Chmura

Chmura obliczeniowa będzie odgrywać kluczową rolę we wdrażaniu modelu IoT, umożliwiając elementom ekosystemu internetu rzeczy i jego uczestnikom zarówno dostarczanie, jak i konsumowanie usług w sprawny, skalowalny i wydajny sposób. Dane będą mogły być przesyłane z różnych urządzeń, a następnie przechowywane, przetwarzane i analizowane w chmurze.

Chmura to również skalowalna platforma służąca do gromadzenia i agregacji danych napływających z licznych urządzeń podłączonych do sieci oraz miejsce przechowywania danych i dzielenia się informacjami z dowolną liczną użytkowników w jednym ekosystemie. Wspiera współpracę, pozwalając wielu użytkownikom na korzystanie z surowych danych pochodzących z urządzeń IoT lub wyników będących efektem bardziej wyrafinowanych analiz.

Zobacz również:

• Cyberobrona? Mamy w planach

Po raz kolejny weźmy za przykład środowisko szpitalne. Jednym z możliwych zastosowań chmury jest optymalizacja danych dotyczących potrzeb pacjentów, harmonogramów pracy pracowników szpitala, czasu oczekiwania na pogotowie ratunkowe, dostępności łóżek i pokoi szpitalnych, lokalizacji zasobów i poziomu ich zużycia. A to z kolei pozwoliłoby na poprawę wydajności i poziomu opieki medycznej.

Dodatkowo, szpitale należące do jednej sieci, firmy ubezpieczeniowe, a także dostawcy i producenci z branży medycznej mogliby wymieniać się takimi danymi i optymalizować swoje działania.

Dostawcy usług w chmurze i centra danych muszą przygotować się na to, jak rozwój rynku IoT wpłynie na wolumen danych, związane z nim zapotrzebowanie na pojemność pamięci, przepustowość sieci oraz kwestie związane z wykonywaniem i przechowywaniem kopii zapasowych danych. Przetwarzanie w czasie rzeczywistym będzie wymagało zwiększenia zasobów, aby na dynamicznie zmieniające się zmienne operacyjne i środowiskowe napływające z urządzeń IoT móc reagować we właściwym czasie.

Analityka danych

Technologie IoT wyraźnie zwiększają wolumen, różnorodność i prędkość przesyłania danych, które będzie trzeba gromadzić, zarządzać nimi i analizować w czasie rzeczywistym. A więc staną się głównym czynnikiem sprzyjającym rozwojowi technologii związanych z Big Data. Jednocześnie, inteligentne rozwiązania analityczne będą mogły być wykorzystywane do optymalizacji wyników biznesowych i wzmacniania przewagi konkurencyjnej firm.

Wyzwaniem dla organizacji będzie transformacja istniejącej, a w niektórych przypadkach już nieco przestarzałej, infrastruktury w sposób wystarczająco szybki i efektywny. Bo będzie musiała ona radzić sobie z coraz większym wolumenem danych przetwarzanych w czasie rzeczywistym.

Aby spełnić wymogi infrastruktury informacyjnej, firmy będą musiały przyjąć postawę hybrydową. Tradycyjne, relacyjne bazy danych i technologie zarządzania danymi nadal będą potrzebne w obszarze wysoce uporządkowanych danych i danych transakcyjnych. Będą jednak musiały zostać zintegrowane z narzędziami Big Data, a w późniejszym czasie także być w stanie sprostać wymaganiom jakie stawiają zbiory informacji nie ustrukturyzowanych.

Technologie IoT prawdopodobnie będą napędzać rozwój obu tych środowisk ze względu na ogromny wolumen i ogromną prędkość przesyłania danych, ale będą też obejmować dane uporządkowane i nieuporządkowane w zależności od rodzaju urządzenia, np. dane z czujników temperatury i kamer wideo.

Nie ulega wątpliwości, że technologie IoT prezentują znaczną wartość biznesową ze względu na możliwości dalszej automatyzacji i wzrostu wydajności procesów. Ale tym, co umożliwia poprawę wyników finansowych i wzrost ogólnej wydajności biznesowej, są rozwiązania analityczne dla urządzeń IoT. Dodatkowo, inteligentna analiza danych pochodzących z urządzeń podłączonych do sieci internetowej zwiększy możliwości firm dotyczące oferowania klientom spersonalizowanych ofert przygotowywanych nie tylko w oparciu o ich dotychczasową aktywność w sieci i wyrażane tam preferencje, lecz również na podstawie ich rzeczywistych, fizycznych zachowań i nawyków korzystania z urządzeń IoT.

Komplikacją dla dyrektorów ds. IT, jeśli chodzi o tego rodzaju analitykę danych, będzie na pewno różnorodny charakter informacji pozyskiwanych od przedmiotów, niezależnie od tego, czy mowa o zbiorach identycznych czy zupełnie różnych od siebie rzeczy. Typowym przykładem tej różnorodności są dane pochodzące z jednego samolotu pasażerskiego porównywane z danymi pochodzącymi od całej floty statków powietrznych, a następnie ze wszystkimi operacjami lotniskowymi.