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.

Pie_chart_sin_funcionar_segun_marca

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.

grafica_con_prediccion

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!

Share on facebook
Share on linkedin
Share on twitter
Share on email
Share on whatsapp

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"

Voy a contarles acerca de una experiencia concreta que se transformó en uno de nuestros casos de éxito en Uruguay. Esta empresa cuenta con una infraestructura distribuida en la ciudad. En cada sitio hay carteles que son iluminados durante la noche. El encendido y apagado...

Todo en una sola nube

La cuarta revolución industrial o la industria 4.0, como se le suele llamar alternativamente, no es ajena a los fabricantes de máquinas modernas. Hoy en día es común que ellos ofrezcan servicios en la nube para el monitoreo remoto de sus productos...

Quieres impulsar tu negocio?

Déjanos un mensaje, ¡seguro podemos ayudarte!