18. NOVEMBER 2017

zurück

kommentieren drucken  

Fünf sichere Methoden, Nutzen aus Ihren IoT-Daten zu ziehen


Mit der Verbreitung von kostengünstigen Sensoren, allgegenwärtiger Vernetzung und massiven Datenvolumen verspricht das „Internet der Dinge“, die Welt zu verändern. Lassen Sie sich dabei nicht durch Datenherausforderungen behindern. 5 Tipps, wie Sie die Datenflut beherrschen lernen von Paul Bremhorst, Sales Consulting Manager bei Tableau.

Jeder kennt die Prognosen über die Milliarden von Dingen – und Euro -, die der IoT-Megatrend bis 2050 mit sich bringen soll. Aber das ist noch nicht alles. Um das wahre Potenzial des IoT zu entfesseln, gilt es die damit verbundenen Herausforderungen zu überwinden. Gemeint sind die Datenprobleme der „letzten Meile“ - etwa das Extrahieren von Daten aus Geräten und Remote-Plattformen, die Interpretation von Datenanalysen, die Produktivität und Spitzenleistungen verspricht. Egal, ob Sie über ein vernetztes Zuhause oder über industrielle Lösungen sprechen, es besteht häufig eine Trennung zwischen dem Sammeln von Daten und ihrer aussagekräftigen Darstellung zwecks weitergehender Untersuchungen.

Mit den folgenden fünf Tipps können Sie sicherstellen, dass Ihre IoT-Analytics das Potenzial der Daten voll ausschöpfen:

1. Um Ihre Daten wirklich zu sehen, interagieren Sie mit ihnen
Erinnern Sie sich noch, als Steve Jobs das iPhone einführte? Sein Argument für einen großen Touchscreen war, dass jede App ihre eigene Benutzeroberfläche braucht. Ein ähnliches Argument gilt für Analytics. Jede Datenfrage, die wir stellen, benötigt ihr eigenes Diagramm und eine eigene visuelle Perspektive. Dies ist hinsichtlich der explodierenden Anzahl von Sensordaten, die die Grundlage des IoT bilden, eine besondere Herausforderung. Leider verfügen die meisten IoT-Anwendungen jedoch nur über Einheitsansichten oder statische Dashboards. Sie beantworten eine Reihe vorgefertigter Fragen und sonst nichts.
Um weitergehende Fragen beantworten zu können, müssen Analytics-Tools wesentlich flexibler sein und sich dem Bedarf der Benutzer anpassen. Die Möglichkeit, Detaildaten aufzurufen, ist entscheidend für die Nützlichkeit von IoT-Daten. Sie können beispielsweise die Daten einer IoT-Anwendung nutzen – etwa einer defekten Maschine –, um Art und Häufigkeit der zukünftigen Ausfälle vorherzusagen. Aber was, wenn Sie die ausfallenden Teile dediziert beobachten wollen? Für die Beantwortung solcher Fragen sind Interaktion und Freigabe wesentlich. Im Idealfall führen die Benutzer tiefgreifende Konversationen mit ihren Daten – und mit anderen Datenuntersuchern – sodass jeder Einzelne Permutationen und Muster aufdecken kann, die zu Veränderungen führen.

2. Gemeinsam sind Daten besser
Die Beantwortung tiefgreifender Fragen steht in enger Verbindung mit dem zweiten Schlüssel zum IoT-Erfolg: Integration. Nicht nur die interaktive Datenanalyse liefert Antworten, sondern auch die Kombination von IoT-Daten mit zusätzlichem Kontext. Beginnen wir mit einem Kundenbeispiel für die Kombination Ihrer Fitbit-Daten für eine mögliche Verknüpfung zwischen Trainingsdiät und Schlafmustern. Stellen Sie sich jetzt vor, Erkenntnisse auf Unternehmensebene aufzudecken, indem Sie disparate Daten verschmelzen. Sensoren in einem Flugzeugtriebwerk helfen uns dabei vorherzusagen, wann eine Wartung notwendig ist. So können Ausfälle vorhergesehen und Milliarden von Dollar eingespart, sogar Leben gerettet werden. Durch die Integration mit anderen Informationen lassen sich zudem bessere Budgetentscheidungen nach Produkt oder Region treffen.

3. Wiederholen und optimieren
Heutzutage sind „perfekte Daten“ immer mehr ein Widerspruch in sich. Ganz gleich, wie gut die Daten zusammengefügt wurden, die Wahrscheinlichkeit ist groß, dass sie sich in einer Quelle befinden, mit der Sie keine Verbindung herstellen können, dass wesentliche Elemente fehlen oder dass die Daten nicht für eine Tiefenanalyse formatiert sind. Diese Hindernisse betreffen auf ähnliche Weise IoT-Anwendungen, insbesondere, wenn kein Konsens über Standards besteht, der die Systemoffenheit der Geräte sicherstellt.
Bevor unvollständige Daten Ihr Unternehmen lahmlegen, sollten Sie sich den richtigen Antworten iterativ nähern. Dieses Vorgehen eignen sich vor allem für die Untersuchung kleinerer IoT-Datenmengen – etwa einfache Ströme sensorbasierter Daten, um Projekte zu steuern, die einfache Erkenntnisse aufdecken und für eine zeitnahe Annahme von Analysen sorgen. Hier sind die Einstiegshürden relativ niedrig, und die Erfahrungen, die Sie bei der Analyse sammeln, können Ihnen bei später aufkommenden größeren Herausforderungen von Nutzen sein.
Ein iteratives Vorgehen zeigt, dass Daten, die „gut genug“ sind, im Allgemeinen nicht ausreichen, um die meisten, wenn nicht alle Fragen direktional zu beantworten. Darüber hinaus hilft ein besseres Verständnis von Datenlücken, Prozessprobleme zu beheben, um Datenerfassung und -übernahme zu verbessern und zu praxisrelevanten Erkenntnissen zu gelangen.

4. Die Datengravitation berücksichtigen
Verfolgen Sie Klickströme auf Websites oder messen Sie Verbrauchermeinungen? Dann werden diese externen Daten normalerweise in der Cloud generiert und gespeichert. Das senkt den Aufwand, verkürzt die Anlaufzeiten und bietet eine hohe Skalierbarkeit. Die Marktforscher von Constellation Research schätzen, dass sich bis 2020 rund 60 Prozent der geschäftskritischen Daten außerhalb der Mauern eines Unternehmens befinden werden. Das heißt, bereits in drei Jahren wird mehr als die Hälfte Ihrer Daten extern generiert.
Was bedeutet das für IoT-Analytics? Bislang wurden Geschäftsdaten hinter der internen Firewall generiert. Es war also sinnvoll, dass Data Warehouses, Administratoren und Analysetools direkt am Standort vorhanden waren. Heute muss Ihre Organisation Plattformen nutzen, die der Datengravitation entsprechen, um Analysen dort durchzuführen und zu verwalten, wo sich die Daten befinden. Wenn Sie die Geschwindigkeit betrachten, mit der Cloud-gehostete Tools Daten generieren können, gewinnt der Begriff „Datengravitation“ an Aussagekraft.
Doch der Wechsel zu cloudbasierter BI bedeutet keinesfalls, alles sofort in die Cloud zu verlagern. Vergessen Sie nicht, dass sich die Datengravitation auf den Ort der Analysen auswirkt. Wenn Ihre Daten also sowohl in der Cloud als auch lokal gespeichert sind, müssen Sie eine Hybridlösung für Ihre Analysen nutzen. Cloudbasierte Dienste sollen Ihr Unternehmen unterstützen und keine Alles-oder-Nichts-Lösung sein.

5. Fazit: Die Wahl der Plattform ist entscheidend
IoT-Daten sind häufig heterogen und befinden sich auf zahlreichen relationalen und nicht relationalen Systemen von Hadoop-Clustern über Cloud-Warehouses bis zu NoSQL-Datenbanken. Sie müssen sich also davon lösen, dass ein IoT-Einheitstool Sie auf der ganzen Reise von den Daten bis zur Erkenntnis begleitet. Für großartige Analysen benötigen Sie eine robuste Datenaufbereitung und -anreicherung, skalierbaren Speicher, einen Katalog zur Unterstützung der Governance und – als i-Tüpfelchen – eine intuitive Endanwender-Analyseplattform, um Erkenntnisse zu gewinnen. Moderne Unternehmen kombinieren die besten Lösungen in einem agilen Paket, das sich immer wieder neu konfigurieren lässt, wenn sich der Bedarf weiterentwickelt. Dieser Bedarf ist abhängig von Personas, Volumen, Zugriffshäufigkeit, Datengeschwindigkeit und mehr. Das Paket wird für den Anwendungsfall konzipiert und bildet die Grundlage Ihrer Datenstrategie. Seine Flexibilität ist letztendlich entscheidend für die Auswahl der Technologie.
Ein Analytics-Leiter oder CIO, der sich am Scheideweg einer IoT-Analytics-Initiative befindet, sollte daher zunächst eine Plattformvision definieren. Diese Denkweise mag auf den ersten Blick übertrieben klingen. Aber bedenken Sie, dass Sie einen Stack je nach Bedarf vergrößern können: Konzipieren Sie die Bausteine bei jedem Meilenstein. Viele Entscheidungen und Aktionen sind umkehrbar, und Sie können Ihren Kurs korrigieren, sobald Sie entsprechende Erkenntnisse gewonnen haben. Mithilfe der Plattform-Analytics werden Sie zeitnah messbare Ergebnisse sehen.

Background:
Tableau Software ist ein Hersteller von Visualisierungs-Software aus dem US-amerikanischen Seattle. Schwerpunkt der Software sind Datenvisualisierung und Reporting. Tableau Software wurde 2003 gegründet, beschäftigt heute weltweit mehr als 3.000 Mitarbeiter und hat in Deutschland Niederlassungen in Frankfurt und München. Paul Bremhorst ist Sales Consulting Manager DACH bei Tableau. 

Datum:
18.10.2017
Bilder:
Tableau

kommentieren drucken  


ANZEIGE

 


  Jetzt Newsletter
abonnieren!


Aktuelle Ausgaben