Hacer que los datos de IoT funcionen para su empresa

Adam Mayer de Qlik

Hubo un momento en el que no se podía escapar de la discusión sobre Internet de todo (IdT), que en sí misma se sentía simbólica del viaje que inevitablemente seguiríamos con Internet de las cosas (IdC).

Nuestra reacción inmediata cuando descubrimos una nueva tecnología es más, más, más, dice Adam Mayer, gerente senior de Qlik sin asegurarnos necesariamente de que estamos aprovechando al máximo lo que ya tenemos. En consecuencia, se animaba a las organizaciones a colocar sensores en todas las luces, puertas y baños antes de que comenzaran a ver el retorno de la inversión.

Este es un viaje similar que realizaron muchos de los primeros en adoptar Big Data; Tomó tiempo comprender que tener más datos no se traducía necesariamente en mejores resultados sin mejores formas de visualizarlos y analizarlos. Secuencialmente, las organizaciones se están dando cuenta de que el mayor potencial de IoT reside en cómo se pueden explorar y probar los datos producidos por estos dispositivos para proporcionar aprendizajes y mejorar los resultados.

El proyecto Breathe London, que nuestro socio C40 Cities está ejecutando con la Autoridad del Gran Londres, es un ejemplo de esto. Como parte de una investigación sobre la exposición de los londinenses a la contaminación del aire, se instaló una red de 100 módulos de sensores en postes de luz y edificios en toda la ciudad, mientras que los autos de Google Street View usaban sensores móviles para transmitir continuamente las mediciones de la calidad del aire en todo Londres.

Si bien la información es indudablemente interesante, el valor del proyecto no es la recopilación y representación de datos, sino las decisiones políticas que se tomarán para reducir los "puntos calientes" de contaminación que estos sensores identificarán.

Barreras para analizar datos de IoT

Sin embargo, para muchas organizaciones, es más fácil decirlo que hacerlo. Existen importantes desafíos asociados con la integración de datos de IoT para el análisis.

En primer lugar, las organizaciones deben superar la integración de una variedad de datos de diferentes fuentes en su canal de datos. Investigación de Qlik con IDC reveló que la integración de datos dispares en formatos estándar es uno de los mayores desafíos que enfrentan las organizaciones para transformar los datos en una forma analítica (37%).

La introducción de IoT exacerba significativamente este desafío, ya que puede multiplicar rápidamente la cantidad de fuentes de datos que alimentan la tubería, a menudo en formatos desconocidos o no estructurados que deben transformarse antes de estar listos para el análisis.

El problema se agrava aún más por el segundo desafío, los altos volúmenes y la alta velocidad de producción. Dado que muchos dispositivos de IoT toman lecturas continuas, los datos se producen en cantidades mucho mayores que la mayoría. Esto luego, naturalmente, llega al obstáculo final, que incluso si la canalización de datos es lo suficientemente sólida como para ingerir y transformar el flujo continuo de datos de los dispositivos de IoT, muchas soluciones de visualización y análisis no pueden proporcionar actualizaciones de información en tiempo real.

Esto significa que si el cuello de botella está en el software o es causado por el tiempo transcurrido entre que el usuario revisa su salida, los aprendizajes de los datos solo pueden implementarse retrospectivamente, no en tiempo real.

Mantenerse al día con el ritmo de los datos

Las organizaciones que esperan aprovechar la IoT pueden superar estos desafíos mediante la creación de una cadena de suministro de datos que pueda integrar y transformar rápidamente los datos de una multitud de fuentes diferentes.

Los métodos tradicionales orientados por lotes como Extraer, Transformar y Cargar (ETL) son demasiado lentos, ineficientes y disruptivos para integrar y respaldar el análisis oportuno de los datos de IoT y, a menudo, requieren una codificación pesada y una secuencia de comandos profunda. Dado que el 31% de las organizaciones globales citan 'la falta de recursos capacitados para procesar datos' como uno de los mayores desafíos para preparar el análisis de datos, es fundamental para el éxito de las implementaciones de IoT que las organizaciones reduzcan la pérdida significativa de tiempo de los programadores capacitados.

La tecnología Change Data Capture (CDC) presenta una alternativa inteligente alcanzable para aquellos que desean procesar rápidamente sus datos de IoT para su análisis. En lugar de cargar datos en diferentes fuentes, CDC permite la replicación incremental continua al identificar y copiar las actualizaciones de datos a medida que ocurren. La transmisión de datos de esta manera aumenta significativamente la velocidad con la que los datos se pueden ingerir y transferir a los almacenes de datos o lagos de datos para su análisis.

Finalmente, cuando la canalización de datos puede integrar datos casi en tiempo real, es importante que las soluciones de análisis no solo sean capaces de visualizar continuamente información actualizada, sino que se incorpore una capa de proactividad para respaldar la toma de decisiones. proceso. Las alertas en tiempo real no solo proporcionan información, sino que también pueden recomendar acciones para que los usuarios las activen rápidamente. Aprovechar los motores cognitivos para ofrecer esta inteligencia activa será una característica clave de la próxima generación de herramientas de BI.

Una canalización de datos para cumplir la promesa de IoT

Las organizaciones deben asegurarse de no caer en la misma trampa con el IoT como muchos lo hicieron en los primeros días de Big Data, donde el objetivo de tener más datos prevalecía sobre el uso de lo que tenían para generar los mejores resultados. Al observar a los primeros en adoptar IoT, muchos están más enfocados en recibir actualizaciones en tiempo real que en tomar los pasos necesarios para transformar y analizar su resultado para potenciar una mejor toma de decisiones.

La promesa del IoT es la oportunidad de aprender, actuar y reaccionar continuamente. Para garantizar que las implementaciones de IoT en las organizaciones tengan la velocidad y la flexibilidad para admitir análisis avanzados, primero deben asegurarse de que toda su canalización de datos esté lista para la tarea

El autor es Adam Mayer, director senior de Qlik.