Tribune d'expert . L'Internet des objets analytique : aller au-delà de l'Internet des objets grâce à la visualisation des données

Par Edouard Beaucourt, Directeur Régional France, Suisse Romande et Afrique du Nord, Tableau Software.

Les fondements de l'Internet des objets(IoT) sont relativement simples : l'idée est par essence de concevoir des produits plus intelligents et capables de communiquer entre eux afin de nous simplifier la vie. La promesse de l'IoT est de nous permettre de rassembler des données issues de nombreuses sources. Mais il faut donner du sens à toutes ces informations et en tirer parti. Après tout, les données perdent toute leur utilité si nous ne sommes pas en mesure de les analyser efficacement.  Des tableaux de bord visuellement attrayants, qui présentent des données en temps réel à tous les niveaux de l'entreprise, sont indispensables pour mettre en évidence le caractère incontournable de l'IoT.  

Gartner a estimé que l'adoption de l'IoT allait se poursuivre et atteindre les 26 milliards d'appareils connectés à Internet d'ici 2020. En marge de cette augmentation, le rôle des analyses de données est lui aussi amené à gagner en importance. 

Au-delà de l'euphorie médiatique
Dans son dernier rapport sur les technologies émergentes, Gartner considère que l'euphorie médiatique autour de l'IoT a atteint son paroxysme, ce qui laisse à penser que les attentes en la matière sont actuellement démesurées, comme elles l'étaient pour le Big Data jusqu'à très récemment. L'IoTest-il à la hauteur de sa réputation ?Pour ma part, je considère que les possibilités de l'IoT sont infinies pour l'informatique dans les entreprises. Il permet de diversifier les sources de données et d'appliquer des analyses à une infinité de domaines, aussi bien dans la production que dans le secteur de la santé. 

Au final, les premières entreprises à l'adopter seront celles qui disposent d'ores et déjà de données collectées par des capteurs, notamment dans le secteur de la production ou de l'approvisionnement. En effet, les machines et les véhicules sont équipés de capteurs ou de dispositifs connectés à Internet. Dans le domaine de la production, des capteurs de surveillance permettent d'informer l'entreprise en temps réel sur les performances et l'efficacité des différentes machines. 

Toutefois, il faut pour cela disposer detableaux de bord et des repères appropriés. Il est possible d'établir une communication transversale entre presque tous les secteurs, et de mesurer toutes ces communications grâce à l'analyse de données, afin de maximiser les performances et de permettre aux entreprises de mettre les informations recueillies à profit pour réduire leurs coûts et exploiter les différentes opportunités. 

Les innombrables avantages de l'IoTpeuvent également être d'utilité publique. Les entreprises de service public peuvent par exemple mettre en place des réseaux électriques intelligents intégralement connectés à Internet. Elles seraient ainsi en mesure de prévenir les pannes et les coupures, et les instances dirigeantes pourraient exploiter ces données pour diversifier le mix énergétique en combinant énergies renouvelables et sources d'énergie classiques pour créer des villes plus intelligentes et durables. 

La présentation est la clé

Ce que nous pouvons tirer de l'apprentissage par les machines n'en est qu'à ses balbutiements, mais certains prestataires se positionnent d'ores et déjà dans le secteur de l'IoT en allant plus loin que la simple collecte de données. Prenons l'exemple, de notre client Glassbeam qui fournit des solutions qui facilitent les analyses des données de machines en temps réel, et se concentre sur les données complexes et multi-structurelles des appareils médicaux, des capteurs et des véhicules en plus de celles des équipements des Datacenters. La plate-forme SCALAR de Glassbeam exploite une technologie Big Data open source pour proposer une solution d'aide à la décision basée sur des données structurées et non structurées. Elle traite simultanément les énormes quantités de données des machines pour établir des liens entre les éléments de ces données sources. 

Il est évident que la technologie M2M (machine-to-machine) doit être associée aux analyses pour permettre aux entreprises de tirer le meilleur parti de leurs opérations. Néanmoins, si l'analyse des données n'intègre pas de fonctions de visualisation, elles risquent d'aliéner les services non techniques comme les équipes marketing ou le service des achats qui pourtant pourraient bénéficier d'une meilleure compréhension du fonctionnement de l'ensemble des activités de l'entreprise. De la même manière, les cadres dirigeants peuvent avoir besoin d'informations de premier ordre uniquement, que leur procurent leurs analystes. De ce fait, ces données sont biaisées. Un tableau de bord utilisant des données pertinentes peut donner une vue d'ensemble claire de l'entreprise, de sa croissance et des domaines sur lesquels elle doit se concentrer pour atteindre ses objectifs.

Glassbeam génère des tableaux de bord d'aide à la décision, visuellement très complets. Ces tableaux de bord dynamiques et en temps réel illustrent les tendances et les principales caractéristiques des données sources. Étant donné que le potentiel de l'IoTn'est pas encore pleinement exploité, les technologies combinant des fonctionnalités de collecte, d'analyse et de présentation des données ont la capacité de favoriser des changements dans tous les secteurs. 

Amélioration de l'expérience client

Le principal objectif des entreprises est de satisfaire leurs clients, qu'il s'agisse d'autres entreprises ou de particuliers. Par le passé, il suffisait de garantir des interactions directes, des services sur site de qualité et des produits personnalisés. Aujourd'hui, la plupart des transactions ont lieu en ligne, et près de 88 % des interactions avec les clients pourraient basculer dans le domaine du numérique d'ici trois à cinq ans. Le commerce électronique doit par conséquent être en mesure d'offrir des services sur mesure à des millions de clients dans le monde, ce qui n'est pas une mince affaire. 

Dans le domaine de la vente au détail, les sites Internet collectent des données comme l'historique des achats et les profils des clients par exemple, afin de proposer d'autres produits de manière automatisée. Grâce aux analyses, l'apprentissage par les machines offre un degré de personnalisation en exploitant des millions de lignes de données sur la navigation et les profils des utilisateurs. 

Les futures évolutions technologiques nous permettront de mieux comprendre les applications de l'apprentissage par les machines et de proposer des expériences en ligne plus personnelles et enrichissantes.

Potentiel d'avenir

Le fait de combiner les fonctionnalités d'analyse et les grandes quantités de données générées par les machines et les capteurs profite à tous les secteurs, de l'aéronautique à l'agriculture. Et ensuite ? Ces données peuvent alimenter la prochaine révolution industrielle, qui permettra à la production et aux services de ne plus simplement être automatisés, mais de s'appuyer sur les données d'une manière qui améliorera la gestion des usines et des entreprises, en plus d'améliorer notre quotidien.

À l'heure actuelle, l'apprentissage par les machines et les analyses permettent uniquement de mettre les problèmes en évidence. Ce n'est qu'une question de temps avant que la combinaison de l'apprentissage par les machines et de la visualisation des données facilite la résolution prédictive des problèmes.