You are leaving our main website to go to our chinese website hosted in China. For legal reasons there will not be any links pointing back to the main website.
As nossas cabeças podem explodir só de pensar nos 20,4 biliões de objetos conectados que o Gartner previu que exitissem no final de 2020. Mas de que objetos estamos a falar ?
A miríade de gadgets e objetos do dia-a-dia equipados com chips e sensores que vemos proliferar no Las Vegas CES e nos locais de crowdfunding, é claro, fazem parte deles. Como rastreadores, wearables e dispositivos 'autocontificantes' que, somados às suas aplicações para smartphones, estão a reinventar o mercado de bem-estar individual e, aos poucos, a entrar no mercado da saúde. Tudo isto exclui as aplicações industriais da IIoT(Industrial Internet of Things) e, ainda assim, essas aplicações cobrem todos os setores. Na verdade, eles estão a transformar não apenas os processos de produção, mas as próprias cadeias de valor, reorientando as preocupações sobre dados, análises e os serviços B2B e B2C que podem emergir deles.
A inteligência não está nos sensores
O IIoT deve ser visto como um tremendo acelerador da transformação digital das empresas, pois anda de mãos dadas com a poderosa integração do Digital em todos os processos e instalações. Na verdade, a queda acentuada no preço dos sensores e tecnologias de conexão significa que eles podem agora ser muito mais personalizados, tanto nas cadeias de design e produção quanto nos próprios produtos - seja para equipamentos industriais, edifícios, redes físicas (transporte, energia e outras utilidades), ou dispositivos destinados ao mercado de massa. No entanto, a miríade de sensores conectados implantados desta forma não são suficientes, por si só, para tornar as novas infraestruturas e arquiteturas industriais "inteligentes". Estacionário ou embutido em objetos em movimento, esses dispositivos geram fluxos ininterruptos de dados em tempo real, incluindo dados de geolocalização. Agora, faça uso eficaz desses fluxos de dados - fazer monitorização, manutenção preventiva, obtenha melhorias contínuas, regule fluxos, etc. - envolve necessariamente a realização de um processamento analítico altamente automatizado, no qual a Inteligência Artificial é definida para desempenhar um papel cada vez mais importante.
O uso efetivo desses fluxos de dados também é baseado em novas gerações de aplicações máquina a máquina que, acionados por sistemas analíticos, nos permitem ir muito mais longe no caminho da automação. Por outras palavras, e que serão excelentes notícias para analistas de dados e engenheiros de software, a modernização de instalações industriais relacionada à IIoT é uma fonte de milhões de horas de trabalho para start-ups que já o fizeram.
A informação está dispersa - do produtor ao cliente final
A IIoT está a mudar radicalmente as cadeias de valor herdadas da era industrial anterior, ao permitir vincular diretamente o produtor ao utilizador final, seja ele uma empresa ou um indivíduo, por meio de objetos conectados embutidos nos produtos. Isso põe em causa o papel dos intermediários, como os distribuidores, cuja força, até agora, estava em ser quem conhecia o cliente final.
Por exemplo, os dados gerados por veículos conectados são uma fonte valiosa de informações sobre o desempenho técnico real dos veículos, mas também sobre as práticas individuais e o comportamento do utilizador. Esta percepção do cliente está fugindo ao controle das concessionárias de veículos, cuja posição já está a ser prejudicada pelo modelo de vendas diretas online a que os fabricantes de veículos já se adaptaram. Os dados sobre o uso de veículos conectados são usados pelos fabricantes para projetar os seus modelos futuros, mas também são a matéria-prima por trás de novos serviços para o utilizador: gestão remota de frotas, seguros sob medida, notificações push de ofertas personalizadas e geolocalização nos computadores de bordo dos veículos, etc.
Os limites atuais da ampla interconexão
Hoje, o potencial de criação de novos serviços com base no uso de dados IIoT, porém, é restrito, em primeira instância, pela falta de interoperabilidade entre as redes de objetos conectados. O Industrial Internet Consortium está a fazer um esforço nesse sentido, prioritizando esse direito, mantendo um número limitado de padrões fundamentais para os principais setores industriais (energia / serviços públicos, transporte, saúde, manufatura) e a criação de gateways padronizados entre esses padrões.
O segundo aspecto que atua como um controle é a preocupação em como garantir que esses novos ecossistemas industriais conectados e interconectados sejam seguros, justamente pelo número crescente de pontos de entrada possíveis. Os constantes ciberataques servem para nos lembrar o quão vulneráveis eles são. O terceiro factor limitante é a aceitação social dessa interconectividade generalizada e o risco que ela representa em termos de invasões de privacidade.
Somente abordando estes três temas - padronização, segurança e contrapeso social - a indústria pode realmente desbloquear o potencial da IIoT para criar valor, obter o máximo dele e, assim, tornar sua transformação digital um sucesso.
Não perca as insights!
Artigos, eventos e muito mais!
Seu endereço de e-mail é utilizado para enviar-lhe a Newsletter da Keyrus e para fins de prospecção comercial. Você pode usar o link de descadastro em nossos e-mails a qualquer momento. Saiba mais sobre a gestão de seus dados e seus direitos.
Continue a ler
Publicação no blog
'Don't Worry, Be Data', o novo slogan dos bancos
Os bancos estão a sentir de perto a respiração dos concorrentes de fora do panorama bancário na maratona para tornarem-se "os melhores" amigos dos utilizadores nas suas transacções e gerenciamentos bancários diários.
Publicação no blog
Level Up para as análises avançadas! Game Over para análises básicas
Imagina que estás num jogo de vídeo. O típico onde se tem de fugir do mau da fita até chegar a um castelo onde se estará a salvo. Estás a dar o teu melhor, vê o castelo à distância, mas... oh oh mesmo antes de lá chegar cais num penhasco. Por isso tens a opção de ficar no limite e deixar que o mau da fita o apanhe ou saltar de um penhasco... do qual não sabe se vai conseguir sair com vida. O que farias?
Publicação no blog
O guia definitivo: como migrar dos sistemas legacy para uma plataforma cloud
Neste guia vamos descifrar o antes e o depois da troca e análise de dados à medida que estes evoluem dos sistemas tradicionais herdados para novas plataformas de dados em cloud. Vamos descobrir o desafio fundamental que os analistas enfrentam, revelar a solução que põe fim a todos os problemas, e finalmente olhar para 4 best practices para pôr a mudança em marcha agora. Soa bem, não achas? Rápido e conciso. Agora vamos ao que interessa.
Publicação no blog
Fly me to the... Cloud! A Analítica Cloud em 6 passos
Um dos fundamentos de qualquer organização orientada para os dados é estabelecer uma série de processos analíticos capazes de simplificar o acesso a todos os tipos de dados. Do mesmo modo, quando se começa a utilizar tecnologias de nuvem, os processos analíticos tornam-se mais abrangentes, permitindo-lhe deixar para trás tarefas enfadonhas de gestão de informação e começar a fornecer grandes experiências de dados.
Publicação no blog
Fusão lendária: Data Science + Marketing para conseguir uma hiper-personalização
Criar uma boa cultura de dados para começar a colher os benefícios da personalização à escala. A Data Science permite aos marqueteiros consolidar e extrair insights de todos os seus dados (independentemente do formato), reconhecer padrões nesses dados, e prever comportamentos futuros para criar campanhas de personalização à escala quase em tempo real.
Publicação no blog
Contar com uma plataforma de dados moderna não será o sonho do setor de Marketing?
Já passou uma década desde que o termo "Big Data" se tornou omnipresente, e o investimento dos departamentos de marketing em tecnologia para aproveitar os benefícios destes "Grandes Dados" aumentou significativamente desde então.
Publicação no blog
Um dilema em mãos: porque é que os analistas de marketing não estão a analisar?
Se és um analista de marketing, conheces demasiado bem as expectativas em torno de uma tomada de decisão ágil e baseada em dados. A pressão para fornecer uma visão mais rápida da eficácia das campanhas recai directamente sobre os teus ombros, incluindo permitir uma tomada de decisão ágil para que as campanhas possam ser optimizadas. Mas porque é que os analistas de marketing não estão a analisar, não estão a trabalhar o suficiente, estão a fazer snowboard, a jogar ténis de paddle ou a trabalhar à distância com as suas séries favoritas em segundo plano?
Publicação no blog
O fim de uma lenda e a razão pela qual os teus Dados Externos podem fazer história
Diz a lenda que não há muito tempo havia uma empresa muito boa que todos invejavam porque tinha os melhores analistas do mercado, as melhores plataformas internas e uma riqueza de dados proprietários com os quais tomava todas as suas decisões. Viveram num mundo idílico, até que de repente os seus concorrentes começaram a ultrapassá-los de uma forma surpreendente.
Publicação no blog
As 7 Práticas de Análise de Dados que possas estar a utilizar e que o estejam a atrasar
A análise de dados está a tornar-se rapidamente a chave para uma estratégia empresarial de sucesso. Mas sem a abordagem, competências e tácticas correctas, as suas iniciativas de dados podem não ter sentido. A análise de dados tornou-se um dos mais importantes diferenciadores empresariais e tecnológicos para as empresas, permitindo-lhes obter conhecimentos detalhados sobre praticamente todos os aspectos das suas operações, ganhando assim uma vantagem sobre a concorrência.
Publicação no blog
A revolução actual da Gestão de Dados para capacitar o machine learning
Graças ao Machine Learning pronto para melhorar e, em alguns casos, até mesmo substituir a tomada de decisões humanas, os Responsáveis de Dados, Cientistas de Dados e CIOs estão a reconhecer que as formas tradicionais de organização de dados para consumo humano não serão suficientes na próxima era de tomada de decisões baseada na inteligência artificial (IA). Isto deixa um número crescente de empresas focadas no futuro com apenas um caminho em frente: para que as suas estratégias de machine learning tenham sucesso, terão de ser perturbadoras na cadeia de valor de gestão de dados de ponta a ponta.