Por: José Mutis, Country Manager Teradata

Hace sólo algunos años, el contar con información de la noche a la mañana era considerado una cuestión de evolución tecnológica; hoy en día el contar con información en tiempo real resulta crucial para la toma de decisiones dentro de las compañías. Debido a ello, resulta fundamental manejar la complejidad de los datos en función del tiempo, en especial de Internet de las Cosas (IoT), por lo que su almacenamiento, análisis, predicción, representación y gestión resultan críticos a medida que Internet de las Cosas produce cada vez más datos.

La conceptualización del reto

Hoy, muchas decisiones deben tomarse a partir de IoT y otras fuentes de datos en tiempo real, sin embargo, son inútiles si se demoran. La mayoría de las veces dichos datos sólo tienen sentido si se analizan en series cronológicas que proporcionan el contexto de su comportamiento pasado y lo que vino después. Por su parte, los tipos de datos tradicionales y las decisiones basadas en períodos históricos (semanales, mensuales, etc.) también siguen siendo relevantes.

En su primera visita a Colombia, en septiembre de 2017, Kevin Ashton, quien acuñó por primera vez el término “Internet de las Cosas” en 1999 a raíz de su búsqueda por soluciones ante los conflictos originados por la falta de información de datos, se refirió al desarrollo que le espera al país en esta materia en los próximo años. “Para el año 2022, el 50% de los negocios dependerá del IoT. Y en el caso de Colombia, los mercados locales tienen la posibilidad de basarse de las industrias creativas para un mayor desarrollo social y económico”, afirmó el británico.

Debido a ello ha aumentado la demanda de innovaciones tecnológicas, desde nuevas modalidades en el almacenamiento de bases de datos y predicción de comportamientos hasta el diseño de aplicaciones. Es por ello que una plataforma analítica avanzada debe estar diseñada con una estructura temporal de la base de datos a fin de representarlos y manipularlos; así como el diseño de series cronológicas para capturar, gestionar y analizar los cambios que se producen con el transcurso del tiempo.

Los datos generados por IoT registran eventos, mediciones y mensajes del mundo real cuya estructura es similar a la de las operaciones financieras. Por ejemplo, para un financiero, la entrada y salida de dinero le resulta un evento (transacción) de importancia financiera y legal que ocurre en un momento determinado, pero además de ello, bajo una visión innovadora, requeriría el saldo total de sus cuentas en tiempo real o periodo determinado.

Esta nueva perspectiva contempla una duración, un comienzo y un final, lo cual resulta esencial para su análisis. Estos tipos de datos son ejemplos de series cronológicas. Aquí nos enfocamos en IoT porque su tamaño y velocidad plantean desafíos particulares, a la vez que ofrecen nuevas oportunidades de negocios.

Nuevas perspectivas.Nuevas oportunidades.

Bajo este escenario, por ejemplo, un tren de pasajeros registra varios eventos en solo un minuto: enciende motores, se liberan frenos, el centro de control controla la temperatura de los motores, el flujo de combustible, el voltaje, etc. En menos de un segundo, millones de mediciones a la vez. Desde ese momento y hasta que finalice el viaje, las series cronológicas se despliegan de medición en medición, evento a evento, mensaje a mensaje, creando un registro exhaustivo del viaje.

Estos datos brindan a los fabricantes y proveedores de servicios de trenes muchísimas oportunidades para mejorar procesos, entre otras miles de cosas. El mantenimiento preventivo, por ejemplo, reduciría costos de mano de obra, riesgos, extensión y flexibilidad de los intervalos en los que debe realizarse una revisión, como así también una mejora significativa en el servicio al cliente, optimización de los estándares de seguridad, etc.

En prácticamente todas las industrias son evidentes las oportunidades para ahorrar costos y generar mayores ganancias. No es Internet de las Cosas la única herramienta, lo que constituye el verdadero beneficio es el análisis de datos y la innovación de modelos predictivos, junto con las series cronológicas que lo acompañan.

El análisis de las series cronológicas comienza con la observación elemental de las tendencias. En este caso, la medición y supervisión remota de los datos, vía sensores, de los componentes de un tren, es lo que ayuda a predecir cuándo un componente podría fallar, por lo que se puede reparar antes que ocurra algo desfavorable. ¿Cuándo alcanzará un nivel crítico? ¿Qué sucede con las condiciones meteorológicas? Debido a problemas de sincronización de registros, valores faltantes, etc., la mayoría de las analíticas de series cronológicas se basa en la agrupación de registros temporales o intervalos, cuyo punto de inicio y tamaño están determinados por distintas necesidades.

Bajo el ejemplo señalado, el análisis de los datos puede predecir que una unidad probablemente falle dentro de las próximas 50 horas de servicio. Es fácil ver que debería ser reemplazada o proveer el servicio de mantenimiento antes de que se produzca la falla -lo cual no constituye sólo un problema de seguridad. Así el proveedor de servicio podrá decidir cuándo y dónde se hará el mantenimiento. Esto depende del cronograma del mismo servicio, la ubicación y disponibilidad del repuesto, el costo de utilizar un tren de reserva si fuera necesario, así como de otras consideraciones de negocio.

Todos estos datos de estado configuran un importante aspecto temporal: los períodos durante los cuales todos los datos anteriores son válidos. La tecnología subyacente se conoce como una base de datos temporal y es un componente básico de la plataforma analítica productiva.

En conclusión, las series cronológicas de datos son la base para las analíticas avanzadas de lo que genera Internet de las Cosas. Los datos de estado bitemporales describen los aspectos fundamentales del negocio, desde la logística, procesos de producción y entrega de servicio, hasta su entorno financiero, para así brindar el contexto en el que se pueden tomar decisiones empresariales y ejecutar acciones basadas en series cronológicas.