IoT-analytiikka – miksi tyytyisit tähän päivään, kun voit nähdä tulevaisuuteen

08.01.2019 Analytiikka

Tämän päivän muotitermi on Internet of things eli IoT. Sillä tarkoitetaan esineiden ja asioiden internetiä eli sitä, että laitteet ja koneet kommunikoivat tietoverkossa sekä keräävät toiminnoistaan ja ympäristöstään dataa. Laitteisiin ja tiloihin asennut sensorit voivat kerätä dataa lämpötilasta, nopeudesta, kiihtyvyydestä, kosteudesta, liikkeestä eli lähes mistä vaan – kaiken lisäksi reaaliaikaisesti.

Data itsessään ei koskaan ole arvo. Sen arvo syntyy, kun datasta muokataan tietoja, ja tiedosta tehdään relevantteja johtopäätelmiä. IoT-dataa syntyy hetkessä huikeita määriä. Yhdessä tehdassalissa voi olla tuhansia antureita, jotka lähettävät tietoa sekunnin välein. Tällaista dataa on mahdotonta käsitellä tai hahmottaa ilman analytiikkaa. Ilman analytiikkaa IoT on pelkkää kallista tietojen siirtoa ja varastoimista.

Yleensä ensimmäinen askel datan hahmottamisessa on sen visualisointi. Hyvästä visualisoinnista nähdään yhdellä silmäyksellä, mitä parhaillaan tapahtuu, tai mitä on tapahtunut. Käykö laite niin kuin sen pitää? Onko kaikki samalla tavalla tiistaina kuin torstaina? Analytiikalla voidaan kuitenkin tuoda vielä uusia ulottuvuuksia tarkasteluun: miksi jotain tapahtui tai mitä tapahtuu seuraavaksi. Ehkä jo torstaina voidaan aavistaa, mitä on tapahtumassa perjantaina tai seuraavalla viikolla.

IoT-analytiikka hyötykäytössä

Kauppakeskuksessa voidaan havainnoida kävijöiden määrää ja sitä, miten se vaihtelee kellonajan ja viikonpäivän suhteen. Ennustemalliin voidaan lisätä sääennuste, tietoa juhlapyhistä, ostosesongeista ja yleisimmistä tilipäivistä. Tällöin kävijämääriä voidaan ennustaa etukäteen ja näin optimoida henkilökuntaa, siivousta ja lämmitystä. Kustannukset alenevat ja asiakastyytyväisyys paranee.

Tehtaissa ja laitteissa voidaan mallinnuksella ennustaa laitteiden vikaantumista. Samalla voidaan optimoida koneiden huoltoväliä ja saada merkittäviä säästöjä kustannuksiin. Yksinkertaisimmillaan voidaan ennustaa sensorin oman pariston kulumista ja vaihtaa paristo, ennen kuin sen jännite on kokonaan loppunut. Näin vältetään katkot sensorin tuottamassa datavirrassa.

Sensoridatan analyysimenetelmiä

Iot-dataa voidaan analysoida samoin menetelmin kuin muitakin datoja. Sensoreiden havaintojen väliltä voidaan laskea korrelaatioita, datasta voidaan muodostaa segmenttejä tai hakea poikkeamia, ja siitä voidaan rakentaa ennustemalleja vaikkapa neuroverkkojen tai regressiomallien avulla. Usein aikasarja-analyysi on hyvä keino ennustaa tulevaa. Dataa voidaan myös rikastaa ulkoisilla datalähteillä. Ennustemallien tuottamat tiedot voidaan visualisoida samaan näkymään reaaliaikaisen datan kanssa.

Miksi tyytyisit katselemaan vain sensorin lähettämää reaaliaikaista dataa, kun analytiikan avulla voit kurkistaa myös tulevaisuuteen? Analyytikkona voisin todeta, ettei ennustaminen niin vaikeaa ole, etenkään tulevaisuuden ennustaminen.

Jaa tämä artikkeli