La crescente importanza dei dati nella gestione di processi complessi e con tempi di esecuzione ridotti ha spostato gli strumenti di analisi verso il centro delle infrastrutture IT. Il passaggio della analisi consuntive a quelle predittive aumenta inoltre l’esigenza di contare su grandi quantità di dati e sulla loro qualità. Un’esigenza alla quale IoT offre una risposta perfetta. A volte, anche troppo. L’enorme mole di informazioni prodotta da Internet of Things rischia di essere dispersa senza adeguati strumenti di raccolta e selezione prima di usarli. Le opportunità sono tante, quanto però le difficoltà di coglierle. È utile allora ascoltare direttamente dai protagonisti del settore, quale sia lo stato dell’arte della data analytics , quale sia l’apporto di IoT e soprattutto come sfruttare questa opportunità.
Insieme a Alberto Pozzi, regional AI & IoT leader di SAS è possibile tra l’altro effettuare una rapida carrellata su alcune delle tantissime possibilità offerte e dei relativi requisiti, tecnologici e strategici.
Quali innovazioni può portare IoT nella data analytics?
I data analytics non nascono oggi; già se ne parlava negli Anni ’90 sotto il nome di business intelligence. La mole di dati cui ci si riferiva era limitata esclusivamente all’ambiente aziendale e finalizzata ai processi interni. Ora, invece, si amplia il contesto, perché nel processo decisionale viene considerata una mole ancora più imponente di dati, provenienti anche da contesti esterni all’azienda. IoT è una fonte ulteriore di Big Data. Potendo contare su una serie piuttosto ampia di sensori che generano un flusso continuo d’informazioni in tempo reale, occorre immagazzinarli e procedere all’analisi, processo possibile attraverso gli analytics.
Gli advanced analytics, inclusa l’intelligenza artificiale (IA), sono il modo giusto per sfruttarne il valore. Data Management, cloud e high-performance computing aiutano a gestire e analizzare l’afflusso di dati provenienti dai sensori. Le informazioni degli streaming analytics e dell’intelligenza artificiale sono alla base degli sforzi di digital transformation che si traducono in una migliore efficienza, convenienza e sicurezza.
In concreto, è possibile per esempio monitorare ogni singolo dispositivo connesso, confrontandone lo stato attuale con i dati storici per verificare le tendenze sui consumi, per ottimizzare i processi di approvvigionamento di utilizzo, ma anche per migliorare il design o la qualità del prodotto stesso (integrando i feedback di utilizzo nel processo di ricerca e sviluppo, e di produzione), per ottimizzare gli interventi di manutenzione programmata riducendo i costi di operazioni superflue se non addirittura inutili.
Ancora, l’utilizzo degli analytics sui dati IoT permette di ridurre gli sprechi di energia e attuare politiche di risparmio energetico, o creare campagne di marketing per il materiale di consumo, o per altri prodotti correlati grazie all’integrazione di dati provenienti dalla fidelity card, dagli scontrini e dai social media. Grazie ai continui progressi tecnologici si stanno sempre più riducendo i limiti di performance e di scalabilità nel processare dati così eterogenei, e questo permette di scoprire sempre nuove possibilità di sfruttamento dei dati disponibili. Quindi, siamo davvero di fronte a delle miniere di dati, con informazioni spesso nascoste, ma utilissime per il business.
Come aggiornare infrastruttura IT e competenze?
IoT è una fonte di dati enorme: raccoglie infatti i dati dagli oggetti, dovunque e qualunque essi siano. Si tratta di dispositivi molto diversi tra loro, che spesso utilizzano linguaggi e sistemi operativi diversi, ma comunque sono in grado di interagire non solo tra loro, ma anche con sistemi come gli ERP o i CRM, e con le applicazioni che usiamo nella vita di tutti i giorni, non solo per le attività lavorative. Il loro potenziale informativo è, a oggi, ancora in buona parte inesplorato. Avere le capacità di analizzare questi dati, ricavandone informazioni, trend di business e modelli predittivi sarà una discriminante tra le aziende che potranno essere protagoniste e competere sul mercato e chi invece farà fatica a sopravvivere.
Gli strumenti di business analytics negli ultimi anni si sono ritagliati un ruolo sempre più centrale: questo, grazie alle numerose funzionalità di cui dispongono, e alla precisione di analisi e simulazione che permettono sia sui dati aziendali sia sui big data. Gli analytics sono gli strumenti ideali per scoprire il valore dei dati raccolti da IoT: i dati prodotti dai vari dispositivi (dai computer agli smartphone, dai tablet alle automobili e a tutti i dispositivi dotati di sensori) possono essere correlati con i dati archiviati nei sistemi gestionali, nei CRM, ma anche con dati provenienti da altre fonti esterne alle aziende (social network, piattaforme di e-commerce, dati di analisti di mercato o di fornitori di servizi). La combinazione di tutte queste fonti dati crea informazioni di notevole valore, utilizzabili per poter prendere delle decisioni informate e accurate.
Può raccontare qualche esempio di come possano essere sfruttate le potenzialità IoT in ottica data analytics?
Abbiamo lavorato a tantissimi progetti in cui abbiamo applicato gli analytics al mondo IoT. Per esempio, l’ottimizzazione dei consumi di carburante di grandi navi, sfruttando modelli di ottimizzazione e machine learning, che lavorano su centinaia di variabili raccolte da sensori installati a bordo nave.
Oppure, diversi progetti sulla riduzione degli sprechi, andando a misurare la qualità dei prodotti su linee di produzione e a intercettare in tempo possibili fault dei macchinari attraverso algoritmi di predictive maintenance, permettendo all’operatore di intervenire prima del guasto, limitando così gli scarti.
Un altro campo promettete è l’ottimizzazione dei trasporti pubblici: un buon sistema di trasporto pubblico è fondamentale per sviluppare le smart city, in particolare nelle grandi aree metropolitane. È essenziale per mantenere il flusso degli spostamenti quotidiani dei suoi abitanti e permette ai turisti di spostarsi facilmente in città. I dati possono essere utilizzati per esplorare la topologia della rete e ottimizzare gli elementi all’interno delle opzioni di trasporto pubblico. Algoritmi di ottimizzazione della rete possono essere applicati per comprendere meglio la mobilità urbana, in particolare sulla base di una rete di trasporto pubblico multimodale e capire quali sono le rotte più utilizzate, gli orari di punta, i percorsi meno inquinanti e poter quindi stabilire le migliori rotte dal punto di vista di risparmio dei costi e con il minor impatto ambientale.
Le scuole pubbliche di Boston (BPS) utilizzano SAS Analytics per ridurre le fermate del bus per abbassare i costi e al tempo stesso soddisfare meglio le esigenze degli studenti. Grazie all’analisi dei dati, quasi 50 autobus (circa l’8% del totale) sono stati eliminati per un risparmio a lungo termine che dovrebbe superare i 5 milioni di dollari. Ma al contempo l’ottimizzazione delle rotte migliori, non mette in situazioni di pericolo gli studenti, assicurando vicinanza a casa della fermata. La riduzione dei mezzi ha portato anche significativi benefici ambientali, circa 6.000 kili di emissioni di carbonio al giorno in meno.
Più in generale, sono veramente tante le possibili applicazioni di IoT alla data analytics. Penso al monitoraggio di ponti, per rilevare in tempo reale, qualsiasi segnale di anomalia. Oppure, il monitoraggio di cantieri, per di stabilire se un mezzo di lavoro transita in un’area dedicata agli operai o viceversa. Ancora, la manutenzione predittiva di una linea ferroviaria, monitorare lo stato di salute della massicciata da una centralina a bordo treno.
Infine, ma solo per limiti di spazio, la comunicazione in tempo reale di un potenziale problema su un componente di un camion, comunicando l’officina più vicina in cui recarsi, prenotando automaticamente l’appuntamento e ordinando anche, ove possibile, il pezzo da sostituire.
