Le Edge Analytics e gli approcci IoT Edge sono sempre più spesso nel mirino delle organizzazioni. Viviamo in un’epoca in cui le aziende sono letteralmente inondate di dati: dati prodotti dai sensori e dai macchinari intelligenti, dati che arrivano dai social, dati generati dai prodotti… tutte le interazioni delle aziende sono, oramai, “data intensive” e cresce l’esigenza di trovare soluzioni che permettano di navigare questo mare magnum di record per estrarre suggerimenti, indicazioni o, per meglio dire, intuizioni ( insight ). Soluzioni applicative che riducono la complessità dei Big Data, certo. Ma anche tecnologie che permettono di alleggerire il traffico sulle reti geografiche che collegano il data center alla periferia (edge, appunto) del network aziendale, laddove i dati sempre più spesso si generano. Tecnologie come le Edge Analytics, che permettono di aggregare la potenza di calcolo all’interno di dispositivi di rete (come gli switch), periferiche, device e sensori oppure micro data center ultracompatti. Queste tecnologie permettono di definire un nuovo approccio all’Internet of Things, un approccio battezzato IoT Edge, che sposta l’intelligenza e le analisi sui dispositivi perimetrali per migliorare le prestazioni e la sicurezza delle architetture IoT.
Edge Analytics per migliorare i processi decisionali
Secondo una recente ricerca dell’analista IHS Markit, nel mondo il numero di oggetti connessi in ottica IoT crescerà a ritmi vertiginosi nei prossimi anni, passando dagli attuali 17 miliardi a 125 miliardi di unità nel 2030. È lo stesso analista a individuare i quattro elementi fondamentali di una strategia IoT:
· Connettere, dispositivi e informazioni
· Raccogliere, dati e record che si generano a miliardi ogni giorno
· Elaborare i dati per tradurli in informazioni a valore in grado di indirizzare le decisioni di business
· Generare nuove interazioni con clienti e fornitori, nuovi servizi o soluzioni, perfino nuovi modelli di business
Ed è proprio il terzo pilastro, l’elaborazione dei dati, quello che al momento crea più problemi. Ecco spiegato il successo degli approcci di Edge Analytics. Il loro mercato, infatti, secondo le ultime evidenze dell’analista MarketsandMarkets (“Edge Analytics Market by Component, Analytics Type, Business Application, Deployment, Vertical and Region – Global Forecast to 2023”) è destinato a salire a ritmi vertiginosi nel prossimo quinquennio: si passerà da un giro d’affari di 1,94 miliardi di dollari registrati lo scorso anno a oltre 10 miliardi di dollari del 2023, con un tasso di crescita annuo composito (CAGR) del 29,2%.
Edge Analytics per ridurre i fermi tecnici
Nonostante la proliferazione di sensori e macchinari intelligenti, sono ancora numerose le aziende che non riescono ad analizzare in modo efficace i record prodotti dagli oggetti connessi. Spesso i dispositivi smart sono collocati alla periferia della rete, nelle fabbriche e nei magazzini, e i dati prodotti crescono in modo esponenziale, premendo sull’infrastruttura aziendale e mettendone in evidenza tutti i limiti.
Negli approcci IoT, i maggiori benefici per le aziende sono legati alla possibilità di rielaborare i record in tempi brevi, quindi in realtime o near realtime, per generare azioni immediate: interventi volti a migliorare la qualità dei prodotti e ridurre i fermi tecnici degli impianti industriali, in prevalenza. Nelle strategie di Zero Defect Manufacturing per esempio, la tempestività di intervento sulla linea di produzione è un fattore chiave.
Le Edge Analytics permettono alle aziende di ovviare ai limiti delle infrastrutture di elaborazione dati tradizionali. Non si tratta, come molti pensano, di problemi legate alla scarsità di banda disponibile, piuttosto alla lentezza con cui i pacchetti di dati vengono trasportati attraverso le reti geografiche o, come è più corretto dire, alla latenza. Con la progressiva diffusione delle strategie IoT, infatti, aumentano le applicazioni ad alto consumo di banda e, parallelamente, aumenta il numero di oggetti connessi. La maggior parte dei dati raccolti “sul campo” può essere tranquillamente trasferita al data center, on premise o nel cloud, in tempi anche non brevissimi, per essere rielaborata e supportare le decisioni strategiche di lungo periodo. Tuttavia, una quota di dati deve essere analizzata in tempi brevi in locale – sulla linea di produzione, per esempio – perché solo attraverso l’analisi in tempo reale è possibile garantire il monitoraggio e la gestione intelligente della fabbrica, predisporre allarmi e interventi in real time. Ecco perché le Edge Analytics guadagnano consensi crescenti.
I principali benefici delle Edge Analytics
Sono molti i benefici di un approccio Edge Analytics (leggi l’approfondimento: “L’edge computing può fare la differenza nell’analisi dei dati“), ma questi, in estrema sintesi, sono i 3 principali:
Preservare la privacy
I dati catturati dai device IoT possono contenere informazioni private o sensibili (es. dati di posizionamento GPS, immagini di persone o conversazioni audio). Trasferire questi dati per svolgere analisi complesse nel cloud potrebbe comprometterne la privacy. Se si adotta un approccio di Edge Analytics, invece, i dati sensibili potranno essere processati preventivamente on site, e solo i dati conformi alle normative sulla privacy (GDPR in testa), opportunamente aggregati e anonimizzati saranno inviati al cloud per le analisi più complesse.
Ridurre la latenza
La flessibilità del cloud ha reso possibili scenari applicativi impensabili fino a qualche anno fa, come quelli legati all’Intelligenza Artificiale e al Machine Learning. Ma riconoscere un’immagine all’interno di un filmato o isolare pochi secondi di dialogo in un lungo file audio è un processo che consuma banda e congestiona le reti, aumentando la latenza. Utilizzando gli approcci di Edge Computing ed Edge Analytics, le aziende potranno applicare gli algoritmi di Machine Learning direttamente all’interno dei dispositivi IoT e passare dal cloud solo per i processi più critici, ad esempio per le attività di training continuo delle applicazioni di auto-apprendimento.
Superare gli altri limiti legati alla connettività
Spostare parte dei processi di rielaborazione dati in locale adottando approcci di Edge Analytics non solo riduce la latenza ma preveniente il rischio che le applicazioni IoT subiscano conseguenze in caso di connettività assente o intermittente. Nei progetti di Industrial IoT questa ipotesi non è poi così remota, visto che spesso gli stabilimenti produttivi sono collocati in zone decentrate, non sempre raggiunte dalla banda larga e dove le reti cellulari di nuova generazione non assicurano comunque performance all’altezza delle necessità.
PER APPROFONDIRE SCARICA IL WHITE PAPER “I BENEFICI DELL’EDGE COMPUTING”
Edge Analytics per la sanità e il retail
Oggi, gli approcci Edge Analytics assicurano la potenza di calcolo sufficiente per elaborare in tempi brevissimi grandi flussi di dati. La convinzione diffusa è che si tratti della soluzione ideale per processare in locale piccoli dataset, ma questo non è del tutto vero. Non si tratta, in linea di principio, di una questione di quantità di dati ma di importanza degli stessi. Secondo il report “2018 FutureScape” di IDC, entro la fine di quest’anno già il 40% dei dati IoT sarà immagazzinato, processato e analizzato laddove è generato, prima di essere trasmesso al data center aziendale realizzato on premise o nel cloud. Questo permetterà di abbattere i costi di trasmissione senza compromessi sull’accuratezza e la qualità dei processi decisionali.
Le potenzialità delle Edge Analytics sono spesso associate all’Industrial IoT (IIoT), non va però dimenticato che anche il retail e la sanità possono trarre beneficio da questo approccio. Elaborare in tempo reale le informazioni sui clienti permette di potenziare le strategie di marketing direttamente nel punto vendita, a tutto vantaggio dello scontrino medio. Nella sanità, invece, questo tipo di analisi abilita il monitoraggio a distanza dei pazienti cronici e le applicazioni di telemedicina, contribuendo a ridurre i tempi di degenza in ospedale e decongestionando i centri di pronto soccorso.
