Llegamos a ustedes gracias a:



Reportajes y análisis

Analítica de IoT: Obteniendo valor de los datos de la IoT

[13/05/2020] La Internet de las cosas (IoT, por sus siglas en inglés) se está convirtiendo cada vez más en un componente clave de las estrategias de transformación de muchas empresas basadas en datos. De hecho, las organizaciones que han adoptado la IoT ya están viendo beneficios como la mejora de los procesos operativos, una mejor gestión de los inventarios y un mejor mantenimiento del equipo, por nombrar algunos.

Pero una estrategia de IoT exitosa es más que la simple conexión de un montón de dispositivos y sensores a Internet y la recopilación de datos de estas "cosas". La TI debe establecer la capacidad de analizar eficazmente las grandes cantidades de datos que crea la IoT para darle sentido, y obtener una visión real de los negocios.

Es por eso que una estrategia analítica para la IoT debe ser una prioridad para cualquier empresa que busque sacar el máximo provecho de toda la conectividad.

Las organizaciones pueden disfrutar de una serie de ventajas al aprovechar los datos de IoT que recogen, señala Carlton Sapp, director senior y líder de investigación y asesoría de Gartner.

Entre ellas figuran la conciencia contextual de los equipos y sistemas; la mejora de la toma de decisiones, la optimización y el control de supervisión de los equipos y recursos; la reducción de los costos asociados a la gestión de datos; la gestión proactiva, predictiva y prescriptiva de los equipos; y el cumplimiento de las normas ambientales.

Estas oportunidades están generalizadas en casos de uso como la optimización y gestión de flotas, la gestión de activos, la gestión de riesgos financieros y las ciudades inteligentes, señala Sapp.

Pero requieren un enfoque sólido y racionalizado para el fin de los datos de la IoT. A continuación se ofrecen varios consejos para tratar los datos de la IoT, y sacar el máximo provecho de estos recursos.

Construir una organización e infraestructura de análisis de IoT

Una vez que una organización tiene una idea de sus objetivos comerciales de análisis de IoT, necesita identificar a los principales interesados que participarán, señala Stacy Crook, directora de investigación de IoT en IDC, y determinar si esos interesados requieren aptitudes adicionales para que el proyecto tenga éxito.

"Es un hecho bien conocido que las aptitudes en materia de ciencias de datos escasean en la industria, pero son esenciales para los proyectos de análisis de la IoT", añade Crook. "Por lo tanto, el proyecto puede requerir la contratación de nuevos empleados, o la subcontratación de ciertas partes del proyecto a terceros", si los conocimientos internos de ciencia de los datos son escasos.

Las organizaciones también deberían considerar la posibilidad de nombrar a un director de datos (CDO, por sus siglas en inglés) para que defienda los esfuerzos de análisis de datos de IoT y dirija la estrategia de gestión de datos, anota Crook.

Dado que la IoT es esencialmente un gran problema de datos, IDC sugiere que las organizaciones consideren cómo su infraestructura existente podría servir también para los casos de uso de IoT. "Aunque las grandes arquitecturas de datos más antiguas podrían haber estado centradas en cargas de trabajo por lotes, cada vez hay más herramientas disponibles para ejecutar cargas de trabajo en tiempo real sobre esta misma columna vertebral", indica Crook.

Aprovechar la misma infraestructura para varias cargas de trabajo de IoT puede tener beneficios en términos de evitar los silos de datos y proporcionar la capacidad de ejecutar más fácilmente el análisis de datos multifuncionales a través de esas cargas de trabajo, indica Crook. "También puede proporcionar beneficios de gobernanza y seguridad de los datos", señala.

Desplegar una arquitectura que soporte el crecimiento de los datos de IoT

Las empresas necesitan empezar con la arquitectura de datos de IoT correcta y entender cómo manejar los datos de IoT en varios lugares.

"Los datos que emanan de los puntos finales de la IoT ofrecen desafíos nuevos y únicos, como un acceso a la red poco fiable, y la combinación de dispositivos que pueden distribuirse a grandes distancias y generar datos en múltiples formatos a través de múltiples protocolos", indica Sapp.

Hoy en día, la mayoría de los datos de IoT son datos de telemetría, pero los puntos finales están emitiendo cada vez más datos de imagen y audio que deberían ser manejados por almacenes de datos persistentes, añade Sapp. "Comienza con una arquitectura de datos de IoT apropiada que apoye el crecimiento esperado en el volumen de IoT", indica.

Las organizaciones a menudo fallan en la gestión efectiva de los datos de IoT, debido a la falta de una arquitectura de datos flexible/elástica. "Los datos seguirán creciendo, así que diseñen una arquitectura que aproveche las técnicas de análisis y de minería de datos que identifiquen la información crítica que puede utilizarse para mejorar los procesos, mejorar la toma de decisiones o reducir los costos", anota Sapp.

Por ejemplo, las empresas de telecomunicaciones tienen éxito en la reducción del costo de mover datos a través de una red aprovechando el análisis de IoT en el borde de la red que reduce los "datos ruidosos".

"Esas organizaciones se centran en arquitecturas de datos escalables centradas en el borde que están diseñadas para el rápido descubrimiento de conocimientos en datos de IoT", agrega Sapp.

Entregar análisis a través de los pipelines de datos

La arquitectura de datos de IoT también debe apoyar el análisis a través de pipelines de datos (vía streaming) y en los almacenes de datos locales para aprovechar la toma de decisiones más rápida y la reducción de costos, señala Sapp.

Las organizaciones pueden hacer esto enfocándose en patrones de diseño centrados en los datos al crear y desplegar análisis de IoT, incluyendo el uso de arquitecturas impulsadas por eventos.

"Empiecen por distribuir los análisis en el borde, en los pipelines de flujo, en la plataforma y en la empresa", indica Sapp. Las organizaciones deberían aprovechar los canales de datos de IoT como fuente para desplegar análisis que mejoren la latencia y reduzcan los costos y las vulnerabilidades de seguridad, indica.

Por ejemplo, el Departamento de Defensa de EE.UU. a menudo realiza análisis sobre los pipelines de datos de flujo para reducir el rendimiento de los datos en una red, indica Sapp. También aprovecha el análisis de borde de IoT para evitar enviar cualquier dato a través de una red, usando análisis operacionales más cercanos a la fuente de datos.

Lo más probable es que haya múltiples entornos analíticos desplegados para apoyar análisis dispares, señala Sapp. "Los entornos pueden variar desde sistemas operativos hasta software analítico integrado", anota. "Prepárense para desplegar analíticas de IoT a través de un paisaje que se extienda desde el borde de la red hasta la empresa corporativa. Por ejemplo, las organizaciones de servicios públicos aprovechan la distribución de análisis de IoT a través de varias infraestructuras para apoyar la gestión de la flota".

Aprovechar la inteligencia artificial

Las organizaciones deben mejorar lo que pueden hacer con los datos de IoT aprovechando la IA, señala Sapp.

"La inteligencia de borde es un campo emergente que utiliza la IA como un método analítico desplegado en el borde de la red, para desarrollar aplicaciones inteligentes a partir de datos de la IoT", anota.

Estas aplicaciones inteligentes van desde la videovigilancia hasta los sistemas inteligentes de control de supervisión y adquisición de datos (SCADA). Por ejemplo, las organizaciones medioambientales utilizan los datos de IoT para construir sistemas de control inteligentes para mantener el cumplimiento de las normas medioambientales.

Añadir la IA a la arquitectura de la IoT se está convirtiendo en un imperativo operacional, indica Sapp. Los sistemas de IoT, incluyendo los dispositivos de punto final, deben ser más inteligentes y más autónomos para hacer frente a la magnitud cada vez mayor de los datos. Para hacer estos sistemas más inteligentes, las organizaciones necesitan desplegar la IA y el aprendizaje automático.

Ser un nativo de la nube

Dados los enormes volúmenes de datos generados por las aplicaciones de IoT, para muchas organizaciones la nube será la única respuesta para hacerse con la gestión de los datos, incluidos los analíticos.

"No vale la pena construir la escala y la velocidad necesarias para gestionar realmente este volumen en tiempo real", señala Greg Meyers, CIO del grupo y director digital de Syngenta, una empresa que produce agroquímicos y semillas.

"Tratar de administrarlo uno mismo en su propio centro de datos o en su propia infraestructura es enormemente autodestructivo", dice Meyers.

La IoT le da a Syngenta la capacidad de administrar las granjas y campos de sus clientes, que por lo general se agregan arbitrariamente en pequeños micro segmentos. "Los humanos son buenos para manejar los promedios, pero las computadoras son mejores para manejar la variabilidad", anota Meyers. "La IoT nos permite entender por qué las cosas que están sucediendo en un área son diferentes a las que están sucediendo a unos 100 metros de distancia".

Los principales proveedores de nubes públicas ofrecen servicios para ayudar a las empresas con el análisis de IoT. Por ejemplo, Amazon Web Services (AWS) ofrece el servicio de análisis de la IoT, un servicio gestionado que permite a las empresas ejecutar y poner en funcionamiento análisis sofisticados en volúmenes masivos de datos de IoT, sin tener que preocuparse por el costo y la complejidad que normalmente se requiere para construir una plataforma de análisis de IoT.

Microsoft ofrece Azure IoT, que incluye un servicio de análisis de datos llamado Azure IoT Central para proporcionar capacidades analíticas para examinar las tendencias históricas y correlacionar varias telemetrías de los dispositivos conectados. Y Google proporciona Cloud IoT, un conjunto de herramientas para conectar, procesar, almacenar y analizar datos tanto en el borde de la red como en la nube.

Priorizar el gobierno, la seguridad y la privacidad de los datos

Las organizaciones deben asegurarse de que disponen de mecanismos de gobernanza, seguridad y privacidad para los procesos de análisis de datos de IoT. Gran parte de los datos generados por la IoT serán delicados o tendrán un valor competitivo, y deben ser administrados y protegidos cuidadosamente.

"Reevaluar las actuales prácticas de gobernanza de datos [para] incluir los datos de las máquinas", señala Nicholas Colisto, vicepresidente y director de información de Avery Dennison, fabricante y distribuidor de materiales adhesivos, etiquetas de marcas de ropa y etiquetas.

"Desde mi experiencia, el gobierno de la IoT es un área inmadura", anota Colisto. "En una empresa anterior, me enfrenté a una situación en la que una unidad de negocio desplegó un sistema de IoT sin buscar la participación de TI, y no se consideraron las tareas y herramientas operativas simples para auditar los dispositivos y aplicar el firmware".

Las empresas deben considerar los riesgos de los datos de IoT basados en la confidencialidad, privacidad y requisitos de retención, dice Colisto. "Por ejemplo, si se trabaja con datos personales, hay que tener en cuenta los problemas que pueden surgir de un sesgo algorítmico, o de la incapacidad de cumplir con reglamentos como el GDPR [Reglamento General de Protección de Datos], que pueden dar lugar a acciones legales y dañar la reputación de la empresa", señala.

Aprovechar los datos de la IoT para nuevas oportunidades de ingresos

Los datos generados a partir de la IoT pueden ser valiosos tanto dentro como fuera de la empresa.

La compañía de fabricación de productos químicos Texmark Chemicals lanzó un esfuerzo para modernizar las operaciones de su planta mediante el despliegue de bombas con sensores. Utilizando la tecnología de Hewlett Packard Enterprise y Aruba Networks, la empresa reúne datos operativos de los sensores de las bombas que miden la temperatura, la presión, las vibraciones, el flujo y la potencia. Estos datos se analizan para predecir las fallas de los equipos antes de que ocurran.

A través de un proceso de "trabajo en equipo", Texmark se dio cuenta de que contar con equipos habilitados con sensores no solo ayuda a la compañía a monitorear sus activos y procesos, sino que ha abierto la posibilidad de nuevos modelos de negocios, señala Doug Smith, CEO.

El uso de IoT se convierte en un factor de venta adicional antes de las negociaciones del contrato, señala Smith. "Los clientes están empezando a darse cuenta del valor de tener acceso a los datos procedentes de los activos de los contratistas", como las bombas industriales, anota. Los clientes piden a Texmark que añada sensores a sus bombas y les proporcione los datos.

"En esencia, estamos desarrollando una biblioteca de atributos de rendimiento histórico que puede ser catalogada y compartida con otras empresas que utilizan equipos similares", señala Smith. "Cuando se despliegan modelos analíticos de aprendizaje de máquinas, cuantos más datos se adquieran, mayor será la precisión en la predicción analítica".

Compartiendo los datos de IoT con los fabricantes de bombas o con otros proveedores, "podríamos probar el nuevo modelo de negocio, siempre y cuando la documentación sea clara y precisa", señala Smith. "Mientras tanto, los clientes están impresionados de que hayamos desplegado instrumentación y análisis de software para capturar, analizar e informar sobre tales datos -permitiendo decisiones más rentables".

Esta nueva oferta de datos como servicio habilitada por la IoT puede distinguir a Texmark de sus competidores, señala Smith, y crea un vínculo más fuerte con los clientes, al tiempo que capacita a los empleados para lograr más de su trabajo.