В настоящее время IoT в основном используется для текущего контроля процессов. Умные устройства помогают в решении конкретных задач: контроль безопасности дома, проверка эффективности сотрудника. В перспективе интернет вещей сможет поможет прогнозировать экстренные ситуации и предотвращать их происшествие.
В 2018 году по подсчетам аналитического агентства IDC мировой объем данных составил 33 зеттабайта, а к 2025 году он превысит 175 зеттабайт. То есть, для скачивания всей этой информации на скорости в 25 Мбит\с, потребуется около 1,8 млрд лет, а чуть меньше миллиарда лет уйдет лишь на загрузку данных от устройств, подключенных к сети интернета вещей.
Предиктивная аналитика — это одно из наиболее перспективных направлений обработки этого массива данных. Среди сотен зеттабайт информации ИИ находит закономерности, которые неочевидны человеку, и проанализировать эти данные вручную технически невозможно.
Как появилась предиктивная аналитика?
Самые первые попытки использования предиктивной аналитики осуществлялись еще задолго до появления IoT. Сначала финансовые организации самостоятельно собирали информацию о клиенте, оценивая все риски и покупки банковских продуктов. Сейчас же банки занимаются скорингом, то есть покупают и обрабатывают информацию о человеке, которую он предоставил сам о себе в сети Интернет.
Развитие IoT, искусственного интеллекта, облачных технологий и вычислительных мощностей стали почвой для стремительной эволюции предиктивной аналитики. Система после предварительного обучения на базе исторических и актуальных данных система может сделать выводы и принять решения практически исключая человеческий фактор.
Как используется предиктивной аналитики?
В первую очередь системы предиктивной аналитики составляют: собирают статистику, которая анализируются последние десятки и сотни лет, и предсказывают природные катаклизмы, погодные явления и т.д. Помимо общественных и научных сообществ, систему активно внедряют в МЧС.
В наши дни такие системы контролируют техническое состояние продукта или оборудования. Это позволяет спрогнозировать жизненный цикл изделия. Системы определяют, когда и какую деталь необходимо заменить до того, как неисправность нанесет ущерб.
Также предиктивная аналитика оценивают поведение людей, чтобы помочь понять бизнесу, какого рода взаимодействие с ними будет наиболее эффективно.
Системы нивелируют человеческий фактор, когда речь идет об управленческих решениях. Они заранее анализируют потенциальные риски и предоставляют оптимальные решения, что особенно важно для организаций, в которых ошибка или несвоевременность может стоить человеку жизни (например, автоматически объявить эвакуацию в аварийной ситуации).
Перспективные сферы для развития.
В первую очередь слово «прогноз» ассоциируется с метеорологией. В Великобритании служба Met Office собирает данные с различных измерительных приборов круглосуточно в автоматическом режиме. Система фиксирует даже минимальные колебания среды, что, в свою очередь, позволяет исследователям делать более точные прогнозы погоды и давать объективную оценку изменению климата. Также контролируется уровень загрязнения воздуха, воды и почвы. Интернет вещей помог сделать услуги английских метеорологов интересными и для бизнеса. В Met Office обращаются различные компании, чтобы узнать, повлияла ли погода на конкретный бизнес-результат, например изменения спроса на тот или иной продукт.
В продажах система прогнозирует эффективность мероприятий, акций, маркетинговых стратегий. Она оценивает потенциальный спрос на ту или иную категорию товара, анализирует поведение покупателя и подсказывает, как именно с ним взаимодействовать для успешной продажи.
Так американская компания Walmart первой из ритейлеров оптимизировала систему снабжения с помощью интернета вещей. Система собирает данные с кассовых терминалов и на их основе ИИ делает выводы о востребованности того или иного продукта. В данном случае предиктивная аналитика помогает рационально организовывать поставки, уменьшить риск необходимости корректировки заказов, вовремя среагировать в ситуациях, когда превышает предложение спрос или наоборот.
В сфере здравоохранения ИИ поможет анализировать истории болезни каждого пациента, регулярно собирать, обновлять и обрабатывать данные, поступающие от каждого больного и предупреждать возможные скорые проявления хронических болезней, рецидивов и т.д. Например, для этого можно использовать фитнес-трекеры. Сейчас технологии уже могут по звуку дыхания обнаружить приближающиеся заболевания легких.
С помощью таких систем транспортное средство сможет подстраиваться под водителя — запомнить предпочтительную скорость движения, автоматически включить нужные приложения и т.д. Также транспорт сможет фиксировать так негативные действия водителя как превышение скорости или непристегнутый ремень, и сможет передавать информацию о них условно в ДПС. Собранные могут быть полезны и страховым компаниям.
В промышленности обрели популярность системы автоматической интеллектуальной диагностики (САИД). С их помощью предприятия экономят на сервисных и ремонтных работах. Для проверки электротехнического оборудования используются предиктивные комплексы на базе спектрального анализа тока. Это простой и сравнительно бюджетный способ.
В сфере досуга система может спрогнозировать туристические потоки в конкретном направлении в интересующий период.
Технология будет полезна в охране природы и экологии. Не самый очевидный пример применения предиктивной аналитики — это деятельность зоопарков. Например, она уже дала положительные результаты в Соединенных Штатах Америки. Сотрудники зоопарков предположили, что если заранее знать количество посетителей, то можно варьировать количество обслуживающего персонала, что поможет сэкономить. Руководство зоопарка объединило данные метеорологической службы с платформой на основе ИИ. Решение позволило определять посещаемость с точностью до 95%. В планах расширение функционала IoT на территории — с помощью датчиков можно будет следить за самими животными, их здоровьем, поведением и привычками.
Использование России и за рубежом.
Интерес к предиктивной аналитике пока не сформирован окончательно. Очевидно, пока она зарождается только в корпоративном секторе. Уже начали проявлять интерес компании из добывающей, нефтегазовой и химической промышленности. Представители крупных металлургических компаний ранее рассказывали СМИ, что у них технологии развиваются очень быстро, поскольку они конкурируют на международном уровне. Однако сейчас в мире этот рынок только формируется.
Пессимистичные прогнозы развития.
Норвежская компания Telenor назвала одним из основных трендов 2020 года так называемые “грязные” данные. По мнению аналитиков организации, данных станет настолько много, что среди них сможет оказаться ложная или неточная информация, которую будет невозможно выявить в общем массиве данных. Ошибочные данные в результате могут дать неверные прогнозы, что однозначно отрицательно повлияет на уровень доверия людей к информационным технологиям. Также представители компании предполагают, что люди будут выкладывать меньше личной информации в социальных сетях. Соответственно, чем меньше такой информации будет доступно в сети Интернет, тем меньше будет оставаться возможностей для предиктивной аналитики.
https://cloudnetworks.ru/analitika/iskusstvennyj-intellekt-i-prediktivnaya-analitika/
