La respuesta corta es: cualquier cosa.
La tesis original de Kevin Ashton para el Internet de las cosas fue que las computadoras aprendieron sobre el mundo real a partir de la información generada por los humanos. Ya sea que los humanos estuvieran escribiendo, grabando, tomando fotos o dibujándolos, el principal agente en la producción de información fue el ser humano. Y debido a que los humanos tenían una atención y precisión limitadas, no estaban en condiciones de capturar la información sobre el mundo real.
El Internet de las cosas, como argumentó Ashton, permitiría a las máquinas comenzar a recopilar datos [objetivos] sobre el mundo, en gran parte sin la necesidad de intermediarios humanos. Las máquinas podrían saber más y más acerca de sus propios entornos, y podrían comunicarse con otras máquinas para compartir esos datos.
- ¿Qué es lo que más molesta a los desarrolladores sobre los diseñadores de experiencia de usuario (UX)?
- ¿Es Uber Bangalore / Hyderabad un buen lugar para cambiar por un SDE 2 en Amazon Bangalore?
- ¿Cuál es la diferencia entre ingeniero asociado e ingeniero de software asociado?
- Si usted es un programador profesional, ingeniero de software o desarrollador, ¿en qué medida su trabajo se ajusta al estereotipo de programación como una búsqueda solitaria? ¿En qué medida desafía el estereotipo al involucrar una gran cantidad de comunicación y colaboración con otros?
- ¿Cómo aprenden los ingenieros de software autodidactas estructuras de datos y algoritmos?
Desde que se propuso la tesis original, Internet de las cosas ha crecido y se ha unido a tendencias como Cloud Computing, Big Data e IA.
La capacidad de las máquinas para recopilar datos sobre sus entornos, compartir esos datos y analizarlos a través de una combinación de diferentes plataformas significa que los científicos de datos, o las plataformas de análisis con tecnología de inteligencia artificial, pueden analizar datos para responder a casi cualquier pregunta que pueda surgir. tener en cuenta con respecto a ese entorno. Esto podría ser un análisis relacionado con el rendimiento de un sistema en el pasado, o incluso cómo debería funcionar en el futuro teniendo en cuenta un determinado conjunto de datos.
Anirban Kundu ha dado un gran ejemplo de cómo esto podría desarrollarse en la industria manufacturera, y escenarios similares podrían desarrollarse en industrias como la automotriz, el transporte, el comercio minorista o cualquier otra industria que se pueda imaginar.
El análisis generalmente se divide en uno de cuatro tipos:
- Prescriptivo : ayuda a inferir los tipos de acciones que se deben tomar.
- Predictivo : ayuda a inferir qué escenarios es probable que sucedan dado un conjunto de datos particular.
- Diagnóstico : ayuda a comprender qué resultados se lograron y por qué, dado un conjunto de datos en particular.
- Descriptivo: ayuda a comprender lo que está sucediendo actualmente en función de los datos entrantes.
Los datos extraídos con IoT son, cuando están bien diseñados, generalmente lo suficientemente descriptivos como para responder preguntas que se encuentran en cualquiera de las categorías anteriores.