Minden IoT-eszköz (legyen az egy intelligens otthon mozgásérzékelője, egy okosóra lépésszámlálója vagy egy gyártósorra szerelt szenzor) legfontosabb feladata, hogy adatokat gyűjtsön. Ezeket az adatokat aztán tárolni és elemezni kell, és számos további lépésre, beállításra van szükség ahhoz, hogy az okosmegoldás pontosan értelmezze, mikor szokott otthon lenni a család, mennyivel sportolt többet a felhasználó, vagy hogy miként lehet optimalizálni a gyártást.

Ezt a rengeteg feladatot többnyire nagyobb szerverparkokban lévő számítógépek végzik. Sok cég választja azt az utat, hogy saját szerverparkot tart fenn ehhez, ám gyakran azzal szembesülnek, hogy erre nincs elegendő forrásuk, kapacitásuk, szaktudásuk, ezért egyre több társaság dönt úgy, hogy egy külső szolgáltatót bíz meg ezzel a munkával. Ilyen típusú felhőszolgáltatást nyújt a Microsoft is az Azure rendszerével, amelyről a Trend FM műsorában Kőnig Tibor, a Microsoft Magyarország fejlesztői üzletágának vezetője beszélt.

A jövőbeli lehetőségek érzékeltetésére a szakember elmondta: az emberek által használt, világhálóra csatlakozó eszközök száma már ma is milliárdos nagyságrendű, azok az eszközök pedig, amelyeknél nem szükséges emberi beavatkozás, de szintén hálózatba kapcsolhatóak, hamarosan a százmilliárdos nagyságrendet is elérhetik. A készülék milliárdjai által összegyűjtött adatok fogadása pedig óriási feladat a szolgáltatók, vállalatok számára.

Komplett szolgáltatások

A másik nagy előnye annak, ha a cégek máshol végeztetik a felhővel kapcsolatos munkákat, hogy mostanra a felhőszolgáltatók minden feladatot el tudnak végezni távolról is. Ez azzal kezdődik, hogy az összegyűjtött adattömeget fogadni kell, majd tárolni, de sokszor már tárolás előtt is kellenek gyors elemzések, hogy például kiderüljön, szükség van-e sürgős beavatkozásra. Ezt követi a nagy mennyiségű adatok rendszerezése, hogy könnyen észrevehetőek legyenek a változások, a cégspecifikus folyamatok. 

Az elemzés azonban még mindig nem az utolsó lépés, hiszen itt lép a képbe az informatikában ma slágerterületnek is nevezhető gépi tanulás (machine learning). Ennek során a rendszerek a hosszú távon összegyűjtött adatok alapján különböző mintázatokat figyelnek meg, az ezektől való eltéréseket pedig gyorsan felismerik. Ennek köszönhetően pedig egyre nagyobb pontossággal lehet jóslatokat tenni a jövőre nézve.

Termék helyett speciális szolgáltatások

Mindezek új lehetőséget nyitnak a cégek előtt az üzleti modellek terén is. Kőnig Tibor a Rolls Royce repülőgép-hajtóművekre specializálódott üzletágát hozta fel példaként. A vállalat korábban „csak” magukat a hajtóműveket árulta, valamint szolgáltatásként biztosította ezek javítását, karbantartását.

Mostanra a vásárlóik (a repülőgyártók vagy a légitársaságok) már nem magát a turbinát vásárolják meg, hanem annak kifogástalan működését a következő mondjuk, tíz évre. Így a Rolls Royce folyamatosan méri a berendezések működését, a prediktív elemzéseknek köszönhetően pedig még a meghibásodás előtt elvégzi annak karbantartását, javítását, így ezekkel a repülőgép tulajdonosának nem kell foglalkoznia.

Hallgassa meg a teljes műsort!