Internet de las cosas (IoT) y Analytics al límite

El Internet of Things (IoT) promete cambiar todo al permitir ambientes "inteligentes" (hogares, ciudades, hospitales, escuelas, tiendas, etc.) y productos inteligentes (automóviles, camiones, aviones, trenes, turbinas eólicas, cortadoras de césped, etc.)

Recientemente escribimos sobre la importancia de ir más allá de "conectado" a "inteligente" en un blog titulado "Internet de las cosas: Conectado no es lo mismo que Inteligente".

El artículo analiza la importancia de ir más allá de la simple recopilación de datos, pasar a aprovechar esta nueva riqueza de datos de IoT para mejorar las decisiones que estos entornos inteligentes y productos deben tomar: ayudar a estos entornos y productos a autocontrolarse, autoorganizarse diagnosticar y eventualmente, autodirigirse.

Pero uno de los conceptos clave para permitir esta transición de conectado a inteligente, es la capacidad de realizar "análisis al límite". Shawn Rogers, director de investigaciones de Dell Statistica, hizo la siguiente cita en un artículo en Information Management titulado "¿Los Científicos de Datos heredarán el mundo? ":

"Las organizaciones se están dando cuenta rápidamente de que las implementaciones de Internet de las Cosas serán cada vez más extensas y omnipresentes, y que mientras eso sucede, el modelo analítico tradicional de extraer todos los datos a una fuente centralizada como un almacén de datos o un entorno de prueba analítico, va a tener cada vez menos sentido.

Por lo tanto, la mayoría de las conversaciones que estamos teniendo sobre Analíticos para Internet de las Cosas, hoy giran en torno a cómo las empresas pueden darle la vuelta al modelo y descubrir formas de llevar la analítica al límite. Si puede ejecutar analíticas al límite, no solo puede eliminar el tiempo, el ancho de banda y los gastos necesarios para transportar los datos, sino que también permite tomar medidas inmediatas en respuesta a la información. Se agiliza y simplifica el proceso analítico de una manera que nunca se había hecho antes".

Para ayudarnos a entender qué es exactamente "análisis al límite", creemos que todo se reduce a la respuesta de estas preguntas:

• ¿Realmente estamos desarrollando analíticas al límite?
• Si no, ¿qué tipo de análisis estamos realizando al límite?
• ¿Dónde se están construyendo realmente los modelos analíticos?
• Y, finalmente, ¿qué diablos significa "en el límite" en realidad?
• Así que empecemos con la última pregunta: ¿qué significa realmente "en el límite"?

Pregunta No. 1: ¿Qué es "Al Límite (At The Edge)"?

"En el borde" o "al límite" se refiere a la multitud de dispositivos o sensores dispersos por cualquier red o integrados en un producto (automóvil, motor a reacción, escáner CT), que genera datos sobre las operaciones y el rendimiento de ese dispositivo o sensores específicos.

Por ejemplo, el actual modelo Airbus A350 tiene cerca de 6.000 sensores y genera 2.5 Tb de datos por día, mientras que un modelo aún más nuevo, que se espera estará disponible en 2020, capturará más del triple de esa cantidad de datos. Cada vez es más común que los productos comunes de todos los días no tengan cientos, sino miles de sensores incorporados que generan lecturas cada dos segundos, sobre las operaciones y el rendimiento de ese producto en particular.

Pero la recopilación de estos enormes volúmenes de datos en tiempo real no hace nada para crear directamente una ventaja comercial. Más bien es lo que haces con esos datos lo que impulsa el valor del negocio, lo que nos lleva a...

Pregunta No. 2: ¿Estamos realmente desarrollando Analíticos "Al Límite"?

¿Estamos realmente "realizando análisis" (recopilando los datos, almacenando los datos, preparando los datos, ejecutando algoritmos analíticos, validando la bondad analítica del ajuste y luego actuando sobre los resultados) en los límites, o simplemente estamos "ejecutando los modelos analíticos en éstos? Una cosa es "ejecutar los modelos analíticos" (por ejemplo, puntajes, reglas, recomendaciones) en los límites, pero algo completamente diferente para "realizar análisis" en los límites.

Podemos entregar modelos analíticos a cualquier punto final. Podemos ejecutar los modelos analíticos en cualquier entorno, grande o pequeño. Podemos ejecutar todos los pasos para realizar análisis en una amplia gama de entornos, pero existen limitaciones para estos límites. Las limitaciones están en la solidez del entorno (es decir, no puede entregar un ejecutable a un entorno que no tiene la memoria o la capacidad de procesamiento para almacenarlo o ejecutarlo. No podemos cambiar las leyes de la física.

Pregunta No. 3: ¿Qué tipos de análisis estamos realizando en Los Límites?

En nuestro ejemplo del Aibus A350 con 6.000 sensores que generan más de 2.5 Tb de datos por día, ¿cómo estamos realizando los análisis al final?

Si el motor a reacción tiene un lugar para albergar una Máquina Virtual Java (JVM) y un modelo analítico (es decir, un modelo basado en reglas ligeras), entonces podemos ejecutar el modelo en el propio motor. Si el modelo transmite los datos a una red, podemos ejecutar el modelo analítico en una puerta de enlace (gateway) o servidor intermedio.

Piense en una red con anillos concéntricos. Cada anillo puede tener muchos servidores. Cada servidor puede hacer cualquiera de los dos: ejecutando un modelo analítico o construyendo los modelos analíticos. Ahora piense en muchas redes de redes con anillos concéntricos que se entrelazan en varias intersecciones. Los análisis pueden realizarse en cualquiera o todos los niveles, incluso en el núcleo, en un centro de datos o en la nube.

Al trabajar en conjunto con Dell Boomi, los usuarios ahora tienen la capacidad de implementar JVM con los modelos analíticos en cualquier dispositivo de borde o puerta de enlace en cualquier lugar de la red o dispositivo. Esta capacidad de puntaje permite a las organizaciones abordar casi cualquier caso de uso de análisis de IoT al ejecutar los modelos analíticos en el borde de la red donde se crean los datos.

Pregunta No. 4: ¿Dónde se están construyendo realmente los modelos analíticos?

De acuerdo, entonces "ejecutamos" los modos preconstruidos en el límite, pero realmente se construyen (prueban, refinan, prueban, refinan) los modelos analíticos, al volver a poner los datos detallados del sensor en un entorno central de datos y análisis (también conocido como Lago de Datos). La siguiente figura muestra el flujo de datos y la ejecución analítica de soporte.

A modo de punto final, incluso si está haciendo todo el análisis de sensor/IoT en los límites, es probable que todavía desee volver a poner los datos de Internet de las Cosas sin procesar, en el lago de datos para un análisis más exhaustivo con el fin de albergar el historial detallado de Internet de las Cosas.

Por ejemplo, tenemos ciclos económicos importantes cada 4 a 7 años. Es posible que desee cuantificar el impacto de estos cambios económicos en la demanda y el rendimiento de su red. Eso eventualmente requerirá de 8 a 14 años de datos. Y es por eso que va a querer un lago de datos como base de la transición de un mundo de Internet de las Cosas "conectado" a un mundo de Internet de las Cosas que sea "inteligente".