Bli bättre på analys av data

Den offentliga sektorn skulle vinna på att bättre ta hand om all data som kommer från Internet of Things (IoT). Bara genom att integrera analysen av data med verktyg som ger förslag på varningar och åtgärder går det att nå den fulla potentialen med IoT, menar Adam Mayer, Senior Technical Product Marketing Manager vid dataanalysföretaget Qlik i denna debattartikel.

Adam Mayer, dataanalysföretaget Qlik.

Industrin har mognat när det gäller IoT-användande och brukar det i allt större utsträckning mer förebyggande. Däremot använder den offentliga sektorn fortfarande till stor del IoT i mer reaktivt snarare än proaktivt syfte.

Människans omedelbara reaktion när vi upptäcker ny teknik är att vi bara vill ha mer – utan att först se att vi får ut det mesta av vad vi redan har. Som ett resultat av diskussionerna kring Internet of Things, eller ”sakernas internet”, uppmuntrades företag att sätta uppkopplade enheter överallt innan man ens började se avkastning på investeringarna.

Likheter med Big Data
Det finns likheter med Big Data. Det tog tid att förstå att mer data inte nödvändigtvis innebar bättre resultat. Nu har man börjat inse att den största potentialen i IoT ligger i hur data från dessa enheter ska undersökas för att ge lärdomar som förbättrar åtgärder, upplevelser och resultat.

Ett exempel är Breathe London Project där man undersöker Londonbornas exponering av luftföroreningar. Hundra sensorer installerades runt om i staden, i kombination med sensorer på Google Street View-bilar. På så sätt kan man kontinuerligt få mätningar från hela staden. Även om informationen är intressant och väl visualiserad i den här kartan ligger inte värdet i insamling och presentation av data utan i de politiska beslut som kommer att tas för att minska föroreningar.

Flera utmaningar
Men för många företag och myndigheter är det lättare sagt än gjort. Det finns flera utmaningar förknippade med att integrera IoT-data.

Det första hindret ligger i att integrera olika data från många olika källor i organisationernas dataflöden. Qlik och analysföretaget IDC har visat att detta är en av de största utmaningarna som företag står inför när det gäller att omvandla data till analys. IoT förvärrar denna utmaning avsevärt eftersom den snabbt kan multiplicera antalet datakällor med upp till hundra, ofta i okända eller ostrukturerade format.

Stora volymer
Den andra utmaningen gäller de stora volymerna och den höga genomströmningshastigheten, med många IoT-enheter som kontinuerligt gör avläsningar skapas allt större datakvantiteter.

Det för oss till det sista hindret. Även om infrastrukturen klarar att ta in allt dataflöde, så kan många visualiserings- och analyslösningar inte tillhandahålla uppdateringar i realtid – och inte proaktivt.

Företag som vill dra nytta av IoT kan övervinna dessa utmaningar genom dedikerade integrationsverktyg, som snabbt kan ta in och omvandla data från många olika källor.

Många företag litar fortfarande på traditionella batch-orienterade metoder för att integrera sina IoT-data. I praktiken är dessa metoder för långsamma och ineffektiva för att stödja snabb analys. Den manuella integrationen av dessa olika och ofta ostrukturerade dataformat är ohållbar och bidrar till flaskhalsar då programmerare inte kan hålla jämna steg med den data som produceras.

CDC-teknologi ett alternativ
Change Data Capture (CDC)-teknologi är ett alternativ för dem som snabbt vill bearbeta IoT-data för analys. Istället för att ladda upp data till olika källor möjliggör CDC kontinuerlig inkrementell replikering genom att identifiera och kopiera datauppdateringar när de sker. Detta ökar signifikant hastigheten med vilken data kan intas och överföras. Dessutom möjliggör vissa mer avancerade verktyg att data kan replikeras till olika platser samtidigt.

När man integrerar data i princip i realtid är det viktigt att analyslösningarna inte bara visualiserar den aktuella informationen kontinuerligt utan att ett lager av proaktivitet byggs in för att stödja beslutsprocessen. Varningar är nyckeln för att säkerställa att det inte finns potentiella flaskhalsar för att känna igen och reagera på förändringen.

Snabbare insikter
Att också snabbare få insikter om rekommenderade åtgärder kommer att vara nyckeln i företagens framtida styrningsverktyg, som utnyttjar kognitiva motorer för att leverera Active Intelligence. Lite förenklat innebär det att användningen av data och analys går från att vara passiv till aktiv. Organisationer kan då agera på det som händer just nu i verksamheten. Löpande data blir automatiskt i användbart skick att använda och har dessutom förmågan att utlösa varningar som kan leda till omedelbara åtgärder.

Möjliggör bättre beslut
För att säkerställa att IoT har hastigheten och flexibiliteten att stödja avancerad analys, måste organisationer först se till att deras dataflöden fungerar som de ska. Om man tittar på tidiga antaganden av IoT är många mer fokuserade på att ta emot isolerade uppdateringar i realtid än att vidta nödvändiga steg för att kombinera flera datakällor, omvandla och analysera data för att möjliggöra bättre beslut. Organisationer måste se till att de inte faller i samma fälla med IoT som många gjorde med Big Data, där mer data hade företräde framför att använda det man hade för att få bättre resultat.