コンテンツ
ソース：Mcarrel / Dreamstime.com
取り除く：
分析を使用してIoTデータを処理すると、強力な結果が得られます。
「モノのインターネット」（IoT）という言葉をめぐる話題は、日を追うごとに増幅されます。しかし、この現象が私たちの世界と経済にとってどれほど価値があるかを誰もが完全に理解するには、時間がかかります。これの一部は、関連する洗練された技術と分析を理解する際の学習曲線に関係しています。しかしその一部は、世界中で可能な膨大な価値の範囲です。実際、McKinsey Global Instituteによる2015年6月の包括的な調査では、IoTは「誇大広告が実際にすべての可能性を過小評価する可能性がある」まれな技術トレンドの1つであると結論付けました。
モノのインターネットは、常に成長しているセンサーとデバイスの世界であり、私たちの世界に関する大量の詳細データを作成します。 「モノ」には、天候、交通量、エネルギー使用量を監視する環境センサーからのすべてが含まれます。生産ラインのマシンや自動車のエンジンから家電やテレメトリーを「スマート」に。これらのセンサーは常に賢く、安く、小さくなっています（今日の多くのセンサーは1ダイムより小さいので、最終的にはスマートダストが見られます：
スマート分析がIoTの価値を促進
センサーやその他のテレメトリソースの量と種類が増えると、センサーと分析ニーズの間の接続も大きくなり、時間が経つにつれて指数関数的に増加するIoT値曲線が作成されます。 IDCは、IoTに接続されたモノのインストールベースが2020年に295億を超えると予測し、セクター全体の経済的付加価値は1.9兆ドルを超えると予測しています。ただし、センサーと接続に焦点を当てる場合、価値の主なドライバーは、洞察と競争上の優位性を獲得するために適用できる分析です。
急成長するIoTデジタルインフラストラクチャ向けに優れたアルゴリズムを構築するにつれて、接続ベースの「スマートアナリティクス」を使用して、将来のパフォーマンスと条件の予測、さらには将来のアクションの処方に非常に積極的に取り組むことを学んでいます。そのような失敗が起こる前に予測できるとしたらどうでしょうか？今日の高度なスマート分析により、可能になります。それは呼ばれています 予知保全 また、確率ベースの「ワイブル分布」およびその他の高度なプロセスを使用して「故障までの時間」率を測定し、発生する前に機械またはデバイスの故障を予測できるようにします。
医療診断および治療機器の大手プロバイダーは、予測メンテナンスを活用して、製品のコンポーネント部品の「摩耗モデル」を作成しています。これにより、問題の早期検出と特定、およびダウンタイムと計画外の停止を防ぐための予防的な根本原因分析が可能になりました。一方、ヨーロッパの大手鉄道メーカーは、同様の技術を活用して列車のエンジン障害を防止しています。これは、企業がリース市場に参入できるようにした重要な機能です。リース市場は、列車が運行している場合にのみ利益をもたらす事業ラインです。
IoTアーキテクチャの構築
センサー、接続、アルゴリズムのこの錬金術を活用して、ビジネスが直面する問題に対するより複雑なシステムとソリューションを作成できる範囲には、実際に制限はありません。しかし、適切な分析アーキテクチャがなければ、成功は不可能です。今日、ほとんどの企業は、このすべてのIoTデータを活用して活用するのに苦労しています。
実際、McKinseyの2015年6月のIoTレポートでは、IoTデータの1％未満しか現在使用されていないことがわかりました。また、これらの用途は、ビジネスプロセスの最適化や予測の作成に役立つ高度な分析ではなく、アラームのアクティブ化やリアルタイム制御などの単純なものになる傾向があります。
最もハイテクに精通した企業でさえ、データから価値を引き出すことは困難でスキル集約型のプロセスであることを認識しています。最優先事項には、IoTデータの大規模なストリームをインテリジェントに「聞く」ことが含まれ、貴重な洞察への道しるべになる可能性のある独特のパターンを明らかにします。高度な機械学習アルゴリズムの分析エコシステムでそのデータを取り込んで伝播し、高度で実用的な洞察を得るために大規模に運用する必要があります。
バグやストレスなし-あなたの人生を破壊することなく人生を変えるソフトウェアを作成するためのステップバイステップガイド
誰もソフトウェアの品質に関心がない場合、プログラミングスキルを向上させることはできません。
俊敏性が重要：アーキテクチャは、センサーとIoTデータの複数のストリームをリアルタイムで追跡し、すべての関連データを経済的かつ確実にリッスンするアジャイルセントラルインジェストプラットフォームを展開する必要があります。また、大量のデータに対して、機械学習、パス、パターン、時系列、統計、グラフ、分析などの高度な分析を展開するようにアーキテクチャを構成する必要があります。環境全体が完全にセルフサービスであり、新しいデータセットの迅速なイノベーションを可能にし、IT担当者をコストのかかる要件駆動型のカスタムプロジェクトで滞らせないようにする必要があります。
これらは、モノのインターネットによって可能になった新しいビジネスチャンスを経済的に見つけて行動するために企業が追求しなければならない種類の機能です。かなりの投資と戦略的計画が必要ですが、分析的洞察、競争上の優位性、将来の収益という観点から見れば見返りは十分です。
この記事はもともとTeradata.comに投稿されました。ここでは許可を得てリードされています。 Teradataはすべての著作権を保持しています。