17 mei 2018 -
Volgens onderzoek door Gartner zullen er in 2020 20,8 miljard verbonden objecten zijn. Hoewel dat al een onvoorstelbare hoeveelheid is, valt het nog in het niet bij de enorme volumes aan data die door deze intelligente apparaten zullen worden gegenereerd.
Om te kunnen beschikken over essentiële input voor concurrentieverhogen beslissingen moeten bedrijven deze data verwerken. Er zijn, ook door Gartner geïnventariseerd, diverse tools en algoritmes voor IoT-analyse beschikbaar. Maar met het oog op de groei van de datavolumes tussen nu en 2021 worden de behoeften rond het Internet of Things steeds specifieker. Damien Lyant, Vice President bij PTC, verantwoordelijk voor Frankrijk en de Benelux, verklaart dat ‘klassieke’ analysetechnologie hierdoor niet langer toereikend zal zijn. "Bedrijven hebben een robuuste en veilige analyseoplossing nodig waarmee ze de enorme hoeveelheden data kunnen verwerken die door het Internet of Things worden gegenereerd, zegt hij. En hij presenteert vijf factoren die managers in de gaten moeten houden bij de keuze van die oplossing.
1. De aard van IoT-data
IoT-data is dynamischer, heterogener, ruwer en minder gestructureerd van aard dan traditionele data. Vaak gaat het ook om real-time data. "Dit maakt het moeilijk voor bedrijven om grip te krijgen op de complexiteit die eigen is aan het verkennen van data van verbonden apparaten," legt Lyant uit. Hij voegt toe: "Deze data neemt diverse vormen aan, is afkomstig uit verschillende bronnen en is grotendeels ongestructureerd. Dit maakt het analyseren van deze data en het ontsluiten van de waarde die daarin besloten ligt een stuk moeilijker." De oplossing voor IoT-analyse moet daarom voorzien in technieken en processen die het mogelijk maken om de heterogene en ongestructureerde IoT-data van geografisch verspreide apparaten te verzamelen, analyseren en transformeren.
2. Optimalisatie van data
Een van de factoren waar bedrijven bijzondere aandacht aan besteden bij de keuze van een oplossing, is de tijd die nodig is voor de implementatie en het realiseren van een rendement op hun investering.
"De ontwikkeling en implementatie van een oplossing voor IoT-analyse kan serieuze problemen met zich meebrengen, zeker wat betreft het waarborgen van de connectiviteit van IoT-apparatuur, de analyse en conversie van machinedata en de integratie met bestaande systemen," geeft Lyant aan. De verzamelde data heeft daarnaast een ongestructureerd en complex karakter, waardoor het enorm veel tijd in beslag neemt (meer dan 60 tot 70 procent van een analyseproject) om die te transformeren en voor te bereiden voor een effectieve analyse. Lyant: "Als u voor een oplossing kiest die zich makkelijk laat implementeren, zal de inspanning die nodig is om de data te transformeren en applicaties te ontwikkelen sterk worden verminderd." Zo wordt de time-to-market van de producten die door deze analyse zijn geoptimaliseerd ingrijpend verkort en wordt concurrentievoordeel gerealiseerd in slechts een paar dagen of weken.
3. Bruikbare informatie genereren
Het genereren van bruikbare informatie is het primaire doel van IoT-analyse. De oplossing moet niet alleen in staat zijn om de analyse en presentatie van de gegevens te consolideren, maar moet ook efficiënte mechanismen bieden voor het voorbereiden en visualiseren van data en het genereren van rapporten. De oplossing moet daarnaast ondersteuning bieden voor voorspellende analyses. Lyant illustreert: "Bedrijven moeten problemen die van invloed zijn op hun bedrijfsvoering proactiever aanpakken. De belangrijkste uitdaging zal zijn om de analysegegevens te vertalen in bruikbare informatie over hun dagelijkse activiteiten. Deze real-time data kan op deze manier uitgroeien tot een hefboom voor concurrentievoordeel."
4. Schaalbaarheid, flexibiliteit en eenvoudig onderhoud
Volgens het IoT Data Analytics Report 2016 van Camrosh en Ideya Ltd zijn schaalbaarheid, flexibiliteit en eenvoudig onderhoud factoren die van invloed zijn op de inkoopbeslissing van bedrijven. Gezien het heterogene en voortdurend veranderende karakter van IoT-data is het van cruciaal belang dat de analyseoplossing makkelijk kan worden opgeschaald en onderhouden. De oplossing moet zich ook makkelijk kunnen aanpassen aan de variaties in datavolumes en gegevenstypen die ontstaan als gevolg van het toevoegen of uit de roulatie nemen van apparaten, processen, functies en diensten. "Daarbij," zegt Lyant, "maakt een oplossing die is afgestemd op uw specifieke bedrijfsbehoeften het eenvoudiger om de waarde die in data besloten ligt te ontsluiten, zodat u snelle en gefundeerde beslissingen kunt nemen."
5. Zelf ontwikkelen of kopen?
Bedrijven die een beroep willen doen op de informatie die in de data van hun machines besloten ligt, staan voor een strategische keuze: een op maat ontwikkeld analysesysteem aanschaffen, of een dergelijk systeem in eigen beheer ontwikkelen. "Hoe verleidelijk de tweede optie ook mag lijken, intern ontwikkelde oplossingen brengen in de praktijk veel problemen met zich mee," waarschuwt Lyant. "Bovendien vragen ze gedurende een lange periode om diverse investeringen qua tijd en geld."
De ontwikkeling van een dergelijke oplossing zal dus tijdrovend zijn en met de nodige risico’s gepaard gaan als die niet op juiste wijze wordt gepland en niet op voldoende middelen kan rekenen. Dat geldt niet alleen voor de ontwikkeling en implementatie, maar ook voor het onderhoud en het beheer gedurende de levenscyclus van de oplossing.
Geschikte oplossing
Lyant sluit af: "Of uw organisatie nu de eerste stappen zet op het gebied van IoT-analyse of al op weg is om de voordelen en strategische waarde daarvan te realiseren, als u deze vijf factoren goed in het oog houdt, moet u welhaast bij de voor u meest geschikte oplossing uitkomen.
