Utiliser les données IoT pour votre entreprise

Adam Mayer de Qlik

Il fut un temps où vous ne pouviez pas échapper à la discussion autour de l'Internet des objets (IoE), qui en soi semblait symbolique du voyage que nous allions inévitablement entreprendre avec l'Internet des objets (IoT).

Notre réaction immédiate lorsque nous découvrons une nouvelle technologie est plus, plus, plus, déclare Adam Mayer, senior manager chez Qlik sans nécessairement s'assurer que nous tirons le meilleur parti de ce que nous avons déjà. Par conséquent, les organisations étaient encouragées à installer des capteurs sur chaque lumière, porte et toilette avant de commencer à voir un retour sur investissement.

Il s'agit d'un parcours similaire que de nombreux premiers utilisateurs du Big Data ont suivi ; il a fallu du temps pour comprendre qu'avoir plus de données ne se traduisait pas nécessairement par de meilleurs résultats sans de meilleurs moyens de les visualiser et de les analyser. De manière séquentielle, les organisations commencent à réaliser que le plus grand potentiel de l'IoT réside dans la manière dont les données produites par ces appareils peuvent être explorées et sondées pour fournir des enseignements et améliorer les résultats.

Le projet Breathe London, que notre partenaire C40 Cities dirige avec la Greater London Authority, en est un exemple. Dans le cadre d'une enquête sur l'exposition des Londoniens à la pollution de l'air, un réseau de 100 pods de capteurs a été installé sur des lampadaires et des bâtiments dans toute la ville, tandis que les voitures Google Street View utilisaient des capteurs mobiles pour transmettre en continu les mesures de la qualité de l'air à travers Londres.

Bien que les informations soient sans aucun doute intéressantes, la valeur du projet n'est pas la collecte et la représentation des données, mais dans les décisions politiques qui seront prises pour réduire les « points chauds » de pollution que ces capteurs identifieront.

Barrières à l'analyse des données IoT

Cependant, pour de nombreuses organisations, c'est plus facile à dire qu'à faire. L'intégration des données IoT à des fins d'analyse présente des défis importants.

Premièrement, les organisations doivent surmonter l'intégration d'une variété de données provenant de différentes sources dans leur pipeline de données. Les recherches de Qlik avec IDC a révélé que l'intégration de données disparates dans des formats standard est l'un des plus grands défis auxquels les organisations sont confrontées dans la transformation des données en une forme analytique (37 %).

L'introduction de l'IoT exacerbe considérablement ce défi car il peut rapidement multiplier le nombre de sources de données alimentant le pipeline, souvent dans des formats inconnus ou non structurés qui doivent être transformés avant d'être prêts pour l'analyse.

Le problème est encore aggravé par le deuxième défi, les volumes élevés et la vitesse de débit élevée. Avec de nombreux appareils IoT effectuant des lectures en continu, les données sont produites en quantités bien plus importantes que la plupart. Cela vient naturellement sur le dernier obstacle, que même si le pipeline de données est suffisamment robuste pour ingérer et transformer le flux de données continu des appareils IoT, de nombreuses solutions de visualisation et d'analyse ne sont pas en mesure de fournir des mises à jour des informations en temps réel.

Cela signifie que, que le goulot d'étranglement soit lié au logiciel ou causé par le temps écoulé entre l'examen par l'utilisateur de ses résultats, les enseignements tirés des données ne peuvent être mis en œuvre que rétrospectivement - pas en temps réel.

Suivre le rythme des données

Les organisations qui espèrent tirer parti de l'IoT peuvent surmonter ces défis en créant une chaîne d'approvisionnement de données capable d'intégrer et de transformer rapidement les données provenant d'une multitude de sources différentes.

Les méthodes traditionnelles axées sur les lots telles que l'extraction, la transformation et le chargement (ETL) sont trop lentes, inefficaces et perturbatrices pour intégrer et prendre en charge l'analyse opportune des données IoT, et nécessitent souvent un codage lourd et des scripts approfondis. Avec 31 % des organisations mondiales citant le « manque de ressources qualifiées pour traiter les données » comme l'un des plus grands défis pour préparer l'analyse des données, il est essentiel pour le succès des implémentations IoT que les organisations réduisent la perte de temps considérable des programmeurs qualifiés.

La technologie Change Data Capture (CDC) présente une alternative intelligente réalisable pour ceux qui souhaitent traiter rapidement leurs données IoT à des fins d'analyse. Au lieu de télécharger des données dans différentes sources, CDC permet une réplication incrémentielle continue en identifiant et en copiant les mises à jour des données au fur et à mesure qu'elles ont lieu. La diffusion en continu des données de cette manière augmente considérablement la vitesse à laquelle les données peuvent être ingérées et transférées dans les entrepôts de données ou les lacs de données pour analyse.

Enfin, lorsque le pipeline de données peut intégrer des données en temps quasi réel, il est important que les solutions d'analyse soient non seulement capables de visualiser en permanence des informations à jour, mais qu'une couche de proactivité soit intégrée pour soutenir la prise de décision. traiter. Les alertes en temps réel fournissent non seulement des informations, mais peuvent également recommander aux utilisateurs des actions à déclencher rapidement. Tirer parti des moteurs cognitifs pour fournir cette intelligence active sera une caractéristique clé de la prochaine génération d'outils de BI.

Un pipeline de données pour tenir la promesse de l'IoT

Les organisations doivent s'assurer qu'elles ne tombent pas dans le même piège avec l'IoT que beaucoup l'ont fait aux premiers jours du Big Data, où l'objectif d'avoir plus de données a pris le pas sur l'utilisation de ce qu'ils avaient pour obtenir les meilleurs résultats. En ce qui concerne les premiers utilisateurs de l'IoT, trop d'entre eux se concentrent davantage sur la réception de mises à jour en temps réel que sur la prise des mesures nécessaires pour transformer et analyser ses résultats afin de permettre une meilleure prise de décision.

La promesse de l'IoT est l'opportunité d'apprendre, d'agir et de réagir en continu. Pour s'assurer que les implémentations IoT dans les organisations ont la vitesse et la flexibilité nécessaires pour prendre en charge des analyses avancées, elles doivent d'abord s'assurer que l'ensemble de leur pipeline de données est à la hauteur de la tâche

L'auteur est Adam Mayer, cadre supérieur chez Qlik.