quantità di informazioni da ciascuno di questi sensori può crea-
re un problema da affrontare in termini di Big Data). La varietà dei
dati può essere anch’essa enorme, con le tipologie di informa-
zioni che possono variare dai dati strutturati
e semistrutturati provenienti dalle macchine
e dai sensori fino alle riprese video acquisite
dalle telecamere. Allo stesso tempo, spes-
so è necessario combinare dati provenienti
da fonti diverse che, quasi sempre, presen-
tano strutture e standard differenti (e richie-
dono la capacità di operare senza modelli
o schemi rigidi). Bisogna poi tenere con-
to che la velocità dei dati provenienti dal-
le cose può essere quella di uno streaming
in tempo reale, di una trasmissione attiva-
ta on demand o al raggiungimento di deter-
minate soglie, o quella di un’archiviazione
batch per scopi di analisi storica. La mag-
gior parte dei dati è inoltre basata su se-
rie temporali e viene ricevuta a diversi livelli
di velocità e granularità (ad esempio, alcuni
sensori possono trasmettere dati ogni se-
condo, mentre altri li trasmettono a intervalli
irregolari, in base alle necessità).
In generale i dipendenti che si occupa-
no di tecnologie operative possono sostenere che esistano già
sufficienti soluzioni tecnologiche (ad esempio, gli storici dei da-
ti o delle operazioni) per la gestione dei dati operativi, ma que-
ste soluzioni stanno attraversando una fa-
se di evoluzione che le porterà a utilizzare
le stesse nuove tecnologie utilizzate per il
mondo dei Big Data (ad esempio, Hado-
op, NoSQL e altre forme di elaborazione di
eventi complessi). Ciò significa che questo
è un momento opportuno perché i Cio e
i professionisti IT instaurino una collabora-
zione più stretta con le proprie controparti
in area OT (tecnologie operative).
Nel dettaglio, per creare valore per l’azien-
da i Cio possono analizzare le informazio-
ni provenienti dall’Internet delle cose a tre
livelli. La prima area di valore riguarda l’a-
nalisi dei dati provenienti da un determina-
to bene individuale allo scopo di ottimizza-
re quel bene. Ad esempio, i dati provenienti
dai sensori di una data macchina industria-
le possono essere analizzati per aumenta-
re la produzione e/o ridurre i costi di eserci-
zio di quel bene. La seconda area di valore
riguarda l’analisi dei dati provenienti da più
beni allo scopo di ottimizzare una rete di
beni. Ad esempio, è possibile utilizzare i da-
38
luglio-agosto 2013
Big Data e Internet delle cose: il legame è importante
Foto: © Photo-K - Fotolia.com
Asset
Esempi:
•
Ottimizzazione di ogni
macchina industriale
•
Monetizzare l’utilizzo
del modello pay-as-you-go
Rete di asset
Tutto
•
Ottimizzazione della rete
di illuminazione in azienda
per minimizzare
i consumi elettrici
•
Ottimizzazione della rete
semaforica cittadina
per razionalizzare
e incrementare la sicurezza
•
Ottimizzazione di un ospedale
per massimizzare l’utilizzo
delle risorse, del personale,
degli apparati medicali,
dei consumabili, dei letti
e delle stanze
Singolo
oggetto
Analisi
Big data
Analisi
Big data
Oggetto
B
Oggetto A
Oggetto C
Analisi
Big data
Persone
Luogo
Sistema
Oggetto
Fonte: Gartner
