Over view: After the Internet of Things (Ivd), de Analytics of Things (AoT) is de volgende logische stap voor de bedrijven. In fact, zonder de AoT, is het moeilijk om het volledige potentieel van het internet van de dingen te realiseren. Het is niet genoeg om alleen accumuleren veel gegevens van apparaten, maar ondernemingen moeten zin te maken van de gegevens en iets dat deze apparaten efficiënter maakt doen. Also, de gegenereerde data hebben het potentieel om een heleboel dingen te verbeteren over het bedrijf. Dit is waar AoT is zo relevant. Bedrijven moeten geluid analytics dat de manieren waarop zij de zaken en de algehele loopt verbetert, de bottom line.
Echter, als bedrijven van plan zich te wenden tot AoT, ze te maken met talrijke uitdagingen op de weg. Ivd zelf is nog steeds in ontwikkeling en AoT nog in de kinderschoenen, dus er veel verwarring en misverstanden die leiden tot verkeerde investeringen van geld en moeite zal zijn. Bedrijven moeten investeren in technologie en geschoolde arbeidskrachten om het beste uit AoT krijgen. Een veel tijd en geduld nodig is op de weg. De vraag zal zijn, hoeveel kunt het tempo volhouden zo lang?
Analytics van de dingen
AOT - Wat betekent het eigenlijk?
Analytics van de dingen is niets anders dan het ivd analytics. In simpele termen, AoT betekent genereren analytics uit de opbrengst van de ivd data. Ivd betekent dat meerdere apparaten zijn aangesloten op het internet en zijn verzenden van gegevens naar ergens. Now, net verkrijgen van de gegevens is de eerste stap. Bedrijven nodig hebben om de gegevens te analyseren om de apparaten slimmer en efficiënter te maken. Het resultaat van ivd analytics wordt ook gebruikt om juiste beslissingen te nemen in verschillende situaties te maken.
Now, als we uitsluiten 'Dingen' deel van de uitdrukking AoT, dan is de rest is slechts 'Analytics ' ,die in de natuur zeer vergelijkbaar met andere data-analyse. Hier het "Dingen' zijn niets anders dan ivd-apparaten.
Net als bij andere data analytics, AoT kan worden van verschillende types zoals beschrijvend, diagnostisch, voorspellende of prescriptieve. For example, diagnostische en prescriptieve analyse kan worden gedaan met behulp van medische hulpmiddelen ivd en voorspellingen kunnen worden gemaakt op basis van de door die industriële ivd apparaten enz data. Maar, we moeten niet vergeten dat al deze vormen van ivd analytics / AOT zijn nog steeds in ontwikkeling en vereist aanzienlijke hoeveelheid tijd en moeite om echte zakelijke waarde te krijgen.
Wat zijn de uitdagingen?
Als we praten over de ‘Analytics of Things‘, Er zijn in hoofdzaak twee delen daarin, een is de analytics deel en de andere is de het verzamelen van gegevens deel, gegenereerd door de dingen / aangesloten apparaten. De analytics deel is redelijk gerijpt maar de grootste hindernis is het verzamelen van gegevens deel, waarin de analytics wereld wordt geconfronteerd jaren. So, we zijn eigenlijk itereren hetzelfde oude probleem bij het nastreven van AoT. Analytics mensen misschien veel innovatieve ideeën hebben over het analyseren van de gegevens en het krijgen van prachtige inzichten uit deze. Maar de grond werkelijkheid, tenzij we een goede infrastructuur en vaardigheden te verwerven en de nodige gegevens te analyseren, AoT is zinloos.
Now, Laten we verdelen de uitdagingen in twee grote categorieën, men op de organisatorische kant en de andere op de technologie en uitvoering zijkant.
Laten we beginnen met de organisatorische uitdagingen eerste.
De belangrijkste uitdaging is om een solide AoT business case te bouwen om de organisatie te overtuigen. Het zal de investeringen en de toekomst voeden van AoT visie te verlichten. De eerste investeringen nodig om de ivd inrichtingen juiste plaatsen zetten met sensoren die data vastleggen. Zodra de apparaten zijn klaar, organisaties moeten de gegevens beweging van bronnen mogelijk te maken (ivd-apparaten) naar bestemming (kan een staging DB of data warehouse of een andere opslag). Eindelijk, een goede strategie moet worden gebouwd om erachter te komen hoe de opslag en analyses kunnen worden beheerd.
Laten we nu eens praten over een aantal van de uitdagingen op de technologie en de implementatie kant.
- challenge data: De hoeveelheid gegevens elke sensor genereert enorm. Maar, de vraag is, zijn deze gegevens waarde verzenden? Het antwoord is nee', dus we moeten uitzoeken, hoe intelligent we alleen nodig en zinvol data kan overbrengen. Het zal leiden tot een schone analytics zonder verwerking junk data.
- security challenge: Beveiliging en privacy van de sensor gegenereerde data is zeer belangrijk. Speciaal, wanneer deze gegevens worden gegenereerd op basis van gevoelige apparatuur gemonteerd in vertrouwelijke of kritieke gebieden. For example, de gegevens kunnen komen van een aantal apparaten gemonteerd in een ICU (Intensive Care Unit) of van een luchthaven of het kan worden uit een aantal kritische industriële infrastructuur. In al deze gevallen, gegevensbeveiliging moet worden verzekerd om de integriteit van het systeem te beschermen.
- analytics uitdaging: Het is meer gerelateerd aan het filteren van het hele proces analytics. De uitdaging is – waar we al deze analyses kunnen doen? Kan zijn, sommige delen kunnen worden uitgevoerd binnen de inrichtingen, zodat de gegevens die uit deze apparaten gefilterd enigszins. Of, kunnen we aparte analytics lagen ontwerpen zodra de gegevens ongewijzigd is bereikt, en voer vervolgens de filtraties stap voor stap. En tenslotte, doe de analytics met de schone data.
- Standaardisatie / protocol uitdaging: Standaardisatie en protocol is een van de grootste uitdagingen voor AoT succes. We moeten het communicatieprotocol tussen apparaten te standaardiseren. Het zal helpen alle apparaten om te communiceren met elkaar naadloos.
Naast de bovengenoemde kwesties, we gaan ook een heleboel nieuwe uitdagingen in de komende dagen. Als we vooruit, zullen we nieuwe ivd apparaten, nieuwe gegevensformaat, nieuwe protocollen en veel meer. So, het zal uiteindelijk zorgen voor nieuwe hindernissen te overwinnen.
Wat zijn de beloften?
Zoals elke nieuwe visie, AoT heeft ook veel van de beloften te vervullen. Hoewel, de waarde van AoT kan alleen worden gerealiseerd met de tijd, maar we hebben al een paar voorbeelden in de plaats die echt veelbelovend. De predictive analytics van AoT heeft zijn waarde bewezen in veel plaatsen zoals ATM-machine, Computernetwerk etc. Zelf rijden auto's, verkeersinformatiesysteem zijn andere gebieden waar AOT reeds. Het gaat ook in medische toepassingen, olie industrie, fitness sector etc.
De AoT zal groeien als ivd groeit. According to Gartner prediction ‘6.4 miljard Connected “Dingen” Zal worden gebruikt in 2016, omhoog 30 procent ten opzichte van 2015’. So, AoT wordt verondersteld om een veel potentieel hebben en het zal binnenkort een deel van ons leven geworden.
De weg vooruit
Uit de bovenstaande bespreking, kunnen we gemakkelijk begrijpen dat in de complexe omgeving van het ivd, AoT is een nieuwkomer en nog maar net begonnen te evolueren. So, voor de hand liggende uitdagingen van de uitvoering zal er zijn om te overwinnen. Sommige van de uitdagingen zijn op de zakelijke kant, die kan worden beheerd met een goede zaak en rechtvaardiging gebruik. And, de technologische uitdagingen kunnen worden opgelost met de juiste strategie, technologieplatform en ervaren middelen.
Organisaties moeten het potentieel van AoT realiseren en zet de juiste ivd infrastructuur in de plaats. Als we terugkijken, dan kunnen we gemakkelijk begrijpen dat de early adopters van big data aanzienlijk hebben opgedaan. Ze waren in staat om de concurrentievoordelen te nemen en te krijgen in het bedrijfsleven. Hetzelfde geldt voor ivd gevolgd door AoT. AoT gaat worden in de mainstream in de komende paar jaar. So, het is het juiste moment om de sprong te wagen en maak een succesvolle AoT visie op zijn plaats, anders kan het te laat om mee te doen aan de race.
