Las analíticas de IoT se pueden dividir en dos categorías amplias: analíticas de datos de dispositivos y analíticas de redes. Se puede hacer una división adicional en analítica descriptiva, diagnóstica, predictiva y prescriptiva. Si bien son términos genéricos que preceden a IoT, mantienen su vigencia en la actualidad. El análisis temprano de los datos empresariales, por ejemplo, con datos generados por los sistemas convencionales como CRM y ERP se realizaron y aún se realizan con una plataforma de Business Intelligence.

Las analíticas descriptivas son la forma más simple de análisis de datos: proporciona información sobre algo que sucedió. No investiga ni establece relaciones de causa y efecto. El objetivo es presentar datos y cifras para informar o preparar datos para un análisis más detallado. La información se presenta a menudo en gráficos circulares, gráficos de barras, gráficos de líneas y tablas.

Las analíticas de diagnóstico proporcionan información sobre por qué sucedió algo. Establece dependencias e identifica patrones, por lo que demuestra una comprensión profunda de un problema en particular. Al mismo tiempo, genera información detallada que las empresas pueden utilizar para otros fines.

Las analíticas predictivas ofrecen información sobre lo que es probable que suceda. Emplea los resultados de analíticas descriptivas y de diagnóstico para detectar tendencias, agrupaciones y excepciones, y para predecir tendencias futuras. Sin embargo, las predicciones son solo estimaciones y dependen de la calidad de los datos y la estabilidad de la situación que se analiza.

Las analíticas prescriptivas proporcionan información sobre qué acción se puede tomar para evitar que algo suceda. También se puede utilizar para beneficiarse de las tendencias comerciales y de marketing emergentes. El análisis prescriptivo utiliza herramientas y tecnologías sofisticadas como el aprendizaje automático, así como las reglas y algoritmos de negocios.

Analítica de IoT

Los datos de dispositivos de IoT se asignan a análisis descriptivos, de diagnósticos, predictivos y prescriptivos. Por ejemplo, las descriptivas indican el estado de los dispositivos; el diagnóstico indica qué dispositivo ha fallado y por qué; predictivo identifica qué dispositivo parece probable que falle; y prescriptivo pondría el dispositivo en un estado  de suspensión hasta que fuera arreglado. Por lo tanto, el valor de estos cuatro modelos aumenta en línea con la complejidad de la tarea que se analiza. En otras palabras, crece desde la retrospectiva a la visión y la previsión.

 

Fuente: www.iotglobalnetwork.com

Se puede hacer un ejercicio similar para la conectividad. Puede comenzar con una alerta sobre la conexión a un dispositivo en particular que se está perdiendo. El diagnóstico podría indicar que no hubo cobertura en esa área. Las analíticas predictivas podrían indicar que ocho dispositivos estaban cerca del área de cobertura y, por lo tanto, podría haber problemas de conectividad. Y las prescriptivas podría cambiar la conexión a un área alternativa.

Analítica integrada

En las soluciones de IoT, la funcionalidad de estos cuatro modelos se habilita al procesar y analizar los datos del dispositivo mediante herramientas de análisis avanzadas y la aplicación de tecnología de aprendizaje automático, que es una extensión del modelo de análisis predictivo. Los programas de mantenimiento preventivo, por ejemplo, se han convertido en un componente central de las soluciones industriales de IoT. El análisis de datos se está convirtiendo en un componente integrado de las plataformas de IoT. Además, su importancia crecerá en línea con el próximo aumento en el tráfico de datos, como lo demuestra el desarrollo de las plataformas de análisis de IoT y los servicios de análisis administrados alojados en nubes públicas.

El análisis de datos ganará impulso en el futuro previsible y será el núcleo de innumerables soluciones de nueva tecnología. Las opciones creadas por el aprendizaje automático y la inteligencia artificial son prácticamente infinitas y los paneles de inteligencia empresarial, utilizados junto con las herramientas de análisis de datos de clase empresarial, permiten a la administración en todos los niveles comprender mejor lo que sucede dentro de la empresa.

Conclusiones

Los datos son el combustible que alimenta el IoT, pero su valor proviene de las formas en que se analizan y utilizan para ofrecer beneficios tangibles, por ejemplo. aumentar la eficiencia operativa, reducir costos y permitir el desarrollo de nuevos modelos de negocios. Los programas de mantenimiento preventivo fueron una forma temprana y el uso de datos en tiempo real para proporcionar información detallada sobre los procesos de fabricación es un desarrollo relativamente reciente que la industria ahora da por sentado.

Los datos se administran y analizan en las instalaciones centrales, en las nubes privadas y públicas, así como en las nubes locales que se distribuyen alrededor de la red. Las instalaciones centrales entregan información histórica generada por los sistemas principales y datos de dispositivos. Las instalaciones locales entregan información en tiempo real que permite que las decisiones de gestión se tomen localmente, en el momento. Los datos son el combustible que alimenta el IoT. El análisis de datos está impulsando su futuro.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *