Sin herramientas que ayuden a interpretar y analizar los datos del IoT, el tiempo y esfuerzo invertido será costoso, prolongado y propenso a errores manuales.
Mucho del enfoque al hablar del Internet de las Cosas (IoT, por sus siglas en inglés) se centra en “las cosas” mismas, como los wearebles, sensores, iBeacons y otros equipos conectados a la red. Sin embargo, el mayor valor para las organizaciones proviene de la combinación de datos generados por estos dispositivos con otros datos del cliente o de operación para descubrir más ideas y establecer modelos predictivos. Esta es la increíble promesa del IoT, pero sin la capacidad de vincular los datos de las cosas “inteligentes” conectadas con otros datos de negocio, su valor es limitado.
Según Gartner, para este 2016 habrán más 6.4 mil millones de cosas conectadas en todo el mundo; 30% más que el 2015, y llegando a 20.8 mil millones para el año 2020. Por lo que en lugar de proyectos de IoT aislados que no están conectados a la infraestructura corporativa central de datos, hay una oportunidad de usar los datos generados por el IoT para crear valor real de negocio. Las organizaciones pueden combinar datos obtenidos de los clientes a través de los diferentes dispositivos, con otros datos ya capturados para obtener nuevas perspectivas e identificar nuevas señales de potencial de compra o cambios de comportamiento.
Este conocimiento puede llevar a las empresas a un entendimiento más profundo y una mayor capacidad de respuesta a los clientes. Por ejemplo, las tiendas pueden combinar datos obtenidos por iBeacons ubicados dentro de la misma tienda con el historial de transacciones y almacenar modelos de comportamientos de los clientes para determinar mejores promociones o nuevas acciones a tomar, como notificar al personal de la tienda que un cliente VIP ha llegado.
También hay enormes oportunidades de poner los datos de IoT a trabajar en modelos predictivos para mejorar horarios de mantenimiento o proporcionar un servicio “justo a tiempo”, antes de que el producto falle. Por ejemplo, muchos dueños de vehículos eléctricos reciben reportes de diagnósticos remotos con información sobre fallas o próximos servicios a necesitar, basados en interpretación de los datos generados por el vehículo.
25 mil millones de unidades estarán conectadas para 20201, principalmente en el sector automotriz y de consumo, lo cual permitirá la construcción de ciudades inteligentes en donde la interacción automatizada acelerará de manera asombrosa la generación y el flujo de información. El reto que muchas organizaciones están enfrentando es cómo entender de forma sistemática estos datos derivados de “las cosas” y combinarlos con otros datos relevantes de la empresa para crear valor.
Los datos del IoT generalmente consisten en archivos de registros, a veces mal relacionados, y al parecer no estructurados; pero de hecho, los datos del IoT tienen estructura, aunque no estén en un formato tradicional relacional o estándar. Los archivos de registros se estructuran e incluyen puntos de datos de medición que varían de un fabricante a otro, de un modelo a otro, de una versión de software a otra e, incluso de una compañía a otra.
Por ejemplo, los terabytes de datos procedentes de un motor de reacción de un avión, difieren por aerolínea, así como por fabricante y modelo. Como otro ejemplo, productos para la agricultura automatizada y maquinaria industrial, todos ellos con diferentes modelos y variantes, tienen cientos o miles de distintos formatos de archivos de registro procedentes de sus productos usados por clientes alrededor del mundo.
Esto introduce una complejidad significativa en cualquier intento de interpretar los datos, darles formato, ordenarlos y combinarlos con otros datos relevantes para su análisis o para sistemas operacionales. Sin estas herramientas que ayuden a interpretar y analizar los datos del IoT, el tiempo y esfuerzo invertido será costoso, prolongado y propenso a errores manuales.
Con el fin de comprender plenamente el valor de combinar los datos del IoT, con otros datos de la empresa de manera ágil, las organizaciones deberán aprovechar las modernas herramientas de gestión de datos para acelerar y automatizar los procesos. Se necesitan herramientas para clasificar los datos, descubrir su estructura de forma inteligente para luego extraerlos automáticamente y combinarlos con otros datos relevantes de la empresa de forma continua, lo que hace a los datos del IoT más accesibles. Esto crea una infraestructura para una expansión y evolución continua en el uso de los datos del IoT para entender a los clientes y crear modelos predictivos para los sistemas operativos.
Pioneros en el universo del IoT, están creando soluciones innovadoras para los datos provenientes de esta tendencia que combinen modelos interactivos, visuales de los datos con aprendizaje automatizado, a su vez agilizando la capacidad de obtener valor del negocio a través del IoT. Una vez que el modelo de datos para un dispositivo en particular es entendido, mapeado y preparado, la transformación y la entrega de datos a los sistemas pueden ser automatizados para un uso productivo.
En una era en la que vivimos en una mayor conectividad de las cosas, es tiempo de capitalizar toda la explosión de información que resulta de ellas, y poner orden a través de una correcta integración, calidad y limpieza de datos para que las empresas tomen mejores decisiones y generen productos y servicios específicos acordes a cada consumidor.