El Internet de las Cosas (IoT, por sus siglas en inglés) está generando una gran cantidad de datos que pueden ser utilizados para analizar el rendimiento de equipos y rastrear las actividades de conductores y usuarios de dispositivos portátiles. Sin embargo, el análisis de datos del IoT requiere de importantes provisiones de tecnología de la información.
Un ejemplo de esto es Intelligent Mechatronic Systems Inc., una empresa que recopila 1.6 mil millones de puntos de datos de cientos de miles de automóviles en Estados Unidos y Canadá. Los vehículos están equipados con dispositivos que rastrean la distancia de conducción, la aceleración, el consumo de combustible y otra información sobre cómo se están operando los vehículos. Esta información es utilizada por IMS para respaldar programas de seguros basados en el uso, así como iniciativas de gestión de flotas y tráfico.
Para analizar estos datos, IMS utilizaba una base de datos relacional MariaDB, pero esta tecnología imponía límites rígidos en la estructura de los datos, lo que complicaba los esfuerzos para analizarlos. Después de un proyecto de un año, IMS implementó una base de datos NoSQL Apache Cassandra junto con herramientas de integración y análisis de datos de Pentaho. Esto permitió a los científicos de datos de la empresa tener más flexibilidad en el formato de la información y realizar análisis más detallados del comportamiento de conducción de los clientes en busca de patrones y tendencias que podrían ayudar a las aseguradoras a ajustar sus políticas y tarifas basadas en el uso.
Al igual que IMS, muchas organizaciones que desean recopilar y analizar datos del IoT se encuentran con la necesidad de mejorar sus arquitecturas de tecnología de la información. Esto aplica tanto a empresas del consumidor como a empresas del sector empresarial. Los desafíos de recopilar y procesar grandes cantidades de datos de equipos de diagnóstico, sensores industriales, dispositivos de seguimiento de actividad física, teléfonos y otros dispositivos no conocen límites empresariales.
Las actualizaciones típicamente incluyen tecnologías de gestión de big data como Hadoop, el motor de procesamiento Spark y bases de datos NoSQL, además de herramientas de análisis avanzado que pueden respaldar aplicaciones basadas en algoritmos de aprendizaje automático y otras aplicaciones impulsadas por algoritmos.
El análisis de datos del IoT todavía es una práctica adoptada por un número reducido de empresas. Según una encuesta realizada por TDWI en mayo de 2015, solo el 16% de los 303 encuestados afirmaron que sus organizaciones estaban analizando datos del IoT. Otro 33% dijo que estaban considerando posibles iniciativas. Sin embargo, según un informe de Gartner publicado en julio de 2015, la mayoría de las tecnologías y procesos de análisis de datos del IoT todavía están a cinco o diez años de ser adoptadas de manera generalizada.
El análisis de datos del IoT presenta desafíos formidables y requiere inversiones en una amplia gama de tecnologías, así como nuevas habilidades en gestión de datos y análisis. Sin embargo, a medida que las tecnologías y herramientas de big data continúan evolucionando, las organizaciones tienen la oportunidad de aprovechar al máximo los datos del IoT y obtener información valiosa para mejorar sus operaciones y tomar decisiones más informadas.
