Inhoud
- Wat zijn traditionele gegevens en IoT-gegenereerde gegevens?
- Verschillen tussen traditionele data-analyse en IoT-gegenereerde data-analyse
- Gevolgtrekking
Bron: Denisismagilov / Dreamstime.com
Afhaal:
Voor analyse van Internet of Things-gegevens is een compleet andere strategie nodig dan traditionele gegevens. Hier bekijken we hoe de twee gegevenstypen worden behandeld.
Er zijn fundamentele verschillen tussen de verwerkingsbenaderingen van traditionele gegevens en gegevensstromen afkomstig van apparaten of sensoren van het Internet of Things (IoT). Statische of traditionele data-analyse is een lineair proces, terwijl IoT-gegenereerde data-analyse dat niet is. De technologie en vaardigheden die nodig zijn om door IoT gegenereerde gegevens te analyseren, zijn totaal verschillend.
Een belangrijk verschil tussen traditionele gegevens en IoT-gegenereerde gegevens is dat deze in realtime kunnen worden geleverd, wat van cruciaal belang is voor bepaalde sectoren zoals banken, telecom en defensie. Statische gegevens bieden daarentegen geen realtime gegevens, maar hebben nog steeds veel nut. Dat gezegd hebbende, IoT-gegenereerde gegevens staan al geruime tijd in het middelpunt van de belangstelling en er is veel gezoem rondom. Dat betekent echter niet dat de traditionele datas-tijd is verstreken.
Wat zijn traditionele gegevens en IoT-gegenereerde gegevens?
Traditionele of statische gegevens, eenvoudig gezegd, zijn gegevens die niet veranderen. Laten we dit met een voorbeeld begrijpen. U vult een formulier in waarbij u uw woonstaat uit een lijst moet selecteren. De lijst verandert niet omdat het aantal staten in de VS niet verandert (of in ieder geval niet sinds 1959). Nu wordt deze lijst met staten ergens in het systeem bijgehouden, en aangezien de lijst niet verandert, kan veilig worden gezegd dat de gegevens niet worden benaderd of vaak worden verwerkt.
Door IoT gegenereerde gegevens zijn de gegevens die worden gegenereerd door de sensoren die in onderling verbonden apparaten zijn ingebouwd. In het IoT-schema heeft elk apparaat een IP-adres zodat het kan communiceren met andere apparaten met IP-adressen. Het kan bijvoorbeeld gegevens uitwisselen. Nu kunnen deze apparaten worden verbonden met een server die constant gegevens van deze apparaten verzamelt. Uw smartphone kan bijvoorbeeld een app installeren die informatie over uw gezondheid verzamelt en deze naar een server brengt waartoe een ziekenhuis toegang heeft. U kunt zich dus elke minuut voorstellen hoeveel verschillende gegevens de server binnenstromen. De gegevens veranderen voortdurend en meedogenloos. IoT-gegenereerde gegevens zijn in zekere zin ook dynamische gegevens omdat deze de neiging hebben te veranderen.
Gezien de totaal verschillende aard van de gegevens, is het duidelijk dat de benaderingen voor het opslaan en verwerken van de gegevens totaal verschillend zullen zijn. In de onderstaande paragrafen worden de belangrijkste verschillen tussen traditionele en IoT-gegenereerde gegevens besproken.
Verschillen tussen traditionele data-analyse en IoT-gegenereerde data-analyse
Aangezien beide soorten gegevens verschillend zijn, moeten de fundamentele methoden voor opslag en verwerking verschillend zijn. De door het IoT gegenereerde gegevens hebben veel aandacht en lof gegenereerd, in de mate dat sommigen suggereren dat traditionele gegevens niet langer in de industrie thuishoren. Dat is niet waar. De meest opvallende verschillen tussen de twee soorten analyses worden hieronder besproken.
U kunt uw programmeervaardigheden niet verbeteren als niemand om softwarekwaliteit geeft.
Traditionele gegevens kunnen worden verwerkt met behulp van standaard query-talen zoals SQL en analyses kunnen worden gemaakt met behulp van standaard programmeertalen. Er is geen nieuw leren nodig om traditionele gegevensanalyses uit te voeren. De situatie is een beetje uitdagender met IoT-gegevens, ook door veel mensen aangeduid als big data. Hadoop is tot op heden het populairste raamwerk voor de verwerking van big data, maar velen zijn nog steeds voorzichtig. Het opvragen van IoT-gegevens is geen gemakkelijke taak omdat de technologie nog niet is geëvolueerd en er veel investeringen nodig zijn om de tools gebruiksvriendelijk te maken. De aard van IoT-gegevens is heel anders dan die van traditionele gegevens, en daarom is de industrie nog steeds op zoek naar manieren om goede analyses te maken bij minder investeringen.
Gevolgtrekking
Ondanks hun verschillen kunnen traditionele analyses in sommige gevallen een aanvulling zijn op IoT-analyses. In zekere zin worden IoT-gegevens na verloop van tijd ook historische gegevens. Ondanks de IoT-aanval zullen traditionele gegevensanalyses niet snel verdwijnen. IoT-gegevens en big data-analyses worden nog steeds voorlopig bekeken en er is veel voorzichtigheid. Het kost tijd voor industrieën om iets te adopteren dat nieuw en complex is en investeringen vereist. Traditionele data-analyse is echter bewezen en gevestigd. Hoewel het een interessante situatie is, lijkt het erop dat IoT na een paar jaar veel meer geloofwaardigheid zal krijgen en bedrijven zullen afstappen van traditionele data-analyse. Om dat te laten gebeuren, moet de IoT-gegevensanalyse-infrastructuur echt volwassen zijn en acceptatie vinden. Verandering is - altijd - een langzaam en complex proces.