Questo sito utilizza cookie per raccogliere informazioni sull'utilizzo. Cliccando su questo banner o navigando il sito, acconsenti all'uso dei cookie. Leggi la nostra cookie policy.OK

Direttore Responsabile: Mauro Bellini

CERCA
MENU
Direttore responsabile: Mauro Bellini

.Open Innovation

IoT, Data Analytics e AI: i nuovi business della comunicazione bidirezionale

Come monetizzare i dati dell'IoT, come sfruttare il numero crescente di oggetti e di informazioni che vengono generate, innescando una comunicazione bidirezionale tra dispositivi e persone. Sensorizzare il mondo, infatti, è solo il primo livello di una progettazione smart che permette di immaginare nuovi servizi, nuove interfacce, nuove applicazioni per favorire la comunicazione e la relazione 4.0

La IoT rende connesso e comunicante un numero crescente di oggetti, innescando una comunicazione bidirezionale tra dispositivi e persone. Sensorizzare il mondo, infatti, è solo il primo livello di una progettazione più smart. Il secondo livello è immaginare nuovi servizi, nuove interfacce, nuove applicazioni che favoriscono la comunicazione e la relazione 4.0. Il terzo livello è risolvere i flussi di informazioni che attraversano le reti imparando a lavorare di analisi e di integrazione, utilizzando nuove risorse che vengono dall’Intelligenza Artificiale e dal Machine Learning.

Tutta questa nuova intelligenza di sistema legata alla Internet of Things riporta la questione ai suoi fondamentali: come gestire al meglio l’infinità dei dati? La risposta sono ancora una volta nuove chiavi di servizio che hanno nel cloud una risorsa preziosa. Al punto che si parla già di Analytics as a Service (AaaS).

La premessa dei business di successo sono sempre le capacità di vision, che nella IoT sono incentrate su tre direttive.

 

1) Più che gli oggetti sono intelligenti i servizi

I dispositivi e le applicazioni IoT innescano un tipo di comunicazione bidirezionale che genera grandi quantità di informazioni sia in ingresso che in uscita che possono afferire a diversi ambiti operativi e gestionali. I sensori, infatti, misurano diverse cose e a vari livelli, offrendo innumerevoli tipologie di dati. Possono, ad esempio, fornire indicazioni relative alla temperatura, all’umidità, alla salubrità di un ambiente. Possono localizzare e fornire la posizione o addirittura il comportamento di un oggetto o di una persona. Possono monitorare lo stato di una macchina, di un terreno ma anche di un atleta o di un paziente. Queste informazioni aiutano le aziende a proporre servizi aggiuntivi, a soddisfare le richieste dei clienti, a realizzare prodotti migliori e ad aumentare l’efficienza funzionale e operativa.

2) Ogni smart object è un ecosistema

Se è vero che senza connessione non ci sono dati e senza dati non c’è intelligenza, è vero anche che la qualità della IoT è in una relazione più funzionale tra gli uomini e le macchine. Comprare le tecnologie è solo il primo passo di chi sceglie l’innovazione. Le organizzazioni  che sposano i modelli 4.0 devono imparare a combinare diversi valori associati alla IoT, tra cui la necessità di riorganizzazione i processi e di finalizzare progetti che per funzionare devono essere massimamente efficaci. Disegnare oggetti digitali, infatti, significa molte cose. È necessario ragionare sulle relazioni, non solo tra gli oggetti e le persone ma anche tra gli spazi. Le interazioni con smart object e applicazioni impongono non solo di gestire gli accessi e le identità ma anche le forme che aiutano a comprendere quali sono i percorsi di utilizzo e di navigazione, disegnando come erogare al meglio l’intelligenza applicativa a supporto delle nostre azioni tramite software, app, browser, middleware e via dicendo. In ultima istanza, disegnare la IoT significa costruire veri e propri ecosistemi in cui la centralità del dato rimane un aspetto chiave dello sviluppo.

3) Il valore del business IoT è la qualità dei dati

Tutti i dati relativi all’IoT possono essere utilizzati internamente o esternamente all’azienda. Qualche esempio? In caso di uso interno, i dati IoT possono essere di aiuto per stabilire come modificare i prodotti esistenti per farli diventare più competitivi (per i product manager), come preparare offerte personalizzate per clienti importanti (per il team di marketing) e come individuare difetti o guasti potenziali prima che si manifestino ed eliminare gli errori a livello di catena di produzione(per i team IT) o di processo della catena di fornitura (per i team della supply chain).
Per quanto riguarda un utilizzo esterno, i dati IoT aiutano le aziende a scoprire come i clienti possono sfruttare al meglio l’offerta a loro disposizione, scegliendo gli elementi del servizio più adatti alle loro esigenze. Per i singoli clienti, questo potrebbe significare l’offerta di un pacchetto comprendente in un unico servizio di allarmi intelligenti per la casa, riscaldamento e chiamate di sicurezza e che invece non contiene elementi irrilevanti come le telefonate internazionali.
Nel caso dei clienti aziendali, una compagnia di taxi ad esempio potrebbe beneficiare della distribuzione automatizzata del parco auto, un’azienda di logistica potrebbe utilizzare le informazioni relative a percorsi e tempi di trasporto, un servizio di traslochi potrebbe controllare e proteggere gli articoli fragili, mentre tutte le organizzazioni potrebbero valutare quali dipendenti rappresentano un rischio per la qualità del servizio offerto.

Intelligenza artificiale e algoritmi on demand

Come sottolineano gli esperti, un progetto IoT è soprattutto un viaggio che i dati affrontano per servire molteplici persone. A livello di progettazione è importante pensare in modo nativo a come gestire questa mole di dati crescente attraverso sistemi di analisi adeguati. I dati della IoT vanno raccolti ed elaborati in tempo reale da strumenti di business intelligence, integrati da informazioni aggiuntive provenienti da flussi di dati esterni.
È così che gli strumenti di analisi in tempo reale trasformano il data-mining standard (l’estrazione di conoscenza da una mole di dati – NdR) in un’architettura di sistema fruibile, introducendo azioni operative sui dispositivi (a livello individuale o in gruppi), attivate da parametri predefiniti. Tali sistemi possono essere utilizzati, ad esempio, per disabilitare automaticamente un dispositivo nel caso in cui vengano rilevati determinati movimenti, bloccare gli asset finanziari in caso di rilevamento di frodi o limitare la spesa se i costi superano un determinato livello.

In questo senso gli sviluppatori stanno lavorando alla realizzazione di algoritmi sempre più sofisticati, capaci di intercettare, integrare e interpretare informazioni da fonti diverse, di decifrare migliaia di immagini, segnali e persino suoni. Nuove tecniche di machine learning permettono ai computer di riconoscere il linguaggio umano e di rispondere in maniera automatica. Grazie a questi algoritmi i computer oggi sono in grado di fare calcoli probabilistici e lanciare simulazioni estremamente realistiche.

Dietro a tutta questa innovazione, dunque, c’è sempre una buona analisi.

Per creare un business case di successo nella IoT che giustifichi un investimento nelle data analytics, è necessario rispondere a tre domande principali.

  • Innanzitutto, di quali dati si necessita al momento? Potrebbero essere necessari dati di connettività per monitorare i servizi, gli spostamenti dei dispositivi, il loro utilizzo, le performance e l’influsso sui cambiamenti dei prodotti
  • In secondo luogo, quali sono gli utilizzi interni ed esterni di questi dati? Ad esempio, i dati sui movimenti dei dispositivi possono essere venduti agli utenti che si occupano di monitoraggio degli asset
  • Infine, quale sarà il valore aggiunto che l’analisi può portare ai dati esistenti? Si potrebbero voler aggiungere ulteriori strumenti per scoprire l’ubicazione delle case, gli schemi di movimento, le situazioni di raggiungimento delle posizioni e l’analisi dei movimenti standard.

Per amministrare queste moli di dati e tutta l’intelligenza analitica necessaria sottesa oggi ci sono cloud service provider che mettono a disposizione servizi dedicati. Si chiamano Analytics as a Service (AaaS) e consentono di sfruttare potenza elaborativa e software sofisticati in modalità on demand e pay per use, terziarizzando la complessità infrastrutturale legata all’utilizzo delle tecnologie IoT. L’obiettivo? garantire ai progetti IoT la massima funzionalità ed efficacia demandando manutenzione e aggiornamento di infrastrutture e sistemi a fornitori specializzati e capaci di presidiare al meglio la sicurezza dei servizi. In ultima istanza, la governance 4.0 legata ai progetti IoT deve ragionare di integrazione, interaction design e intelligenza applicativa, risolvendo l’equazione dell’innovazione attraverso un business plan capace di capire cosa tenere in casa e cosa invece no.

Open Innovation
Il colosso internazionale dell’agrifood da un decennio sperimenta i benefici dell’innovazione open e condivisa e i suoi manager sono convinti di...
29 novembre 2016