ניו-טק מגזין | דצמבר 2017

IoT מוסף מיוחד

מיליארד 'דברים' מחוברים, 21- יהיו כ מיליון 5.5 כאשר מדי יום יתווספו לרשת 'דברים' חדשים. האינטראקציות בין ה'דברים' הללו לבין המערכות המומחשבות, והחיבור בין רכיבי לבין מערכות הארגון הקיימות IoT ה- ) בכמויות Big Data מייצרים ביג-דאטה ( אדירות יותר מאי פעם, שהרי עכשיו אלו הן מכונות והתקנים שמייצרים מידע ולא אינטראקציות אנושית בלבד. משמעותו של ביג-דאטה אינה רק רק בגודל בסיס נתונים, אלא בעיקר במהירות שבה מגיע אל הארגון מידע ובמגוון הסוגים שלו. לפיכך, ההצלחה כיום מתחילה מיכולת IoT של פרויקטי של ארגון מסויים להפיק תועלת רווחית מההיקף העצום של כל המידע הזה, הן מבחינה תפעולית והן מההיבט העסקי. לצורך הבנת המספרים ניקח דרישה רכבים שמעבירים 25,000 , בסיסית שקיבלנו מידע כל שניה, אם נזכור שבכול רכב היום חיישנים, חישוב בסיסי יביא 200 יש כ דקות נשלחים לנו כ 15 אותנו למצב שכל מיליארד 4.5 מיליון רשומות עם כ 22.5 מידעים שונים. כל זה כאמור בטווח של רבע אנחנו לא יכולים AI שעה. היות ובעולם של לדעת מראש איזה מידע מעניין ואיזה לא, אנחנו נדרשים לדעת לטפל בכל כמות המידע שמגיעה אלינו, היום ברור לנו שדרכי הטיפול בכמות ואופן המידע הזה שונים מדרכי הטיפול בהם התמודדנו עם נתונים ורשומות מידע בעבר. בכדי לאפשר למידע זה להיות חלק מרכזי ומיידי של העולם העסקי שלנו, אנו נדרשים לכלים חדשים אשר משתלבים בעולם מערכות Data Lakes המידע הקיים. כלי אחד הוא (אגם נתונים) – השומר את המידע במבנה גמיש הניתן לבחינה, פילוח וניתוח בכל אופן שבו נבחר להסתכל עליו. הכוח שכלי כזה אמור Data להביא לארגון, לעומת מחסן נתונים המחייב הגדרה מראש של מבנה Warehouse הנתונים שיישמרו בו, היא יכולתו לאפשר לנו לענות על שאלות שלא חשבנו עליהן מראש.

מג'יק תעשיות תוכנה קרדיט: .IoT השכבות בעת אינטגרציית 4 הפרדת :1 תמונה «

מג'יק תעשיות תוכנה קרדיט: .IoT Hub- אגרגציה בשכבת ה :2 תמונה «

שאנו מחפשים. למשל, חיזוי עתידי של נטישת לקוח יכולה להיות משימה יחסית קלה, לעומת זאת הבנת המשמעות של טקסט כזה או אחר תהיה משימה קשה מאוד, במילים אחרות הפרמטרים שאנו מתייחסים אליהם צריכים להיות ברורים ומדידים והתשובה שאנו מחפשים צריכה להיות מדידה באופן ברור, כן/ לא, ציון לינארי, סיווג ברור. תשובה כגון "יפה"

כלי נוסף הוא בינה מלאכותית ואנליטיקה. נתונים כשלעצמם לא עוזרים לנו, שהרי ללא ניתוח המידע והוצאת תובנות מהמידע אין לנו צורך במידע. כמות המידע ואופי המידע מחייב אותנו להשתמש בכלים שונים ממה שהשתמשנו עד עכשיו. אולם לא תמיד נכון להשתמש בבינה מלאכותית, וכדי להשמיש את הטכנולוגיה הזו אנו נדרשים להבין את הבעיה שאנו רוצים לפתור, ומה התשובה

New-Tech Magazine l 78