<img height="1" width="1" style="display:none" src="https://www.facebook.com/tr?id=2394912390624130&amp;ev=PageView&amp;noscript=1">

Hyödynnä IoT-data tehokkaasti - ota käyttöön oikeat työkalut

6.9.2022

Esineiden internet (IoT) tuottaa jatkuvasti valtavia määriä dataa. Jos IoT-sovellusten tuottamaa tietoa käsitellään kuten muutakin organisaation dataa, sen täysi potentiaali jää helposti hyödyntämättä - tai se tulee varsin kalliiksi. IoT-data voidaan kuitenkin valjastaa tehokkaampaan käyttöön Time Scale -datan hyödyntämiseen optimoiduilla työkaluilla.

Sensoridata vaatii erityiset työkalut

Tyypillisesti IoT -sovellukset tuottavat sensoridataa, ne keräävät tietoa esimerkiksi fyysisestä ympäristöstä: lämpötilasta, kosteudesta tai tuulen nopeudesta. Erilaiset mittalaitteet ja mittakohteet keräävät ja lähettävät tietoa esimerkiksi asunnon lämpötilasta ja hiilidioksiditasosta tai älykellon käyttäjän sijainnista, sykkeestä ja verenpaineesta.

Figures of Time Series blog_croppedKuvassa prototyyppi aikasarjoista (time series). Taulukko sisältää lämpötilan ja kosteuden arvot kolmesta huoneesta puolen tunnin aikajaksolta.

Mittalaitteilta saatava tieto perustuu aikasarjoihin: tiedot koostuvat mittapisteistä, jotka sisältävät aikaleiman, yhden tai useamman tunnisteen sekä mittausarvon. Ominaisuuksiltaan ja rakenteeltaan IoT-data on erilaista verrattuna esimerkiksi eri järjestelmistä saatavaan liiketoimintatietoon, ja sen vuoksi datan tallentamiseen ja analysoimiseen tarvitaan aikasarjatiedon käsittelyyn optimoituja työkaluja.

Ratkaisu aikasarjojen (time series) keräämiseen, tallentamiseen ja analysointiin

IoT-dataa hyödyntävä ratkaisu koostuu erilaisista kerroksista: 

  • Tiedonkeruukerros (Data Ingestion/Extraction Layer)
  • Tietojen tallennuskerros (Data Storage Layer)
  • Tietojen visualisointikerros (Data Visualization Layer)

IoT-datan käsittelyyn optimoitu ratkaisu ottaa huomioon aikasarjadatan erityisominaisuudet kaikissa näissä kerroksissa.

IoT-blogiEsimerkki IoT-datan hallintaratkaisun toteutuksesta

Tiedonkeruukerroksen työkalut pystyvät tuomaan ja käsittelemään suuria datavolyymejä lähdekannasta. Time Series Database Management System (DBMS) puolestaan vastaa erityisvaatimuksiin ja sisältää esimerkiksi aikaleimatut tapahtumatietueet, valmiuden sarakepakkaukselle sekä automaattisen aggregoinnin ja puhdistusmekanismit.

Myös visualisointikerros ottaa huomioon IoT-datan erityispiirteet. Time Scale -analytiikkatyökaluissa on valmiit integraatiot yleisimpiin aikasarjoja käsitteleviin tiedonkeruu- ja tiedonhallintajärjestelmiin, lisäksi niiden sisäänrakennettu toiminnallisuus aikamuuttujan käsittelyyn helpottaa kuvaajien ja koontinäyttöjen rakentamista. 

Markkinoilla on tarjolla useita työkaluja eri kerroksiin. Pengon on rakentanut ja todentanut kokonaisratkaisun aikasarjojen tehokkaaseen käsittelyyn - lue lisää ja lataa Pengonin  “An Optimized Solution for IoT Data” -white paper!

Haluatko tietää lisää?

Sinua saattavat kiinnostaa myös nämä sisältömme:

Bernardo Di Chiara
KIRJOITTAJA:
Bernardo Di Chiara
Bernardo on tiedonhallinnan konsultti Pengonilla. Hänellä on vahva asiantuntemus dataintegraatioissa, tietovarastoissa ja dataputkissa (data pipeline) – pääasiassa näiden asioiden ympärille rakentuu myös hänen päivittäinen työnsä.

Tilaa uusimmat artikkelit sähköpostiisi

Suosituimmat blogikirjoitukset

Jäikö sinulla jotain kysyttävää?

Ota meihin yhteyttä

Jos haluat keskustella tietojohtamisen palveluista tai kaipaat tukea BI-ratkaisun käytössä, jätä meille viesti.
Palaamme sinulle viimeistään seuraavana arkipäivänä.

045 230 1660
info@pengon.fi