Cómo una plataforma de análisis integrada puede ayudar a que Internet de las cosas tenga éxito

Autor: Roger Morrison
Fecha De Creación: 19 Septiembre 2021
Fecha De Actualización: 1 Mes De Julio 2024
Anonim
Cómo una plataforma de análisis integrada puede ayudar a que Internet de las cosas tenga éxito - Tecnología
Cómo una plataforma de análisis integrada puede ayudar a que Internet de las cosas tenga éxito - Tecnología

Contenido


Fuente: Beebright / Dreamstime.com

Para llevar:

Una plataforma analítica integrada puede procesar datos no estructurados para producir resultados significativos.

El Internet de las cosas (IoT) es visto como una gran oportunidad por la industria. Muchos creen que con los datos generados a partir de dispositivos IoT, se pueden entregar productos y servicios mejorados y personalizados a clientes finales en muchas industrias. Las empresas pueden mejorar los ingresos, ahorrar costos, energía y combustible, así como mejorar la productividad. Para obtener estos beneficios, los datos de IoT deben aprovecharse adecuadamente, lo cual es difícil, principalmente porque no está estructurado y es complejo.

Una plataforma de análisis integrada tiene un papel importante en la entrega del análisis correcto de un conjunto de datos no estructurados. Para ofrecer análisis significativos, necesita una combinación de herramientas en un solo lugar que pueda almacenar, consultar y procesar datos complejos. Una plataforma analítica integrada hace exactamente eso.


¿Qué es una plataforma de análisis integrado?

Una plataforma de análisis integrada es una solución unificada que proporciona análisis significativos de cualquier dato, incluso datos no estructurados y complejos. El sistema tradicional de gestión de bases de datos relacionales (RDBMS) no puede proporcionar análisis conual o personalizado de los datos almacenados. Las grandes empresas dependen mucho de datos significativos y procesables para impulsar sus negocios. La plataforma analítica integrada integra diferentes herramientas como el motor de ejecución, el sistema de gestión de bases de datos (DBMS), las capacidades de minería de datos y las capacidades para obtener y preparar datos que no están en la base de datos. Y la plataforma se actualiza para manejar datos complejos y no estructurados, como big data. No hay necesidad de ninguna otra herramienta para procesar datos. Esta plataforma se puede entregar a los clientes finales como una aplicación o en base al modelo de software como servicio (SaaS). Las empresas pueden suscribirse por un período y luego renovar (o no). En un informe, Merv Adrian y Colin White, de BeyeNETWORK, definieron la plataforma analítica como “una solución integrada y completa para administrar datos y generar análisis de negocios a partir de esos datos, que ofrece precio / rendimiento y tiempo para valorar ofertas superiores a las no especializadas. Esta solución se puede entregar como un dispositivo (solo software, hardware y software empaquetado, imagen virtual) y / o en forma de software como servicio (SaaS) basado en la nube ".


¿Qué aspecto tienen los datos de IoT?

Los datos de IoT pueden ser extremadamente complejos y definitivamente no están estructurados. Piense en los millones de dispositivos, cada uno con una dirección IP, hablando entre sí. Millones de servidores están recopilando los datos que estos dispositivos están ing. Veamos algunos ejemplos. Piense en los relojes inteligentes que contienen datos de salud como el pulso y la presión arterial, o dispositivos instalados en aparatos electrónicos como aires acondicionados o refrigeradores que almacenan datos como la temperatura y los hábitos alimenticios. La cantidad total de datos es enorme y se está multiplicando. Los datos recibidos son complejos debido a las diferentes configuraciones de dispositivos y sensores, el análisis realizado a mitad de camino entre sensores y servidores, tecnologías utilizadas para capturar datos, formatos de archivos y varios otros factores. Por lo tanto, el volumen y el formato de datos hacen que el análisis de datos de IoT sea una tarea extremadamente desafiante.

En una encuesta, se encontró que del total de datos generados, 44.6% son datos XML, 23.8% son datos de archivos no estructurados, 23% son weblogs y el resto comprende datos de aplicaciones de paquetes, datos de medios enriquecidos y otros tipos de archivos.

Una plataforma de análisis integrada + datos de IoT

Está claro que el volumen, la complejidad y el formato no estructurado hacen que el análisis de datos de IoT sea una propuesta desafiante. Lo que agrava el desafío es el requisito de que la analítica debe entregarse rápidamente. Por lo tanto, necesita una solución que no solo pueda ofrecer análisis de IoT significativos, sino también entregarlos rápidamente. Esto es algo que no se puede abordar con herramientas y tecnologías aisladas. Por lo tanto, necesita una solución unificada. Como se indicó anteriormente, una plataforma analítica integrada combina un sistema de gestión de bases de datos, un sistema de recolección y almacenamiento de datos y capacidades de procesamiento en un solo lugar. Aquí hay algunas razones por las que una plataforma de análisis integrada es su mejor opción.

Las plataformas de análisis son capaces de realizar análisis avanzados de datos. Por ejemplo, las herramientas de análisis regulares tendrán dificultades para hacer una comparación simple de la rentabilidad de la semana pasada de los diez principales operadores en la ciudad de Nueva York debido al gigantesco volumen de datos que necesita procesar en un tiempo limitado. La analítica integrada puede hacer eso y más. Puede construir modelos de datos predictivos y luego comparar el modelo de datos con datos en tiempo real, hacer visualizaciones geográficas y más.

Las configuraciones tradicionales del centro de datos y las tecnologías de análisis son una propuesta costosa, más aún cuando intentas entregar análisis de IoT con estos recursos. Debe invertir más en la configuración a medida que aumentan el volumen de datos y los requisitos de análisis. Las plataformas de análisis pueden reducir estos costos significativamente. Los costos de licencia del software de código abierto son significativamente más bajos. Estas plataformas utilizan procesadores de productos básicos más baratos, por lo que el hardware es fácil de actualizar. Dado que los dispositivos están preintegrados y preconfigurados, reduce los costos de configuración.

Caso de estudio

es un caso de estudio destacado de cómo una plataforma analítica integrada marcó la diferencia. y Google proporcionó análisis limitados y estandarizados. Un análisis más profundo, aunque posible, consumió mucho tiempo y podría ser costoso e ineficaz. La solución era un sistema de análisis integrado que combinaba análisis, análisis de Google y análisis personalizados con la capacidad de cortar y cortar datos de cualquier forma requerida. Esto creó una solución versátil y efectiva. Como resultado, el tiempo de análisis se redujo en un 90%, los presupuestos para campañas de prueba y los tamaños mínimos de muestra se redujeron en un 75%, las tasas de conversión aumentaron en un 100% y el tiempo promedio de pausa de la campaña se redujo a un día de cuatro días. La tabla a continuación muestra cómo la plataforma de análisis integró las métricas aisladas y Google.

Resumen

Los datos de IoT presentan un caso sólido para las plataformas analíticas integradas. Será extremadamente difícil para las empresas que dependen mucho de los datos persistir con los métodos y tecnologías de análisis tradicionales debido a ineficiencias relativas y problemas de costos. Sin embargo, debe tenerse en cuenta que pasar a una plataforma de análisis integrada también refleja un cambio de mentalidad para muchas empresas y el cambio suele ser lento. Las plataformas analíticas integradas todavía se están viendo con mucha precaución y se está debatiendo mucho sobre el retorno de la inversión. Esto es natural porque las plataformas modernas están en una etapa incipiente y tomará algún tiempo para que estas plataformas obtengan una mayor aceptación. Pero pronto, esto promete ser la plataforma de análisis de datos dominante.