποτελέσματα από την ανάλυση, όσο το δυνατόν περισσότερο. Για παράδειγμα, οι αναλύσεις IoT και σε πραγματικό χρόνο θα πρέπει να είναι σε θέση να προβλέψουν το χρονικό διάστημα μέσα στο οποίο τα μηχανήματα στο εργοστάσιό σας θα αρχίσουν να δίνουν μειωμένες αποδόσεις. Αυτό είναι επίσης γνωστό ως συντηρητική συντήρηση. Δεύτερον, βρείτε το συνολικό κόστος ιδιοκτησίας το οποίο περιλαμβάνει, αλλά δεν περιορίζεται στα άτομα που απασχολείτε για αυτή την εργασία, εξοπλισμό όπως υπολογιστές και διακομιστές, κόστος εκπαίδευσης και χρόνος και συντήρηση αισθητήρων.

Κατανοήστε τις προκλήσεις

Η εφαρμογή ενός αναλυτικού λογισμικού σε πραγματικό χρόνο και ενός έργου IoT είναι μια τεράστια και εξαιρετικά πολύπλοκη επιχείρηση, διότι για τους περισσότερους οργανισμούς δεν έχει προηγούμενο. Είναι σημαντικό να κάνουμε μια ρεαλιστική αξιολόγηση των καθηκόντων και να τα σπάσουμε σε μικρότερα, διαχειρίσιμα κομμάτια.

συμπέρασμα

Το πρώτο βήμα προς την επίτευξη του καλύτερου δυνατού συνδυασμού αναλυτικών σε πραγματικό χρόνο και IoT είναι να δεχτεί ότι δεν είναι μαγικό ραβδί. Ταυτόχρονα, δεν είναι μια φούσκα. Αποφύγετε ακραίες σκέψεις. Υπάρχει πολλή ουσία στην έννοια, η οποία πρέπει να αξιοποιηθεί προσεκτικά. Χρειάζεται μια ρεαλιστική αξιολόγηση και ποσοτική ανάλυση ακολουθούμενη από μικρά βήματα. Αυτό είναι ένα έργο που θα μπορούσε να επαναπροσδιορίσει την επιχείρησή σας όπως ποτέ πριν, αν μπορείτε να το εφαρμόσετε σωστά, αλλά θα πάρει χρόνο.