Die 3 wichtigsten Herausforderungen bei der Aufbereitung von IoT-Daten

Sean Kandel von Trifacta

Das Internet der Dinge (IoT) ist bereits in unserem Alltag verankert – von Wearables und Smartwatches bis hin zu Connected TVs und Smart Home Appliances.

Auch Unternehmen nutzen die Technologie; im B2B-Kontext, sagt Sean Kandel, CTO und Mitbegründer von Trifacta ,  Angeschlossene Geräte beziehen sich auf Maschinen und Sensoren, die verwendet werden, um alles von der Maschinenleistung bis zum Wartungsbedarf zu verfolgen.

Beispielsweise könnten Sensorgeräte in einer Produktionslinie zu finden sein, um die Bereitschaft der Maschinen zu verfolgen und die vorausschauende Wartung . zu automatisieren . Oder ein Krankenhaus könnte IoT-Geräte für die Fernüberwachung von Patienten, Roboteroperationen oder die Abgabe von Medikamenten verwenden.

All diese wachsenden Sensoren, Geräte und anderen vernetzten „Dinge“ bedeuten letztendlich mehr Daten. Und viel davon. Aber mit mehr Daten kommen komplexere Herausforderungen bei der Aufbereitung. Um den Wert von IoT und Big Data zu nutzen und innovationsfördernde Erkenntnisse zu liefern, müssen Industrieunternehmen all diese unterschiedlichen, unstrukturierten Daten schnell aufbereiten. Im Folgenden haben wir einige der drei größten Herausforderungen bei der Aufbereitung von IoT-Daten genannt, um sie für die Analyse zu nutzen.

1. Riesige Datenmengen

International Data Corporation (IDC) Marktforschung schätzt, dass IoT-Geräte bis 2020 40.000 Exabyte an Daten erzeugen werden. Um dies im Blick zu behalten, wurden im Jahr 2000 weltweit drei Exabyte an Informationen erstellt. Das sind viele Daten, die vorbereitet werden müssen – und bei vielen aktuellen Prozessen werden Unternehmen nicht in der Lage sein, Schritt zu halten. Dies ist eine besondere Herausforderung in der Industriewelt, wo Hersteller und andere große Industrieunternehmen typischerweise Milliarden von Datensätzen von Maschinen, Sensoren und internen Geschäftsanwendungen sammeln.

Die Datenvorbereitung macht immer noch bis zu 80 % der Zeit und der Ressourcen aus, die ein Datenprojekt erfordert, und je mehr Daten Sie hinzufügen, desto zeitintensiver wird dieser Prozess. Wenn Unternehmen neue IoT-Dateninitiativen ergreifen, ist es für sie wichtig, neue Technologien und Prozesse in Betracht zu ziehen, die es ihnen ermöglichen, mit diesem riesigen Datenstrom Schritt zu halten.

2. Komplexität

Eine weitere Herausforderung bei der Aufbereitung von IoT-Daten ist ihre Komplexität. Häufig müssen Unternehmen Zeitstempel- oder Geotag-Daten nicht nur vorbereiten, sondern sie auch mit strukturierteren Quellen wie CSV-Dateien kombinieren. Diese Komplexität wird nur vervielfacht, wenn man die Geschwindigkeit berücksichtigt, mit der diese Daten generiert werden.

Eine Lösung für dieses Problem zu finden ist schwierig. Die technischen Ressourcen innerhalb einer Organisation, die diese Komplexität bewältigen können, sind in der Regel begrenzt, und die Skalierung dieser Ressourcen ist kostspielig. Die Verwendung gängiger Datenvorbereitungstools wie Excel kann diese Komplexität nicht bewältigen, sodass erfahrene Analysten von der Arbeit mit diesen Daten ausgeschlossen sind. Unternehmen von heute müssen einen Weg finden, die ihnen zur Verfügung stehenden Ressourcen zu nutzen, um die immer komplexer werdenden IoT-Daten aufzubereiten.

3. Interoperabilität

Geschäftscomputersysteme – sowohl Hardware als auch Software – sind nicht dafür gemacht, die riesigen Mengen komplexer Informationen auszutauschen oder zu verarbeiten, die von Sensoren und angeschlossenen Geräten stammen. Es ist schwierig, maschinengenerierte Daten schnell zu integrieren und mit Daten aus Geschäftsanwendungen wie beispielsweise Salesforce und Marketo und anderen Datenspeichern anzureichern. Daher müssen Unternehmen von heute nach Lösungen suchen, die es Daten besser ermöglichen, miteinander zu kommunizieren, damit die Gesamtheit der Daten einer Organisation genutzt werden kann.

Datenaufbereitungsplattformen für IoT-Initiativen

Viele Organisationen, die IoT-Initiativen anführen, haben sich modernen Datenaufbereitungsplattformen zugewandt, um diese Herausforderungen zu bewältigen. Mit einer intelligenten Datenaufbereitungsplattform konnten einige Kunden von Trifacta feststellen, dass der Zeitaufwand für die Datenvorbereitung um bis zu 90 % reduziert wurde, während auch nicht-technische Ressourcen große Mengen komplexer Daten selbst aufbereiten konnten. Darüber hinaus haben wir eine Partnerschaft mit Sumo Logic . eingegangen um Kunden eine Lösung anzubieten, um komplexe Protokolldaten mit Geschäftsanwendungsdaten aufzubereiten.

Beispielsweise verwendet ein großes europäisches Eisenbahnunternehmen Trifacta, um Sensordaten, die aus der Überwachung von 8.000 Lokomotiven auf 32.000 Meilen Schienenstrecken generiert wurden, aufzubereiten, um vorherzusagen, wann sie gewartet werden müssen. Vor der Einführung von Trifacta bereitete das Unternehmen diese Daten ad-hoc für mehrere Personen und mit vielen verschiedenen Tools vor, was letztendlich die Analyse und ihre Reaktionsfähigkeit auf notwendige Reparaturen verzögerte. Jetzt kann dieses Unternehmen 100 % der komplexen Sensordaten aufbereiten und hat seinen Zeitaufwand für die Datenvorbereitung schnell verringert.

Ein weiterer Kunde, Kuecker Logistics Group (KLG) , verwendet die Trifacta-Plattform, um eine Vielzahl von Sensordaten aufzubereiten, die aus den Lagern der größten Einzelhändler der Welt stammen. Diese Kunden haben umfangreiche, komplexe Lieferkettenabläufe und ein fehlerhaftes oder ineffizientes Glied in der Kette kann nachgelagerte Auswirkungen haben.

Durch den Einsatz einer intelligenten Datenaufbereitungsplattform konnte Kuecker Datenaufbereitungsprozesse skalieren, ohne kostspielige Entwickler einstellen zu müssen, was deren Effizienz dramatisch verbessert hat. Jetzt bereiten sie Kundenlagerdaten vor und identifizieren schneller die notwendigen Änderungen, die in den Lagerhäusern vorgenommen werden müssen.

Schlussfolgerung

IoT-Daten sind eine aufregende Gelegenheit, aber ihre Vorteile können nur mit einer geeigneten Datenaufbereitungsstrategie realisiert werden. Unternehmen müssen ihr Team mit Datenvorbereitungsplattformen ausstatten, die das Volumen und die Komplexität von IoT-Daten verarbeiten können und wissen, wie diese Daten mit anderen Quellen im gesamten Unternehmen zusammengeführt werden können und werden. Durch die Einführung intelligenter Datenaufbereitungslösungen ist das Universum von IoT und Big Data nicht mehr überwältigend. Sensordaten werden zum Schlüssel zur Innovation, nicht zu ihrem Hindernis.

Der Autor ist Sean Kandel, CTO und Mitbegründer von Trifacta.