De drie belangrijkste uitdagingen bij het voorbereiden van IoT-gegevens

Het Internet of Things (IoT) is al verankerd in ons dagelijks leven - van wearables en slimme horloges tot verbonden tv's en slimme huishoudelijke apparaten.

Ook bedrijven maken gebruik van de technologie; in een B2B-context, zegt Sean Kandel, CTO en mede-oprichter van Trifacta ,  aangesloten apparaten verwijzen naar machines en sensoren die worden gebruikt om alles te volgen, van machineprestaties tot onderhoudsvereisten.

Er kunnen bijvoorbeeld sensorapparaten op een productielijn worden gevonden om de gereedheid van de machines te volgen en voorspellend onderhoud te automatiseren. . Of een ziekenhuis kan IoT-apparaten gebruiken voor patiëntbewaking op afstand, robotchirurgie of het verstrekken van medicijnen.

Al deze groeiende sensoren, apparaten en andere verbonden 'dingen' betekenen uiteindelijk meer gegevens. En veel ervan. Maar met meer gegevens komen complexere uitdagingen bij het voorbereiden ervan. Om de waarde van IoT en big data te benutten en innovatiegedreven inzichten te leveren, moeten industriële organisaties snel al deze ongelijksoortige, ongestructureerde gegevens voorbereiden. Hieronder hebben we enkele van de drie belangrijkste uitdagingen genoemd bij het voorbereiden van IoT-gegevens om deze te gebruiken voor analyse.

1. Enorme hoeveelheden gegevens

International Data Corporation (IDC) marktonderzoek schat dat IoT-apparaten tegen 2020 40.000 exabyte aan data zullen genereren. Om dit in perspectief te houden, werd in het jaar 2000 wereldwijd drie exabyte aan informatie gecreëerd. Dat zijn veel gegevens om voor te bereiden - en onder veel huidige processen kunnen organisaties het niet bijhouden. Dit is vooral een uitdaging in de industriële wereld, waar fabrikanten en andere grote industriële organisaties doorgaans miljarden datasets verzamelen van machines, sensoren en interne bedrijfsapplicaties.

Gegevensvoorbereiding neemt nog steeds tot 80% van de tijd en middelen in beslag die betrokken zijn bij elk gegevensproject, en hoe meer gegevens u toevoegt, hoe tijdrovender dat proces zal worden. Nu organisaties nieuwe IoT-gegevensinitiatieven aangaan, is het belangrijk voor hen om nieuwe technologieën en processen in overweging te nemen waarmee ze deze enorme toestroom van gegevens kunnen bijhouden.

2. Complexiteit

Een andere uitdaging bij het voorbereiden van IoT-gegevens is het complexe karakter ervan. Vaak moeten organisaties niet alleen tijdstempel- of geotaggegevens voorbereiden, maar deze combineren met meer gestructureerde bronnen, zoals csv-bestanden. Deze complexiteit wordt alleen vermenigvuldigd als rekening wordt gehouden met de snelheid waarmee deze gegevens worden gegenereerd.

Het vinden van een oplossing voor dit probleem is lastig. De technische middelen binnen een organisatie die deze complexiteit aankunnen, zijn doorgaans beperkt, en het opschalen van die middelen is kostbaar. Het gebruik van algemene tools voor gegevensvoorbereiding, zoals Excel, kan deze complexiteit niet aan, waardoor bekwame analisten niet met deze gegevens kunnen werken. De organisaties van vandaag moeten een manier vinden om de middelen die ze hebben te benutten om de steeds complexere IoT-gegevens voor te bereiden.

3. Interoperabiliteit

Zakelijke computersystemen, zowel hardware als software, zijn niet gemaakt om de enorme hoeveelheden complexe informatie uit sensoren en aangesloten apparaten uit te wisselen of te verwerken. Het is moeilijk om machinaal gegenereerde data snel te integreren en te verrijken met data uit bedrijfsapplicaties zoals Salesforce en Marketo en andere datarepository's. Daarom moeten organisaties van vandaag op zoek naar oplossingen die data beter met elkaar laten praten, zodat alle data van een organisatie kan worden benut.

Datavoorbereidingsplatforms voor IoT-initiatieven

Veel organisaties die het voortouw nemen bij IoT-initiatieven, hebben zich tot moderne platforms voor gegevensvoorbereiding gewend om deze uitdagingen te verlichten. Met een intelligent platform voor gegevensvoorbereiding hebben sommige klanten van Trifacta de tijd die ze besteden aan het voorbereiden van gegevens zien verminderen met maar liefst 90%, terwijl ze ook niet-technische bronnen in staat stelden om zelf grote hoeveelheden complexe gegevens voor te bereiden. Daarnaast zijn we samengegaan met Sumo Logic om klanten een oplossing te bieden om complexe loggegevens voor te bereiden met bedrijfstoepassingsgegevens.

Een groot Europees spoorwegbedrijf gebruikt Trifacta bijvoorbeeld om sensorgegevens voor te bereiden die zijn gegenereerd door het bewaken van 8.000 locomotieven over 32.000 mijl aan spoorlijnen om te voorspellen wanneer ze onderhoud nodig hebben. Voordat Trifacta werd ingevoerd, bereidde het bedrijf deze gegevens ad-hoc voor voor meerdere mensen en met veel verschillende tools, wat uiteindelijk de analyse en hun reactievermogen op noodzakelijke reparaties vertraagde. Dit bedrijf kan nu 100% van de complexe sensorgegevens voorbereiden en heeft de tijd die ze besteden aan het voorbereiden van gegevens snel verminderd.

Een andere klant, Kuecker Logistics Group (KLG) , gebruikt het Trifacta-platform om een ​​groot aantal sensorgegevens voor te bereiden die zijn gegenereerd uit magazijnen die eigendom zijn van 's werelds grootste retailers. Deze klanten hebben uitgebreide, complexe supply chain-activiteiten en één defecte of inefficiënte schakel in de keten kan stroomafwaarts een rimpeleffect veroorzaken.

Door gebruik te maken van een intelligent platform voor gegevensvoorbereiding, heeft Kuecker processen voor gegevensvoorbereiding kunnen schalen zonder dure ontwikkelaars in te huren, wat hun efficiëntie drastisch heeft verbeterd. Nu bereiden ze magazijngegevens van klanten voor en identificeren ze sneller de noodzakelijke wijzigingen die in de magazijnen moeten worden aangebracht.

Conclusie

IoT-gegevens zijn een opwindende kans, maar de voordelen ervan kunnen alleen worden gerealiseerd met een goede strategie voor gegevensvoorbereiding. Organisaties moeten hun team uitrusten met platforms voor gegevensvoorbereiding die het volume en de complexiteit van IoT-gegevens aankunnen, en ook begrijpen hoe deze gegevens kunnen en zullen worden samengevoegd met andere bronnen in de hele organisatie. Door intelligente oplossingen voor gegevensvoorbereiding te gebruiken, overweldigt het universum van IoT en big data niet langer. Sensorgegevens worden de sleutel tot innovatie, niet een belemmering.

De auteur is Sean Kandel, CTO en mede-oprichter, Trifacta.