תוֹכֶן
מקור: Denisismagilov / Dreamstime.com
להסיר:
ניתוח נתוני Internet of Things זקוק לאסטרטגיה שונה לחלוטין מהנתונים המסורתיים. כאן אנו מסתכלים על אופן הטיפול בשני סוגי הנתונים.
ישנם הבדלים מהותיים בין גישות העיבוד של נתונים מסורתיים וזרמי נתונים המגיעים ממכשירים או חיישנים של Internet of Things (IoT). ניתוח נתונים סטטי או מסורתי הוא תהליך לינארי, ואילו ניתוח נתונים שנוצר על ידי IoT אינו. הטכנולוגיה והכישורים הנדרשים לניתוח נתונים שנוצרו על ידי IoT שונים לחלוטין.
הבדל חשוב בין נתונים מסורתיים לנתונים שנוצרו ב- IoT הוא שניתן לספק את האחרונים בזמן אמת, וזה קריטי לתעשיות מסוימות כמו בנקאות, טלקום והגנה. נתונים סטטיים, לעומת זאת, אינם מספקים נתונים בזמן אמת, אך עדיין יש להם הרבה תועלת. עם זאת, נתונים שנוצרו על ידי IoT היו מרכז תשומת הלב כבר לא מעט זמן ויש הרבה באז סביב זה. עם זאת, אין זה אומר שזמן הנתונים המסורתי עבר.
מהם נתונים מסורתיים ונתוני IoT שנוצרו?
נתונים מסורתיים או סטטיים, במילים פשוטות, הם נתונים שאינם משתנים. הבה זאת עם דוגמא. אתה ממלא טופס בו אתה נדרש לבחור את מדינת המגורים שלך מהרשימה. הרשימה לא משתנה מכיוון שמספר המדינות בארה"ב לא משתנה (או, נכון להיום, מאז 1959). כעת, רשימת מדינות זו נשמרת איפשהו במערכת, ומכיוון שהרשימה אינה משתנה, ניתן לומר בבטחה כי אין לגשת למידע או לעבד אותם לעיתים קרובות.
נתונים שנוצרו ב- IoT הם הנתונים שנוצרים על ידי החיישנים המותקנים במכשירים המחוברים זה לזה. בסדרת הדברים של IoT, לכל מכשיר תהיה כתובת IP כך שתוכל לתקשר עם מכשירים אחרים עם כתובות IP. זה יכול להחליף נתונים, למשל. כעת, התקנים אלה עשויים להיות מחוברים לשרת שאוסף נתונים כל הזמן מהמכשירים הללו. לדוגמה, הטלפון החכם שלך עשוי להתקין אפליקציה האוספת מידע על בריאותך ותעביר אותו לשרת שאליו ניתן לגשת לבית חולים. אז, תוכלו לדמיין את כמות הנתונים המגוונים המציפים לשרת בכל דקה. הנתונים משתנים ללא הפסקה. נתונים שנוצרו ב- IoT, במובן מסוים, הם גם נתונים דינמיים מכיוון שהם נוטים להשתנות.
בהתחשב באופי הנתונים השונה לחלוטין, ברור כי הגישות לאחסון ועיבוד הנתונים יהיו שונות לחלוטין. הפסקאות להלן דנות בהבדלים העיקריים בין נתונים מסורתיים לבין נתונים שנוצרו ב- IoT.
ההבדלים בין אנליטיקס נתונים מסורתי לנתוני אנליטי של IoT
מכיוון ששני סוגי הנתונים שונים, השיטות הבסיסיות לאחסון ועיבוד חייבות להיות שונות. הנתונים שנוצרו על ידי IoT עוררו הרבה תשומת לב ושבח, עד כמה מהם רומזים כי לנתונים המסורתיים אין עוד מקום בענף. זה לא נכון. ההבדלים הבולטים בין שני סוגי הניתוחים נדונים בהמשך.
אתה לא יכול לשפר את כישורי התכנות שלך כאשר לאף אחד לא אכפת מאיכות התוכנה.
ניתן לעבד נתונים מסורתיים בעזרת שפות שאילתות רגילות כמו SQL וניתן ליצור אנליטיקה בעזרת שפות תכנות רגילות. לא נדרש למידה חדשה כדי לבצע ניתוח נתונים מסורתי. המצב קצת יותר מאתגר עם נתוני IoT, המכונים גם אנשים רבים כנתונים גדולים. Hadoop, נכון להיום, היא המסגרת הפופולרית ביותר לעיבוד נתונים גדולים, אך רבים עדיין טמועים בה. שאילתת נתוני IoT אינה משימה קלה מכיוון שהטכנולוגיה טרם התפתחה ונדרשת השקעה רבה בכדי להפוך את הכלים לידידותיים למשתמש. אופי הנתונים של IoT שונה לחלוטין מזה של הנתונים המסורתיים, ולכן התעשייה עדיין מוצאת דרכים להשיג ניתוחים טובים בהשקעות פחותות.
סיכום
למרות ההבדלים ביניהם, ניתוחים מסורתיים יכולים במקרים מסוימים להשלים אנליטי IoT. במובן מסוים, נתוני IoT הופכים גם הם לנתונים היסטוריים לאחר זמן מה. למרות זאת, מתקפת ה- IoT, ניתוח נתונים מסורתי לא הולך להיעלם בקרוב. נתוני IoT וניתוח נתונים גדולים הם עדיין נראים בהיסוס ויש בזהירות רבה. לוקח תעשיות לאמץ משהו שהוא חדש, מורכב ודורש השקעות. לעומת זאת, ניתוח נתונים מסורתי מוכח ומבוסס. למרות שמדובר במצב מעניין, נראה שאחרי כמה שנים, IoT הולכת לצבור הרבה יותר אמינות והחברות הולכות להתרחק מניתוח נתונים מסורתי. כדי שזה יקרה, תשתית ניתוח IoT לנתונים צריכה להתבגר באמת ולמצוא הסכמה. שינוי הוא - תמיד - תהליך איטי ומורכב.