La crescente importanza dei dati nella gestione di processi complessi e con tempi di esecuzione ridotti ha spostato gli strumenti di analisi verso il centro delle infrastrutture IT. Il passaggio della analisi consuntive a quelle predittive aumenta inoltre l’esigenza di contare su grandi quantità di dati e sulla loro qualità. Un’esigenza alla quale IoT offre una risposta perfetta. A volte, anche troppo. L’enorme mole di informazioni prodotta da Internet of Things rischia di essere dispersa senza adeguati strumenti di raccolta e selezione prima di usarli. Le opportunità sono tante, quanto però le difficoltà di coglierle. È utile allora ascoltare direttamente dai protagonisti del settore, quale sia lo stato dell’arte della data analytics , quale sia l’apporto di IoT e soprattutto come sfruttare questa opportunità.
Maria Corrado, Sales engineer di MicroStrategy parte proprio dall’importanza non tanto di avere a disposizione dei dati, quanto di saperli usare, aiutando a capire anche cosa sia realmente possibile aspettarsi da questo passaggio generazionale, puntando anche sulla condivisione.
Quali innovazioni può portare IoT nella data analytics?
IoT rappresenta una sfida per il mondo data analytics, sia dal punto di vista della quantità di dati da analizzare sia dal punto di vista della modalità di analisi dei dati ottenuti. Le fonti IoT ci portano a elaborare volumi elevati di dati non strutturati e in real time. Ci spingono quindi, a sviluppare anche nuove tecnologie di monitoring, storicizzazione e analisi in tempo reale.
Un’altra importante innovazione consiste nell’uso di algoritmi di Machine Learning per lo sviluppo di analisi non solo di tipo predittivo, ovvero una previsione di quello che succederà, ma anche di tipo prescrittivo, cioè il suggerimento di quale sia la prossima azione migliore da compiere per evitare, per esempio, che un motore si fermi. Da questo punto di vista, noi partiamo dall’integrazione con strumenti di Data Science come per esempio Jupyter, RStudio e Python per consentire di effettuare tutte le analisi necessarie utilizzando i tool più adatti.
Le aziende italiane hanno la giusta percezione?
Negli ultimi anni c’è stata sicuramente una corsa alla celebre Industria 4.0, che ha consentito a molte aziende di essere all’avanguardia in ambito IIoT (Industrial Internet of Things) per quanto riguarda sistemi di monitoraggio e tracciamento. I dati ottenuti sono quindi moltissimi, ma non sempre c’è la giusta percezione del loro valore e non vengono utilizzati e distribuiti al meglio. Da solo, un sistema IoT non è una bacchetta magica che consente di risolvere tutti i problemi, ma un punto di partenza. Dai dati ottenuti bisogna far scaturire un’analisi efficace e il più possibile alla portata di tutti.
Come si può raccogliere, selezionare e analizzare questi dati in ottica di business?
Una volta ottenuti, è necessaria una piattaforma evoluta, in grado di estrarre, validare, elaborare i dati e permetta la condivisione su larga scala delle analisi ottenute.
È importante utilizzare uno strumento flessibile, una soluzione facilmente integrabile e aperta, in cui lo sviluppo low code/no code consenta anche a profili meno tecnici di essere autonomo. La soluzione ideale è un unico software centralizzato che si occupi di tutto il percorso del dato, dalla raccolta, all’analisi, alla distribuzione.
È importantissima, dunque, la centralizzazione e la certificazione del dato. In particolare, se si vogliono utilizzare strumenti di AI e Machine Learning è necessaria un’attenta pulizia e verifica dei dati, che può essere ottenuta grazie a una governance centrale. In questo modo chi analizzerà il dato avrà una base stabile, sulla quale sviluppare le proprie applicazioni.
Grazie allo strato semantico, che consente un’unica definizione di dimensioni e metriche di analisi, abbiamo messo a punto uno strumento che ritengo ideale per questa tipologia di analisi, consentendo una singola versione della verità e un’estrema semplicità di sviluppo, in modo da accelerare i processi di creazione e adozione delle analitiche.
Come aggiornare infrastruttura IT e competenze?
Spesso i dati e le analisi non arrivano nelle mani delle persone che ne hanno più bisogno, ma sono relegati a pochi eletti. Ma solo tramite una vera democratizzazione del dato sarà possibile sfruttare al massimo i vantaggi delle analisi eseguite. È necessaria dunque, una distribuzione capillare dei risultati, anche declinati in varie forme, a seconda delle competenze di chi li fruisce. Non sono le persone a doversi adattare alle analisi, ma gli strumenti di analisi che devono poter essere sfruttati a tutti i livelli.
È proprio questa la filosofia dietro alla nostra visione Intelligence Everywhere. L’obiettivo è portare le analisi ovunque, mettendole a disposizione di tutti, su più livelli, dal profilo più tecnico, in grado di sviluppare autonomamente una dashboard, al manutentore il quale grazie ad una app sul cellulare può per esempio intervenire sulla macchina con l’azione prescritta da un algoritmo AI. Fino all’operatore, che inquadra un codice QR e ottiene tutte le informazioni relative a quel componente, i dati rilevati in tempo reale e lo storico dei rilevamenti. Si passa quindi da una pura consultazione di un cruscotto a una fruizione delle analisi semplificata e interattiva, alla portata di tutti. È in questo scenario che le analisi dei dati IoT diventeranno utili e fruttuose per le aziende.
Può descrivere qualche esempio di come possono essere sfruttate le potenzialità IoT in ottica analytics?
Le analisi distribuite a tutti i livelli, per esempio tramite una applicazione mobile, che consente ai responsabili di produzione di monitorare in modo più efficace le macchine, hanno permesso di ridurre dell’85% i fermi macchina in Weiler, leader del settore degli abrasivi a legante.
In ambito sportivo, le analisi su sensoristiche IoT sono sempre più interessanti: ne è un esempio il caso della Volvo Ocean Race e della collaborazione tra MicroStrategy, CNR e TOI per analizzare i dati provenienti dalle imbarcazioni durante il campionato italiano di vela (Intelligent Sailing).
