שניים מתחומי הטכנולוגיה הכי "חמים" כיום הם האינטרנט של הדברים (IoT) ו-Big Data. חברת המחקר IDC מעריכה כי עד שנת 2020, כ-30 מיליארד מכשירים יחוברו לאינטרנט: החל במזגנים, מכונות כביסה, מקררים, ועד מכוניות ורמזורים. בחברת המחקר Gartner מעריכים כי השווי הכלכלי של מכירת מוצרים ושירותים מבוססי IoT בשנת 2020 יעמוד על כ-1.9 טריליון דולר.

רבים קושרים בין ה-IoT לבין תשתיות וטכנולוגיות Big Data. אך האמנם Big Data הינו הצד השני של המטבע של טכנולוגיות IoT, או שמדובר במיתוס? במאמר זה נבדוק מספר מיתוסים נפוצים.

מיתוס ראשון: בסיסי הנתונים הקיימים היום, לא יודעים להתמודד עם כמות הנתונים שמכשירי IoT יצרו בזמן אמת

ראשית, בשנים האחרונות שוק בסיסי הנתונים עבר מהפכה דרמטית, לבסיסי הנתונים הרלציוניים המוכרים הצטרפו בסיסי נתונים מבוססי NOsql ופתרונות מבוססי Hadoop המאפשרים התמודדות עם כמויות גדולות של מידע בזמן אמת.

למעשה האתגר המשמעותי יותר, אינו בסוג בסיסי הנתונים, אלא בתחום התקשורת, חברת Cisco פרסמה כי להערכתה רשתות הסלולר וה-Wifi לא יעמדו בזמני התגובה הנדרשים בתקשורת הנתונים אל מכשירי IoT רבים בו זמנית, והיא פועלת למציאת פתרון לנושא.

אמיתות המיתוס: לא נכון

מיתוס שני: גם אם בסיסי הנתונים יודעים להתמודד עם כמות גדולה של נתונים בזמן אמת, מחירי האחסון יהיו אסטרונומיים כיוון שה-Data Centers הקיימים לא יספיקו לאחסון כמות עצומה של נתונים

בחברת המחקר Gartner מעריכים כי מהפכת ה-IoT תגרום לאתגרים בכל האספקטים של ה-Data Centers. על מנת להתמודד עם אתגרים אלו, Gartner מציעה לבצע חשיבה מחדש של מרכיבי ה-Data Centers, כשאחד הפתרונות שמציעים ב-Gartner הוא שמירת הנתונים ברמה אגרגטיבית.

לצורך כך יש לבצע קלסיפיקציה של הנתונים לקבוצות לפי חשיבותם, לדוגמא: קבוצה ראשונה - נתונים  מהותיים, יישמרו לתמיד בצורתם הגולמית; קבוצה שנייה - נתונים בחשיבות בינונית, יישמרו בצורתם הגולמית למשך תקופה מסוימת ולאחר מכן תבוצע להם אגרגציה לרמה חודשית, ברמת המשתמש הבודד; קבוצה שלישית - נתונים ברמת חשיבות נמוכה, יישמרו ברמה אגרגטיבית לפי השאלות העסקיות הצפויות, ולא ברמת המשתמש הבודד.

שיטה אחרת לסיווג נתונים יכולה להיות מבוססת על אינטרוולים של זמן. לדוגמא, ניתן לשמור את הטמפרטורה של תרמוסטט בכל רגע נתון, לחילופין ניתן לשמור את הנתונים רק בשינוי טמפרטורה מעל סף שייקבע עסקית (למשל בכל שינוי של חצי מעלה ומעלה), מה שיביא להפחתה משמעותית בכמות הרשומות.

יצוין, כי לקלסיפיקציה של נתונים ישנים מתנגדים בתעשיית האנליטיקה, לפי גישתם מעולם לא ניתן לדעת מראש אילו נתונים נצטרך לנתח, לכן יש לשמור את כל הנתונים. כמו כן, אין כיום שימוש במתודולוגיות קלסיפיקציה של נתונים בארץ, ויהיה צורך לפתח כאלו.

אמיתות המיתוס: נכון

מיתוס שלישי: ה-IoT יגדיל דרמטית את כמות הנתונים הזמינים לניתוח בידי ארגונים

בשני המיתוסים הקודמים עסקנו בכמות הנתונים מזווית אתגרי האחסון, כעת נעסוק בצד ניתוח הנתונים. בואו ניקח את המיתוס הקודם צעד קדימה: המכשיר מייצר נתונים, וישנם פתרונות לשמירת הנתונים, האם יש ערך עסקי לכל הנתונים הללו? נראה שמוצרי IoT מסוימים לא יספקו מידע בר ערך עסקי רב, במקרה כזה ניתן להסתפק בשמירת חלק מינימלי והכרחי של הנתונים. בעוד שמוצרי IoTאחרים יספקו נתונים רבים, בעלי ערך רב.

כדוגמא למוצר IoT שאינו מבוסס על Big Data ניתן לציין פרויקט באתר גיוס ההמונים Indiegogo, המוצר הינו פעמון דלת חכם המאפשר החלפת רינגטון באמצעות אפליקציה, או העברת הפעמון למצב שקט, אז תישלח התראה לסמארטפון במקום להשמיע צלצול. לכאורה הפעמון מייצר המון נתונים על אופי השימוש שלכם, אך מבחינת כמות הנתונים שהוא מייצר אין שוני מהותי בין אפליקציה רגילה שאיננה מחוברת למוצר IoT.

מנגד ישנם מוצרים שמפיקים ערך עבור המשתמש מניתוח נתוני השימוש בהם. ניקח לדוגמא מזגן - אתם רוצים להגיע הביתה כשהמזגן דולק והדירה בטמפרטורה הרצויה. אמנם גם היום קיימים מערכות "בית חכם", אך נראה כי עם הבשלת מהפכת ה-IoT מזגנים חכמים יהפכו לנפוצים הרבה יותר, כך שניתן יהיה להפעיל ולכבות את המזגן מכל מקום באמצעות אפליקציה. פעילות המזגן גם היא מייצרת כמות גדולה של נתונים: מתי הדלקתם את המזגן, באיזו טמפרטורה ועוד.

מה אפשר לעשות עם הנתונים הללו? סמסונג הציגה בתערוכת הטכנולוגיה IFA 2015 את חיישן השינה SleepSense, הממוקם מתחת למזרן ומנטר את איכות השינה. החיישן מתחבר למוצרי IoTנוספים בבית ויכול לשלוט בהם: אם החיישן מזהה כי קשיי השינה נובעים מטמפרטורה גבוהה מידי בחדר, הוא יכול לכוון את טמפרטורת המזגן לטמפרטורה האידיאלית לשינה (על בסיס היסטוריית השימוש שלכם במזגן, והיסטוריית איכות השינה שלכם). כמו כן אם החיישן מזהה כי נרדמתם מול טלוויזיה דולקת ועם אורות דולקים, הוא יכול לכבות את הטלוויזיה ואת האורות בחדר.

אמיתות המיתוס: נכון בחלק ממוצרי ה-IoT בלבד

מיתוס רביעי: Big Data הוא המרכיב המאתגר והחשוב ביותר של הפתרון הכולל של IoT

בדומה למיתוס הקודם, ניתן לחלק את מוצרי ה-IoT לשתי קטגוריות: הקטגוריה הראשונה כוללת מוצרים מבוססי Big Data, נתונים ואלגוריתמים, בלעדיהם המוצר לא יכול לתפקד, בקטגוריה זו ניתן למנות מכונית ללא נהג, רמזורים חכמים, מערכות לניטור גודש תנועה, מכשור רפואי, סנסורים חקלאיים ועוד.

מנגד הקטגוריה השנייה כוללת סט רחב עוד יותר של מוצרים, אשר מלבד החיבור לאינטרנט לא כוללים מרכיב אנליטי כלשהו. לדוגמא, דגם של מכשיר להכנת סודה, המתחבר לאינטרנט ומאפשר להוריד מתכונים לקוקטיילים, וכן מאפשר לשתף את המתכונים שלכם עם חברים.

אמיתות המיתוס: נכון בחלק ממוצרי ה-IoT בלבד

סיכום

עוד ארוכה הדרך עד ליישום מלא של חזון ה-IoT, אמנם באספקטים מסוימים של מהפכת ה-IoT תחום ה-Big Data מהווה אתגר, אך הוא בוודאי אינו האתגר המרכזי: תקני תקשורת חדשים, פיתוח שבבים זעירים וזולים בעלי צריכת אנרגיה נמוכה, ואתגרים נוספים צריכים להיפתר, על מנת שמהפכת ה-IoT תגשים את הציפיות. 

פורסם לראשונה בניוזלטר של G-stat