As iniciativas de IoT visam, fundamentalmente, resolver problemas e melhorar os resultados comerciais. Essas metas são alcançadas por meio do uso de dados de dispositivos conectados para analisar o comportamento das “coisas” e extrair inteligência de negócios que possa ser colocada em prática. O resultado almejado depende das necessidades específicas de cada organização, e os exemplos podem incluir a melhoria da segurança dos motoristas de frotas, a implementação de manutenção preventiva para equipamentos de fábrica ou o rastreamento mais preciso da localização em tempo real de órgãos doados em trânsito. No mínimo, os dados coletados por meio de sensores de IoT e outros dispositivos fornecem métricas operacionais; no entanto, quando analisados e combinados com outras fontes de dados, podem oferecer insights valiosos para decisões comerciais cruciais. É fundamental que as organizações tenham uma estratégia formalizada sobre como esses dados serão utilizados antes de expandir suas soluções de IoT.
Definindo o problema de negócios
Para alcançar os resultados desejados nas iniciativas de IoT, é importante definir, logo no início do projeto, o problema de negócios que se pretende resolver. Isso não só orientará a “solução de IoT” na fase inicial (escolha do dispositivo, da rede, do aplicativo ou da plataforma em nuvem), mas também a estratégia de análise que está por trás dela. Pense em um caso de uso de rastreamento e otimização de frotas – nesse cenário, os dados coletados dos veículos da frota podem variar desde o simples rastreamento de localização até métricas sobre os horários de partida e parada do motor e as horas de serviço dos motoristas. A análise de dados posterior pode permitir a geração de métricas de eficiência dos veículos, pagamentos precisos aos motoristas, bem como relatórios automatizados para conformidade com as políticas exigidas pelo governo. Identificar antecipadamente as necessidades analíticas pretendidas permitirá que você selecione um dispositivo capaz de coletar os pontos de dados desejados, ao mesmo tempo em que orienta a estratégia para integrar conjuntos de dados de IoT com o conjunto certo de dados não IoT, a fim de proporcionar o resultado desejado. No exemplo da frota, combinariam-se os tempos de ignição do motor com o modelo e o peso do veículo para calcular os horários ideais de partida e parada, permitindo maior eficiência no consumo de combustível e redução dos custos com combustível. É importante observar que todo resultado esperado deve ser expresso em termos financeiros.
Definição dos conjuntos de dados
Os tipos de pontos de “dados de sensores” que os dispositivos de IoT coletam definirão os tipos de análise de dados que uma solução de IoT fornecerá. Com isso em mente, o próximo passo é definir quais pontos de dados serão coletados, entendendo que os dados de sensores podem variar bastante dependendo do dispositivo escolhido. Voltando ao exemplo da frota, existem dispositivos básicos que são capazes apenas de fornecer dados de posição (latitude, longitude) e também há dispositivos mais avançados que podem fornecer dados sobre o motor, a frenagem e a aceleração. Os próximos conjuntos de dados são internos à sua organização ou provenientes de fontes externas, e esses conjuntos de dados se combinam com os dados dos sensores para fornecer o resultado correto. Por exemplo, combinar dados de posição com informações de trânsito e analisá-los ao longo de um período pode permitir que uma empresa de frota crie regras de roteirização automatizadas, o que, por sua vez, pode levar a uma economia significativa de combustível. Combinar os conjuntos de dados de sensores desejados com outros conjuntos de dados internos ou externos permite maiores recursos analíticos e visibilidade do desempenho dos negócios.
Outro tipo de dado que pode ser útil — especialmente à medida que uma solução de IoT se expande para milhares de dispositivos implantados — são os metadados. Os metadados são normalmente obtidos da rede de conectividade e podem levar à identificação de anomalias na coleta de dados, contribuindo imensamente para garantir a segurança da sua solução. Por exemplo – imagine que a rede de IoT de uma empresa nacional de gestão de ambulâncias seja comprometida. A análise de padrões de dados no nível da rede pode permitir a detecção precoce de tráfego de dados que não seja “normal”, para que medidas adequadas possam ser tomadas para desconectar a solução ou resolver o problema de forma proativa.
Definindo a estratégia de análise de dados
Uma solução de IoT normalmente envolve a execução de várias camadas de análise, e a chave para o sucesso disso é garantir que seus dados estejam limpos. O primeiro passo, portanto, é assegurar que os dados provenientes dos sensores estejam limpos e livres de ruído, o que geralmente é alcançado durante o fluxo contínuo dos dados. Os algoritmos de fluxo não apenas limpam os dados, mas também podem realizar alguns cálculos à medida que os dados chegam. Tomando o mesmo exemplo de gerenciamento de frota, os dados provenientes de dispositivos conectados fornecem a posição em termos de latitude e longitude. Essas informações podem então ser usadas para calcular a geolocalização, os tempos de viagem e as horas de trabalho dos motoristas. Combinando isso com informações de geocercas, também é possível gerar alertas relacionados a esses dados em tempo real, e tudo isso é feito por meio da análise de fluxo. Em seguida, os dados são armazenados em um data lake e combinados com outros conjuntos de dados internos ou externos para criar a solução analítica que levará aos resultados de negócios esperados. Uma solução analítica típica utilizará uma combinação de técnicas de agrupamento (clustering), classificação ou regressão para formar um algoritmo. Outra consideração é qual dessas técnicas também precisará de modelos de dados históricos e de treinamento. Definir bem a solução analítica realmente liberará todo o potencial dos dados coletados e possibilitará resultados mais valiosos.
Em conclusão, deve-se adotar uma estrutura simples que consista em definir antecipadamente os resultados de negócios, definir a coleta de dados e definir a estratégia de análise, a fim de criar uma solução de análise eficaz que utilize seus dados de IoT para maximizar o retorno sobre os investimentos em IoT.