Dopo esserci occupati di Cloud, delle prospettive dei prossimi 10 anni e di Intelligent Extended Enterprise, altro argomento più che caldo è l’IoT in cloud (e non). Lo è da anni, si sta concretizzando ora.
Prima considerazione: Data is the new oil (i dati sono il nuovo petrolio). Quindi raccogliere dati, più dati possibile, buoni, certificati, sicuri.
Qui i servizi cloud rispondono banalmente a due domande:
- Dove li posso stipare: solo in cloud ho il rapporto giusto tra costo e capacità e solo in cloud posso scalare senza dover dimensionare prima il mio storage e senza preoccuparmi di backup, disponibilità, sicurezza;
- Come li posso elaborare/analizzare: solo in cloud ho la capacità di calcolo per poter effettuare operazioni complesse, come il machine learning o gli algoritmi previsionali e solo quando mi servono, senza dover comprare un server che poi non utilizzerò.
Meno banale è: come li raccolgo?
Perchè sembra facile, ma la tecnologia necessaria sia lato contorno (edge, dove i dati vengono generati) che lato centro (cloud, dove i dati vengono stipati) è tutt’altro che alla portata.
Concentriamoci però solo sul centro: se pensate di realizzare un software che rimane in ascolto per raccogliere informazioni da alcune centinaia o migliaia di dispositivi, senza mai fermarsi, adattandosi alla variazione di traffico, dandovi lo stato di sensori sparsi chissà dove, capite la complessità.
Dimensionare correttamente la rete di computer, metterli in condizioni operative di alta affidabilità, occuparsi della rete, della sicurezza, dello stoccaggio può essere molto costoso, soprattutto al sopraggiungere di variabilità. In questi casi la scelta migliore è una piattaforma cloud progettata appositamente per questo, un software utilizzabile online in cui si configura la propria rete di sensori e si occupa di tutte le complessità di contorno. E’ quello che propongono sia Google che IBM che AWS e, sotto certe condizioni, è una scelta obbligata.
A cosa serve l’IoT in cloud (e non) per il business è ormai quasi scontato. Vi elenco alcuni esempi che ho visto alla conferenza:
- ottimizzazione nell’uso di macchine e strumenti costosi
- feedback dall’utilizzatore, impliciti o espliciti
- previsione guasti e usura e minimizzazione downtime
- asset tracking
- pay per use
- fleet management
- nuovi business model: equipment as a service (paghi una bilancia a pesate…)
- …
- Il primo è l’attenzione al fatto che chi approccia l’IoT nelle aziende trova molto legacy, a tutti i livelli. Non me l’aspettavo perchè in questi contesti viene evidenziato sempre il nuovo, ma il mondo produttivo è molto ancorato al vecchio, anche solo per motivi economici!
- Il secondo è lo spostamento del software verso l’edge, il bordo, in pratica il mondo fisico, antitesi del cloud. Infatti, siccome quando si parla di IoT si parla di connettività e problemi collegati, la tendenza è quella di spostare parte dell’intelligenza del cloud al di fuori di questo. Per questo nasceranno cose come, l’embedded machine learning, che porta i modelli, creati nel cloud, verso la periferia, per essere eseguiti offline! Addirittura con hardware progettato apposta, le TPU o con sistemi operativi, come Android Things, la versione che gira su dispositivi IoT, invece che su smartphone.
Non perdetevi la prossima puntata in cui parleremo di Infrastruttura![vc_row][vc_column el_class=”blog-author”][distance][vc_separator el_width=”50″][vc_row_inner][vc_column_inner el_class=”blog-author-img” width=”1/12″][vc_single_image image=”19703″ img_size=”60×60″][/vc_column_inner][vc_column_inner el_class=”blog-author-txt” width=”5/6″][vc_column_text]Mauro Sanfilippo
R&D Manager – Gruppo Sme.UP
My LinkedIn Profile
Naviga per categoria:
Seleziona una categoria d’interesse dal nostro magazine
