‘Connected objects’ zijn alomtegenwoordig. En dan hebben we het niet alleen over dagdagelijkse consumentenvoorwerpen zoals smartphones en ‘slimme’ huishoudtoestellen. Ook veel bedrijven investeren in hun connectiviteit: ze installeren sensoren en implementeren monitoren en alarmsystemen. Dit alles draagt bij aan het internet of things, of kortweg: IoT. IoT wordt vooral gebruikt met het oog op detectie en communicatie: de voorwerpen verzamelen en versturen gegevens via het internet en kunnen automatisch reageren op bepaalde vooraf-gedefinieerde gebeurtenissen.
Tegenwoordig zijn de meeste bedrijven vertrouwd met de functies en voordelen van hierboven, maar tegelijk begrijpen deze bedrijven niet dat verbonden zijn, iets helemaal anders is dan slim zijn. Al deze voorwerpen genereren gegevens die, wanneer ze geanalyseerd zijn, een waardevolle bron van informatie zijn. Ik noem dit het IoTta: het ‘Internet of Things to Analyze’. De inzichten, die de analyse van deze data biedt, kunnen enorm zijn en kunnen leiden tot enorme verbeteringen op vlak van efficiëntie en productiviteit.
En om nog een stapje verder te gaan: het opslaan en achteraf analyseren van de gegevens die ‘connected objects’ voor ons verzamelen, is slechts één manier om het internet of things te analyseren. Maar om het potentieel van het internet of things werkelijk ten volle te benutten, moeten we de data kunnen analyseren terwijl ze bij onze analyse-instrumenten binnenstromen, in realtime dus. Live streaming data beheren, monitoren en analyseren opent eindeloze mogelijkheden voor bedrijven. Voor wie nog niet overtuigd is, kunnen de voorbeelden hieronder wat inspiratie bieden.
Beeldherkenning
Een technologie waar streaming analytics op doorbreken staat, is beeldherkenning. Op het einde van dit jaar gaan een aantal proefprojecten van start. Zodra deze het nut van beeldherkenning bewezen hebben, kan het snel gaan.
Toepassingen voor beeldherkenning zijn voor de hand liggend. Overheden kunnen beeldherkenning bijvoorbeeld gebruiken voor veiligheidsdoeleinden, zoals het monitoren van passagiers in een luchthaven terminal en het in real-time identificeren van verdachte individuen.
En het verhaal van de toekomst stopt hier niet. Een aantal pioniers zijn beeldherkenningstoepassingen aan het ontwikkelen die wisselstukken van bijvoorbeeld vrachtwagens of wasmachines kunnen herkennen en identificeren (met inbegrip van alle details over het type en model van het toestel). Hierdoor zouden gebruikers eenvoudigweg een foto kunnen nemen van een defect wisselstuk en vervolgens de app alle relevante informatie laten verzamelen. Deze informatie kan dan naar een magazijn gestuurd worden, waar het correcte wisselstuk geselecteerd kan worden en vervolgens bliksemsnel naar de gebruiker verzonden.
Stemherkenning
Een gerelateerde technologie waar streaming analytics nuttig kan zijn, is stemherkenning. Ik illustreer het even met een voorbeeld. Stel je een callcenter voor dat verantwoordelijk is voor het beheren en opvolgen van problematische leningen. Zo’n callcenter werkt vaak met een gestandaardiseerd proces: van de schuldenaar bellen, een brief sturen, een aangetekende brief sturen, enzovoort, tot, tenslotte, een gerechtsdeurwaarder aanstellen om de schuld te innen. Maar dat kan veel efficiënter en sneller..
Tijdens een proof of concept bij een callcenter bleek al snel aan dat het gebruik van stemherkenning de procedure kan verkorten en tot een hoger slagingspercentage kan leiden. Als de analyse van de toon en woordenschat van het eerste telefoontje met de schuldenaar (de eerste stap in het gestandaardiseerde proces) suggereert dat de normale procedure vermoedelijk niet succesvol zal zijn, dan zou het callcenter bepaalde tussenstappen in de normale procedure achterwege kunnen laten. Tussentijdse stappen vermijden en zo de tijdsspanne van de gestandaardiseerde procedure verkorten, komt zowel de schuldenaar als de schuldeiser ten goede.
De IoT truck
Een ander voorbeeld van de mogelijkheden die streaming analytics biedt, is een zogenaamde ‘connected truck’. Als je vraagt wat het doel van deze truck is, dan luidt het korte antwoord: de toekomst voorspellen! De truck is namelijk uitgerust met een ‘IoT gateway’, een lichtgewicht computer die een eerste analyse kan verrichten op binnenstromende data en die binnen in de truck een analysemodel draait. Dit model zal fouten en pannes kunnen voorspellen, nog voor ze plaatsvinden. De voorspellingen worden als meldingen naar de chauffeur en beheerder van de vloot gestuurd, zodat zij er gepast op kunnen reageren. Om deze analytische modellen te ontwikkelen, worden data van een hele vloot trucks gecombineerd. En omdat alle trucks onderling verbonden zijn, kunnen ze leren van elkaars defecten.
Eindeloze mogelijkheden
Dergelijke technologie is ook interessant voor windturbines. Hoewel windturbines tot nu toe gespaard zijn gebleven van ernstige defecten, zijn dit complexe installaties die op verschillende manier beschadigd of defect kunnen geraken, met ernstige gevolgen. Sensoren en streaming analytics kunnen ons in staat stellen om defecten te voorspellen voor ze effectief optreden én om meteen te reageren met de gepaste acties.
Of wat denk je van ziekenhuizen, waar sensoren gebruikt kunnen worden om patiënten te monitoren in hun vertrouwde thuisomgeving, in plaats van in het ziekenhuis.
Kortom: al wat live gevolgd kan worden, is een potentieel interessante bron van streaming data!
Er komt meer bij kijken dan je denkt
‘Streaming analytics’ is zeer verschillend van reguliere data analytics, en vereist een maturiteit op vlak van analytics die nog weinig bedrijven bereikt hebben. De meeste organisaties worstelen nog met basisvragen zoals: hoelang moeten we wachten alvorens we data analyseren, en wat voor analyses moeten we uitvoeren?
We hebben misschien nog een lange weg af te leggen, maar ondertussen kan je er wel al zeker van zijn dat streaming analytics – zowel van gegevens afkomstig van IoT-voorwerpen als van gegevens van ‘reguliere’ bronnen – in de toekomst een sleutel tot succes zal zijn.
Mathias Coopmans, principal business solution manager bij SAS
