La analítica de datos como siguiente paso al IoT
By Miguel González
Si te has encontrado frente a un montón de tablas, gráficas y datos crudos, recolectados por sensores o máquinas, seguramente te hayas preguntado:
¿Para qué me sirven todos estos datos? ¿Puedo obtener información valiosa de ellos? 🤔
En este artículo te ayudaré a responder estas preguntas y a entender: por qué la analítica es el siguiente paso necesario, en la recolección de datos para la toma de decisiones.

Contexto: El IoT en la actualidad
Con el gran crecimiento que ha tenido el IoT en los últimos años, las empresas hemos comenzado a recolectar mucha información de nuestros procesos, gracias a sensores y espacio en la nube cada día más baratos.
Incluyendo desde horarios de entrada y salida de personas en el lugar de trabajo, pasando por consumo eléctrico de máquinas en la industria, trackeo GPS de camiones, temperatura de heladeras y hasta caudal de agua en un equipo de riego en el medio del campo.
Las aplicaciones son infinitas, pero el fin es el mismo. Tener una visión objetiva de los procesos en base a los datos obtenidos, para tomar decisiones que mejoren el rendimiento de la empresa.



El problema: El “gap” entre los datos y las decisiones
La recolección de datos si bien es necesaria, en la mayoría de casos no es suficiente para obtener un panorama objetivo a la hora de tomar determinadas decisiones.
Hace falta dar un paso más, hace falta un eslabón fundamental entre los datos y las decisiones. Algo que le dé forma a los datos, que los traduzca a información clara y pertinente para la decisión que se quiera tomar.
Este siguiente paso es: La analítica de datos 📊
¿Qué es la analítica de datos?
La idea es ir más allá de los números crudos.
Es darle contexto para filtrarlos, agruparlos, procesarlos, cruzarlos, categorizarlos e incluso predecir comportamientos futuros en base al pasado.
Pero siempre con la vista en obtener una información útil y valiosa, que de otra manera no podría saberse a ciencia cierta.
La analítica de datos explicada con un ejemplo
Veamos un ejemplo para que quede más claro el concepto.
Supongamos que tenemos una planta industrial con 10 máquinas iguales, que deberían siempre estar funcionando y que medimos su consumo eléctrico cada 2 minutos.
Al pasar un cierto período de tiempo, vamos a tener para cada máquina muchos valores de consumo.
Tal vez, sean bastante parecidos, e incluso en ciertos períodos no haber consumo porque la máquina se rompió o se detuvo.
Ahora, supongamos que quisiéramos planificar el mantenimiento de cada máquina.
Los datos de consumo por sí mismos, aunque los grafiquemos, no nos dirían mucho, hasta tenderíamos a pensar que no nos sirven para nada
Sin embargo, con analítica, sabiendo que nuestro objetivo es planificar el mantenimiento, podríamos procesar los datos de consumo para obtener valor con ese fin.
Por ejemplo, podríamos calcular para cada máquina:
- Qué porcentaje de tiempo estuvo sin funcionar
- Cada vez que se detiene, cuanto tarda en volver a funcionar
- Cuantas veces se detiene por un problema
- Cada cuanto tiempo se detiene en promedio
- El tiempo que estuvo funcionando fuera de sus límites nominales.

Incluso podríamos ir un paso más y categorizar los datos de todas las máquinas para obtener resultados más interesantes.
Por ejemplo, agrupándolos por marca, veríamos qué marca pasa menos tiempo parada y requiere menos mantenimiento.

Si a esto le sumamos que, en base al consumo, podemos saber cuánto dinero en energía gasta cada marca por mes, y predecir cuanto gastará el siguiente, podríamos saber por ejemplo cuál elegir en una próxima compra teniendo en cuenta mantenimiento y consumo.

Conclusión
Respondiendo las dos preguntas iniciales: ¿Para qué me sirven todos estos datos? ¿Puedo obtener información valiosa de ellos?
Siempre sirven, incluso para tomar decisiones que a priori parecerían no estar relacionadas con los datos que tenemos, como el caso del ejemplo: datos de consumo eléctrico de la máquina para planificación de mantenimiento.
Sin embargo, es importante para que los datos sirvan, tener claro qué decisión queremos tomar, o a que conclusión queremos llegar, para luego a través de la analítica, utilizarlos de la mejor manera posible con ese objetivo.
Al fin y al cabo, los datos tendrán valor si hay una necesidad para la que son útiles.
Por eso es tan importante la analítica, porque a través de ella podemos ver los datos interpretados de la manera que nos son más útiles para esa necesidad en particular.

Acerca del autor: Miguel González
Ingeniero IoT Full-Stack
Miguel es Ingeniero en Telecomunicaciones y Master en Ingenieria de Sistemas de Software y Redes.
En Nettra se especializa en desarrollar y mejorar soluciones de IoT, asi como también respaldar su implementación y posterior soporte.
¿Te gustó este post? ¡Compártelo!
Suscríbete a nuestro Newsletter
Recibe actualizaciones de nuestros artículos más interesantes
Más para explorar
Algo que nos han dicho varias veces: "Ese problema lo tenemos resuelto"
Todo en una sola nube
