IoTデータをビジネスに役立てる

QlikのAdamMayer

Internet of Everything（IoE）に関する議論から逃れることができなかった時期がありました。それ自体が、モノのインターネット（IoT）で必然的に進む旅の象徴であると感じました。

Qlik のシニアマネージャーであるAdamMayerは、新しいテクノロジーを発見したときの私たちの即時の反応はますます増えていると言います。 必ずしも私たちがすでに持っているものを最大限に活用していることを保証することなく。その結果、組織は、投資収益率が見られるようになる前に、すべての照明、ドア、トイレにセンサーを設置するように促されていました。

これは、ビッグデータの多くの早期採用者が行ったのと同様の旅です。データを増やしても、それを視覚化して分析するためのより良い方法がなければ、必ずしも結果が改善されるとは限らないことを理解するには時間がかかりました。続いて、組織はIoTの最大の可能性は、これらのデバイスによって生成されたデータを調査および調査して、学習を提供し、結果を改善する方法にあることを認識し始めています。

パートナーのC40CitiesがGreaterLondonAuthorityと共同で実施しているBreatheLondon Projectは、その一例です。ロンドン市民の大気汚染への曝露に関する調査の一環として、100個のセンサーポッドのネットワークが市内の街灯柱と建物に設置され、Googleストリートビューの車はモバイルセンサーを使用して、ロンドン全体の大気質測定値を継続的に送信しました。

>

情報は間違いなく興味深いものですが、プロジェクトの価値はデータの収集と表現ではなく、これらのセンサーが特定する汚染の「ホットスポット」を減らすために行われる政策決定にあります。

IoTデータ分析の障壁

ただし、多くの組織にとって、これは口で言うほど簡単ではありません。分析のためのIoTデータの統合に関連する重要な課題があります。

まず、組織は、さまざまなソースからのさまざまなデータをデータパイプラインに統合することを克服する必要があります。 IDC を使用したQlikの調査 異種データを標準形式に統合することは、データを分析フォームに変換する際に組織が直面する最大の課題の1つであることが明らかになりました（37％）。

IoTの導入は、パイプラインに供給するデータソースの数を急速に増やす可能性があるため、この課題を大幅に悪化させます。多くの場合、分析の準備を整える前に変換する必要のある、なじみのない、または構造化されていない形式です。

この問題は、2番目の課題である大量のスループットと高速のスループットによってさらに悪化します。多くのIoTデバイスが継続的に読み取りを行うため、データはほとんどの場合よりもはるかに大量に生成されます。これは当然、最終的なハードルになります。データパイプラインがIoTデバイスからの継続的なデータフローを取り込んで変換するのに十分堅牢であっても、多くの視覚化および分析ソリューションはリアルタイムの情報更新を提供できません。

>

つまり、ボトルネックがソフトウェアにあるのか、ユーザーが出力を確認するまでの時間が経過したために発生したのかにかかわらず、データからの学習は、リアルタイムではなく、遡及的にのみ実装できます。

データのペースについていく

IoTの活用を望んでいる組織は、多数の異なるソースからのデータを迅速に統合および変換できるデータサプライチェーンを構築することで、これらの課題を克服できます。

抽出、変換、読み込み（ETL）などの従来のバッチ指向の方法は、IoTデータのタイムリーな分析を統合およびサポートするには遅すぎ、非効率的で混乱を招き、多くの場合、大量のコーディングと詳細なスクリプトが必要になります。グローバル組織の31％が、データ分析を準備する上での最大の課題の1つとして「データを処理するための熟練したリソースの不足」を挙げているため、組織が熟練したプログラマーの時間の大幅な浪費を減らすことがIoT実装の成功にとって重要です。

Change Data Capture（CDC）テクノロジーは、分析のためにIoTデータを迅速に処理したい人に実現可能なスマートな代替手段を提供します。 CDCは、データをさまざまなソースにアップロードする代わりに、データの更新が発生したときにそれを識別してコピーすることにより、継続的な増分レプリケーションを可能にします。この方法でデータをストリーミングすると、データを取り込んでデータウェアハウスまたはデータレイクに転送して分析する速度が大幅に向上します。

最後に、データパイプラインがほぼリアルタイムでデータを統合できる場合、分析ソリューションが最新の情報を継続的に視覚化できるだけでなく、意思決定をサポートするためにプロアクティブのレイヤーが組み込まれていることが重要です。処理する。リアルタイムアラートは、洞察を提供するだけでなく、ユーザーがすばやくトリガーするための推奨アクションを提供します。コグニティブエンジンを活用してこのアクティブインテリジェンスを提供することは、次世代のBIツールの重要な機能になります。

IoTの可能性を実現するためのデータパイプライン

組織は、ビッグデータの初期の頃のようにIoTと同じ罠に陥らないようにする必要があります。ビッグデータでは、より多くのデータを取得するという目標が、最良の結果をもたらすために必要なものを使用するよりも優先されていました。 IoTの早期採用者を見ると、より良い意思決定を可能にするために出力を変換および分析するために必要な手順を実行するよりも、リアルタイムの更新を受信することに重点を置いている人が多すぎます。

IoTの約束は、継続的に学び、行動し、反応する機会です。組織でのIoT実装が高度な分析をサポートする速度と柔軟性を備えていることを確認するには、最初にデータパイプライン全体がタスクに対応していることを確認する必要があります

著者はQlikのシニアマネージャーであるAdamMayerです。