Las iniciativas de IoT se centran fundamentalmente en resolver problemas y mejorar los resultados empresariales. Estos objetivos se alcanzan aprovechando los datos de los dispositivos conectados para analizar el comportamiento de los «objetos» y obtener inteligencia empresarial útil. El resultado deseado depende de las necesidades específicas de cada organización; algunos ejemplos podrían ser la mejora de la seguridad de los conductores de flotas, la implementación de un mantenimiento preventivo para los equipos de fábrica o el seguimiento más preciso de la ubicación en tiempo real de los órganos donados durante su transporte. Como mínimo, los datos recopilados a través de sensores de IoT y otros dispositivos proporcionan métricas operativas; sin embargo, cuando se analizan y se combinan con otras fuentes de datos, pueden aportar información valiosa para la toma de decisiones empresariales cruciales. Es fundamental que las organizaciones cuenten con una estrategia formalizada sobre cómo se utilizarán estos datos antes de ampliar sus soluciones de IoT.
Definición del problema empresarial
Para lograr los resultados deseados de las iniciativas de IoT, es importante definir el problema empresarial que se pretende resolver desde el inicio del proyecto. Esto no solo determinará la «solución de IoT» en la fase inicial (elección del dispositivo, de la red, de la aplicación o de la plataforma en la nube), sino también la estrategia de análisis que hay detrás. Pensemos en un caso de uso de seguimiento y optimización de flotas: en este escenario, los datos recopilados de los vehículos de la flota pueden abarcar desde el simple seguimiento de la ubicación hasta métricas sobre los tiempos de arranque y parada del motor, pasando por las horas de servicio de los conductores. El análisis de datos posterior puede permitir obtener métricas de eficiencia de los vehículos, realizar pagos precisos a los conductores, así como generar informes automatizados para cumplir con las políticas exigidas por el gobierno. Identificar de antemano las necesidades analíticas previstas le permitirá seleccionar un dispositivo capaz de recopilar los puntos de datos deseados, al tiempo que orienta la estrategia para integrar los conjuntos de datos del IoT con el conjunto adecuado de datos no relacionados con el IoT, con el fin de obtener el resultado deseado. En el ejemplo de la flota, se combinarían los tiempos de arranque del motor con el modelo y el peso del vehículo para calcular los tiempos óptimos de arranque y parada, lo que permitiría una mayor eficiencia en el consumo de combustible y una reducción de los costes de combustible. Es importante señalar que cada resultado esperado debe expresarse en términos financieros.
Definición de los conjuntos de datos
Los tipos de puntos de «datos de sensores» que recogen los dispositivos IoT definirán los tipos de análisis de datos que ofrecerá una solución de IoT. Teniendo esto en cuenta, el siguiente paso es definir qué puntos de datos se recogerán, sabiendo que los datos de los sensores pueden variar mucho en función del dispositivo que se elija. Volviendo al ejemplo de la flota, hay dispositivos básicos que solo son capaces de proporcionar datos de posición (latitud, longitud) y también hay dispositivos más avanzados que pueden proporcionar datos sobre el motor, el frenado y la aceleración. Los siguientes conjuntos de datos proceden de tu propia organización o de fuentes externas, y estos conjuntos de datos se combinan con los datos de los sensores para ofrecer el resultado adecuado. Por ejemplo, combinar los datos de posición con la información de tráfico y analizarlos durante un periodo determinado puede permitir a una empresa de flotas crear reglas de rutas automatizadas, lo que a su vez puede traducirse en un ahorro significativo de combustible. Combinar los conjuntos de datos de sensores deseados con otros conjuntos de datos internos o externos permite disponer de mayores capacidades analíticas y una mayor visibilidad del rendimiento empresarial.
Otro tipo de datos que pueden resultar útiles —especialmente a medida que una solución de IoT se amplía a miles de dispositivos desplegados— son los metadatos. Los metadatos suelen obtenerse de la red de conectividad y pueden permitir identificar anomalías en la recopilación de datos, lo que contribuye enormemente a garantizar la seguridad de su solución. Por ejemplo, imagínese que la red de IoT de una empresa nacional de gestión de ambulancias se ve comprometida. El análisis de los patrones de datos a nivel de red puede permitir la detección temprana de un tráfico de datos que no sea «normal», de modo que se puedan tomar las medidas adecuadas para desconectar la solución o resolver el problema de forma proactiva.
Definición de la estrategia de análisis
Una solución de IoT suele contar con múltiples capas de análisis que deben realizarse, y la clave para hacerlo con éxito es asegurarse de que los datos estén limpios. Por lo tanto, el primer paso es garantizar que los datos procedentes de los sensores estén limpios y libres de ruido, lo que normalmente se consigue mientras los datos se transmiten en tiempo real. Los algoritmos de transmisión en tiempo real no solo limpian los datos, sino que también pueden realizar algunos de los cálculos a medida que llegan los datos. Siguiendo con el mismo ejemplo de gestión de flotas, los datos que llegan de los dispositivos conectados proporcionan la posición en términos de latitud y longitud. Esto se puede utilizar luego para calcular la geolocalización, los tiempos de recorrido y las horas de conducción. Al combinar esto con información de geovallas, también se pueden generar alertas relacionadas con ello en tiempo real, y todo ello se lleva a cabo mediante análisis de flujos de datos. A continuación, los datos se almacenan en un lago de datos y se combinan con otros conjuntos de datos internos o externos para crear la solución analítica que permita alcanzar los resultados empresariales esperados. Una solución analítica típica utilizará una combinación de técnicas de agrupamiento, clasificación o regresión para formar un algoritmo. Otra consideración es qué de estas técnicas requerirá además modelos de datos históricos y de entrenamiento. Definir bien la solución analítica permitirá aprovechar al máximo el potencial de los datos recopilados y obtener resultados más completos.
En conclusión, conviene adoptar una estructura sencilla que consista en definir desde el principio los resultados empresariales, la recopilación de datos y la estrategia analítica, con el fin de crear una solución analítica eficaz que utilice los datos del IoT para maximizar el rendimiento de las inversiones en el IoT.