Персоналії

Интернет вещей = аналитика вещей?

13 января, 2015. 04:01 Руслан Костецкий
Вы можете удивиться, узнав, как много устройств сегодня подключены к интернету и что в ближайшем будущем наши автомобили, дома, бытовые приборы и даже городские улицы будут соединены с этой Всемирной паутиной. Создание такой сети объектов называется «интернет вещей» (Internet of Things или IoT). Под этим понятием подразумевается растущая сеть различных объектов – от промышленных устройств до потребительских товаров, – которые могут обмениваться информацией и выполнять свои задачи, пока вы работаете, спите или занимаетесь спортом. Интернет вещей состоит из миллионов датчиков и различных устройств, генерирующих непрерывные потоки данных, которые можно использовать для улучшения как жизни вообще, так и для повышения эффективности бизнеса в частности.

Как это работает и насколько велика экономическая выгода, которую мы можем получить при анализе полученных потоков данных? По прогнозам Gartner, общая экономическая ценность IoT в различных отраслях промышленности достигнет $1,9 трлн по всему миру в 2020 г. К этому времени 50 млрд устройств будут подключены к интернету, сообщает Cisco. А по информации компании Intel, города потратят $41 трлн в ближайшие 20 лет на модернизацию инфраструктуры, необходимой для работы IoT.

Но как извлечь выгоду из интернета вещей для бизнеса? Сегодня многие компании активно ищут возможности там, где потоковые данные будут создавать новые рынки, вдохновлять на позитивные изменения или совершенствовать уже существующие услуги. Например, интеллектуальные транспортные решения помогают ускорять потоки трафика, уменьшать расход топлива, оптимизировать графики ремонта того или иного транспортного средства, что в итоге может спасти не одну жизнь. Так, по данным консалтинговой компании McKinsey, повсеместное внедрение технологий IoT в автомобильной промышленности поможет сэкономить до $100 млрд в год благодаря снижению числа несчастных случаев.

Соединенные друг с другом устройства, начав свой жизненный цикл в мире бизнеса, сегодня вышли и на массовый рынок. Вскоре мы увидим все больше примеров взаимодействия подключенных друг к другу датчиков и других устройств в электронике, бытовой технике и городской инфраструктуре. Как это работает на практике? Например, если у вас заканчивается молоко, вы можете получить предупреждение от вашего холодильника в то время, когда вы проезжаете мимо магазина по дороге домой. А если при этом вы еще и лояльный магазину клиент, то, выбрав там пакет молока, вы можете даже не расплачиваться за него. Соответствующие датчики определяют то, что вы взяли с полки, и автоматически списывают необходимую сумму с вашего счета, когда вы покидаете магазин с товаром. Это может показаться футуристическим, но реализация такого сценария – вопрос лишь нескольких лет.  

Мы ожидаем в будущем лавинообразного увеличения данных, генерируемых посредством IoT. Уже сегодня каждую секунду создаются миллиарды информационных поводов, и они готовы к обработке, анализу и дальнейшему обмену между устройствами и людьми.

Однако для того, чтобы интернет вещей приносил пользу, необходима аналитика этих самых вещей. Без интегрированной аналитической платформы данные, поступающие от датчиков, просто перегрузят информацией и добавят лишнего шума, не более. Все это означает создание новых подходов по интеграции и управлению данными,  а также новых способов непрерывного анализа потоковых данных.

Как анализировать потоковые данные IoT? На мой взгляд, аналитические технологии имеют решающее значение для превращения лавины исходной информации в ценные знания. Но как проводить анализ данных, которые непрерывно поступают от различных датчиков и устройств? И как этот процесс отличается от других популярных аналитических методов? При традиционном анализе данные сначала сохраняются, а затем анализируются. При работе с потоковыми данными сохраняются модели и алгоритмы, а информация проходит через них для анализа. Такой тип анализа позволяет выявить и изучить нужные вам закономерности в ходе генерации самих данных, то есть в режиме реального времени. Прежде чем данные сохраняются в облаке или в каком-нибудь высокопроизводительном хранилище, вы их обрабатываете автоматически. Затем при помощи аналитики вы можете их расшифровать, в то время как ваши устройства продолжают генерировать и принимать новую информацию.

С помощью продвинутых инструментов бизнес-аналитики анализ потоковых данных может выйти за рамки мониторинга существующих условий и оценки пороговых значений для прогнозирования будущих сценариев и изучения сложных вопросов. При помощи высокоэффективных аналитических технологий можно находить закономерности в информации в тот момент, когда она генерируется. Как только искомое найдено, показатели, находящиеся в потоке данных, запускают автоматическую корректировку в связанных системах или выдают оповещения для незамедлительных действий и принятия более эффективных решений.

Сегодня многие организации уже перегружены растущими объемами данных, требующими должного хранения и анализа. Бесспорно, распространение IoT только усугубит эту проблему. Многие мировые вендоры, в том числе и компания SAS, занимаются разработкой качественно иных аналитических решений с учетом новых вызовов, стоящих перед компаниями сегодня. И если увеличение вычислительных мощностей, распространенность облачных технологий и появление высокопроизводительных вычислений подготовили бизнес для эпохи интернета вещей, то применение соответствующих аналитических технологий поможет эффективно его использовать и извлекать максимальную выгоду.

Материалы по теме:
Комментарии:

ДРУГИЕ БЛОГИ

ИБ без бюджета. 7 сценариев
Алексей Лукацкий 02 декабря, 2019. 09:12
FUDO PAM – эффективный контроль привилегированных пользователей
Стас Похилько 17 апреля, 2019. 09:04
Norton Security – лидер №1 по защите в сегменте Home&Small Business
Андрей Ульянов 08 апреля, 2019. 10:04
SolarWinds – мониторинг, анализ и управление ИТ-инфраструктурой
Тарас Залужный 15 марта, 2019. 10:03
Защита веб-приложений: новые вызовы и будущие тенденции
Алексей Мудрицкий 07 марта, 2019. 10:03