IoT Analytics לאן?

ה-use case של הטמעת האינטרנט של הדברים בחברות אנטרפרייז, מבוסס יותר ויותר על Big Data ואנליטיקה. רק הקישוריות כבר מאפשרת שיפורים בערך של מוצרים ותהליכים, כגון ניטור ושירות מרחוק, אבל השלב שבו אינטרנט של הדברים באמת גורם טרנספורמציה לעסקים – מגיע כאשר הוא מלווה בכלים ומודלים אנליטיים.

על ידי ניתוח הנתונים המגיעים מאביזרים המספקים מידע, הארגונים המחוברים של היום יכולים לבנות את פעילותם על ראיות מוצקות והסתברויות סטטיסטיות במקום על דעות ותחושת בטן. עם זאת, בין החזון לבין מציאות הארגון הנוכחיות יש מספר בעיות ייחודיות ההופכות יישום של IoT Analytics למאתגר.

תפקיד ה-IoT Analytics בארגון

ניתוחי אינטרנט של הדברים מטפלים  בחשיפה וניתוח נתונים מנכסים פיזיים כלומר, הם אינם מייצרים נתונים דיגיטליים אלא מבצעים בהם מניפולציות לצורך ניתוח.

הם שונים מן ההתקנים הדיגיטליים, כגון טלפונים חכמים, מחשבים אישיים, שרתים, והיישומים הפועלים עליהם. קיימת גישה נוחה לנתונים דיגיטליים זמינים וריכוזם לצרכים אנליטיים, כי הם מבוססים על קישוריות טובה ברשת.

ההתקנים ויישומי האינטרנט של הדברים בינתיים מוגבלים יותר באיסוף הנתונים מנקודות קצה מפוזרות על פני שטח גדול שיכול להוות אתגר טכנולוגי. כמו כן, נתוני אינטרנט של הדברים מופקים בדרך כלל כסדרה רציפה בזמן, כך שנפחי הנתונים ומהירות יצירתם יכולים להיות גבוהים בהרבה ממה שנתפס במרחב הדיגיטלי.

באינטרנט של הדברים, ההשלכות של ניתוח הן בדרך כלל יותר מרחיקות לכת כי היישומים קשורים ישירות לעולם הפיזי. החלטה לא נכונה לגבי רכב נוסע או תחנת כוח בזמן אמת יכולה להיות יקרה ומסוכנת.

ההתפתחות הבולטת ביותר באנליטיקה ו-Big Data ככלל, עוסקת באופן בו משתמשי קצה למעשה יוצרים את נתוני הבסיס שלהם, ונותנים מענה לשאלות שונות על בסיס הנתונים:
● לתאר "מה קרה" (Descriptive Analytics).
● לאבחן "למה זה קרה" (Diagnostic Analytics).
● לחזות "מה צפוי לקרות בהמשך" (Predictive Analytics).
● להמליץ "איך ניתן לעודד או למנוע" (Prescriptive Analytics).

יש יחסים היררכיים בין השלבים הנ"ל, כי התיאור של מה שקרה קודם ליכולת להבין למה זה קרה, ורק לאחר מכן ניתן לחזות מה יקרה ואיך צריך להיערך.

שלב ההערכות האחרון כרוך במענה מורכב בזמן אמת למודלים של "מה אם" והיכולת לקבל החלטות אוטומטיות.

בהשוואה לשירותים דיגיטליים כגון שירותים פיננסיים או מדיה מקוונת, אימוץ אנליטיקה באזורי אינטרנט של הדברים מפגר אולי בשלוש עד חמש שנים מאחור.

לפי תחזית של ABI Research, בשנת 2020 כ-56% של השוק צפוי להיות מזוהה עם ניתוחים מתקדמים.

האבולוציה הצפויה קשורה קשר הדוק לאופי המשתנה של ארכיטקטורות אינטרנט של הדברים.

שלוש רמות של ארכיטקטורת אינטרנט של הדברים

את האינטליגנציה של מערכות אינטרנט של הדברים ניתן לפרוס לשלוש רמות שונות:
● עיבוד נתונים הנאספים בעמדות ובמכשירי הקצה.
● איסוף נתונים בשרתי בקרה המחברים מספר מכשירי קצה, מבקרים את התנועה ומבקרים את פעילות המכשירים בנקודות הקצה.
● תשתית ענן אחוריות המקבצות את הנתונים מכל שרתי הקצה.

ניתוח מעמדות הקצה נמצא היום יותר בסביבות תעשייתיות, כגון ייצור ושירותים, שבהן האינטליגנציה נמצאת בעיקר במערכות שליטה ובקרה באתר. ניתוח כזה מתבצע במערכות ייצור כבר במשך 15 עד 20 השנים האחרונות, ולעתים קרובות אף יותר.

החדשנות בשרתי הבקרה היום  מאפשרת יישום אלגוריתמים מתוחכמים יותר ואחסון יעיל וחסכוני של נתונים מפורטים בקצה, כמו גם חיבורים מאובטחים יותר לרמת הענן.

האינטליגנציה של מכשירי הקצה

הגישה החדשנים מחזקת את הפצת האינטליגנציה למכשירי האינטרנט של הדברים החכמים.

לגישה זו היתרונות העיקריים הבאים:
● צימצום ה-Big Data לפחות נתונים: מאפשר לצמצם ולמקד את נפחי הנתונים המועברים מרמה אחת לאחרת מבלי להתפשר על השלמות והדיוק של הניתוח ברמה הגבוהה יותר.
● השהיית הפעילות במכשיר הקצה: יישומי אינטרנט של הדברים בזמן אמת דורשים אינטראקציות פיזיות בזמן אמת עם נכסים קשורים או עם סביבת ההפעלה שלהם. עיבוד בקצה מאפשר את ההשהיה הנדרשת לתאום בין הרכיבים.
● הגדלת הזמינות: על ידי אחסון וניתוחים מקומיים שתקטין את התלות בקישוריות ותשתיות הענן המרכזיות. כתוצאה מכך, יחידות מקומיות תוכלנה להמשיך לפעול ולבצע ניתוח במשאבים עצמאיים, במידה שהחיבור לענן מתנתק.
● הגדלת האבטחה והתאימות לרגולציה: באופן כללי, אינטליגנציה במכשירים מאפשרת טיפול גם במידע רגיש וקריטי לעסק אותו נדרש להצפין במקור, או אפילו לעבד מקומית באופן מלא ללא צורך להעבירו או לאחסנו בענן.
● השגת TCO אופטימלי: מכשירי קצה חכמים יכולים לעלות יותר מאלה הפחות מתוחכמים, אך עלות הבעלות הכוללת שלהם בכל משך חיי השירות הארוכים יכולה להיות נמוכה משמעותית, בשל עלויות קישוריות מופחתות אורך חיים ארוך של מכשירים המופעלים ע"י סוללות.

הקשר בין CAPEX ו-OPEX משתנה בהתאם לאופי הפריסה, אבל באופן כללי, אינטליגנציה בקצה יכולה להביא את החיסכון הגדול ביותר במסגרות דינמיות אנליטיות מורכבות.

לסיכום

למרות התפקיד המכריע של נתונים בעולם המחובר החדש, אין זה נכון לומר כי אנליטיקה בלבד יכולה להצדיק השקעה באינטרנט של הדברים. יש להביא בחשבון גם את היתרונות הגלומים בחוויית הלקוח ורמת השירות לה הוא מצפה. שני אלה יחד יכולים להציף את הערך העסקי הגלום לחברה.

על פלטפורמות היישום ומנועי האנליטיקה לשתף פעולה, ובכך לפשט את הטמעת הפתרון המשולב שמתאפיין היום בריבוי ספקים בכל צד.

חשוב להדגיש כי יכולת הניתוח במכשיר הקצה לא מייתרת את הצורך בפתרונות הענן ברמה העליונה לניתוחים מורכבים יותר.