Il futuro della tecnologia è nei dati e nella loro analisi: sempre più device sono connessi a Internet al fine di trasmettere le informazioni acquisite per analizzarle. Lo scopo infatti è di raccogliere questi dati per estrapolare modelli e tendenze che possono poi essere utilizzati per fornire suggerimenti e soluzioni ad esempio su salute, mobilità e trasporti, eventuali sprechi di energia e più in generale stili di vita per quanto riguarda il singolo; modelli di business, nuovi mercati, controllo e ottimizzazione della produzione per quanto riguarda le aziende. Tuttavia, i dati in sé non conducono a questi obiettivi se non vengono elaborati in maniera corretta utilizzando strumenti adeguati e precisi.
Per chi si fosse perso le puntate precedenti, facciamo un piccolo passo indietro, o meglio un riassunto. L’Internet of Things, letteralmente “internet delle cose”, altro non è che la rete di oggetti intelligenti (smart devices) tipicamente dotati di sensori per acquisire dati dalla realtà, connessi a Internet e anche interconnessi tra loro. Questi possono misurare virtualmente qualsiasi attività. Per esempio, chi possiede uno smartphone diventa automaticamente un multi-sensore, e molte delle sue attività quotidiane, come sonno, scelta dei mezzi di trasporto o anche battito cardiaco, possono essere tracciate e analizzate per ottenere un miglioramento della qualità di vita.
Il termine Big Data invece rappresenta l’enorme insieme di dati digitali attualmente disponibili per le analisi, ai quali si aggiungono tutti quelli più recentemente forniti dall’IoT. Per definirlo meglio, si dice sia caratterizzato dalle quattro V: volume, varietà, velocità e veridicità. In poche parole, i dati arrivano in grandi quantità (volume), sono un insieme di informazioni che possono essere più o meno strutturate (varietà), sono trasmessi a grandissima velocità, spesso addirittura in tempo reale, e possono avere provenienza incerta (veridicità).
Da questa spiegazione si deduce facilmente come IoT e Big Data siano intimamente legati: miliardi di dispositivi connessi a Internet e interconnessi tra loro dovranno per forza di cose generare grandissime quantità di dati. Tuttavia, questo fatto in sé non trasformerà la vita quotidiana, né l’economia, né la sicurezza mondiale. Infatti, chi vuole sapientemente utilizzare questi dati dovrà essere in grado di elaborarli, prima di tutto per organizzare al meglio tutte queste informazioni, e poi per ottenere un risultato adeguato che soddisfi le aspettative e permetta di raggiungere gli obiettivi prefissati. Per fare ciò si utilizzano strumenti di analisi in grado di governare validamente questa enorme mole di byte, cercando di estrarre informazioni che siano sufficientemente semplici da ottenere, possibilmente disponibili in tempo reale e che siano in qualche modo significative per tutta l’area alla quale ci si sta dedicando, in modo da produrre risultati soddisfacenti e utilizzabili anche per affinare future analisi.
Scaricare dati acquisiti da sensori in un database e analizzarli per creare modelli analitici predittivi è classificato come analisi IoT, ma in realtà trovare soluzioni grazie all’analisi IoT e Big Data richiede competenze specifiche, le più importanti delle quali sono:
⇒ Controllo del flusso dei dati con capacità di immagazzinare (storage), aggregare e comprimere Big Data provenienti da una grande quantità di sensori
⇒ IoT analytics, che permetta di analizzare questi dati in tempo reale e di prendere decisioni su di essi sempre in tempo reale in modo da ottimizzare le performance ed eventualmente segnalare comportamenti insoliti per un controllo immediato. Senza le decisioni in tempo reale si può quindi dire che l’IoT analytics perda ogni significato.
Questo insieme sterminato di dati, e soprattutto la sua analisi, ha le potenzialità per rivoluzionare l’economia, creando nuovi clienti, prodotti e mercati utilizzando le informazioni raccolte per ottimizzare i processi chiave e identificare nuove occasioni di guadagno. Tuttavia, i reali benefici dell’IoT non saranno evidenti finché le aziende non svilupperanno una nuova generazione di applicazioni che analizzi necessità di mercato precise all’interno di questa grandissima quantità di dati (Big Data). Alcuni esempi potrebbero essere: nel campo della manutenzione, la cosiddetta predictive maintenance, cioè l’identificazione del momento esatto in cui un prodotto potrebbe smettere di funzionare (a causa di un suo difetto intrinseco o della normale usura) e di quali pezzi di ricambio e quali skill set del personale saranno richiesti per prevenire o risolvere immediatamente questo problema.
Grazie all’inventory tracking poi sarà possibile il monitoraggio in tempo reale dell’inventario per minimizzare gli sprechi e migliorare la gestione. L’unione di queste prime due applicazioni è detta downtime minimization, ossia la riduzione dei tempi di inattività grazie a un’organizzazione globalmente più efficiente. Per quanto riguarda invece governi ed enti pubblici, un uso interessante potrebbe essere la simulazione di differenti scenari di disastri naturali (per esempio uragani, tempeste di ghiaccio, tornado, terremoti, ecc.) e conseguentemente un riassunto di tutte le risorse necessarie per far fronte all’emergenza con un’adeguata pianificazione e gestione del personale e delle infrastrutture (disaster planning and recovery).
Un altro campo che si può sviluppare enormemente grazie all’IoT è il risparmio delle risorse: dal momento che tutte le performance vengono costantemente monitorate e tutti i dati raccolti, immagazzinati e analizzati, sarà possibile ottimizzare il consumo di energia e le performance di ogni singolo dispositivo in relazione a determinate situazioni ambientali e/o fattori esterni (energy usage optimization e device performance effectiveness). In qualche modo legato a questa necessità di ottimizzazione e di riduzione degli sprechi è anche il monitoraggio allo scopo di segnalare comportamenti inusuali e/o pericolosi per prevenire una eventuale perdita di efficienza o un furto (loss prevention).
Infine, nel campo del business e dei mercati più in generale, sarà possibile prevedere la domanda di beni e servizi in relazione a fattori esterni (clima, traffico, eventi) per agire preventivamente con modifiche a lungo termine della catena produttiva o con il lancio di nuovi prodotti in maniera tempestiva (demand forecasting) e di conseguenza anche variare i prezzi a seconda della domanda, incrementandoli se questa è alta e abbassandoli in caso contrario (pricing optimization).
La digitalizzazione del mondo che ci circonda permette quindi di avere a disposizione questo universo di Big Data e lo sviluppo tecnologico in futuro si concentrerà soprattutto sull’analisi e sulla creazione di strumenti sempre più sofisticati e precisi per gestire al meglio la complessità delle informazioni offerta.