L’analisi dei big data sembra qualcosa di non ancora familiare nel campo della tecnologia avanzata, ma sta iniziando gradualmente a essere utilizzata. In questa sede presenteremo alcuni esempi di utilizzo dell’analisi dei big data e i suoi meriti, introducendo in particolare esempi di IoT e di settori industriali.
L’occhio dell’utilizzo dei Big Data
Lo scopo dell’analisi dei big data è quello di trovare una legge e una correlazione da dati apparentemente disordinati e non privi di errori. Da qui, cerchiamo di aumentare le vendite e migliorare l’efficienza operativa ricavando nuove conoscenze.
Il processo decisionale basato sull’esperienza umana e sull’intuizione è altamente incerto e colpisce quando colpisce, ma spesso viene meno. Inoltre, è necessario un lungo periodo di tempo per acquisire l’intuizione necessaria a prendere decisioni. Inoltre, poiché le esigenze dei clienti si stanno diversificando e il ritmo dei cambiamenti del mercato è sempre più veloce, è molto probabile che l’esperienza e l’intuizione coltivate per molti anni non possano essere superate in un breve periodo di tempo. In questa situazione, è necessario fornire rapidamente nuove conoscenze analizzando grandi quantità di dati senza l’intervento umano.
Inoltre, l’analisi dei big data è considerata utile per cogliere leggi e alcune tendenze basate su preferenze e sensibilità umane che in precedenza erano difficili da quantificare. Ciò significa che è possibile scoprire nuove conoscenze da dati che in precedenza erano esclusi dalla difficoltà di risposta.
Esempi di utilizzo dell’analisi dei big data già conosciuta
Diamo un’occhiata ai casi d’uso dei big data nel mondo reale.
Esposizione dei prodotti nei distributori automatici
I display dei prodotti sono spesso utilizzati come un buon esempio di creazione di leggi dall’analisi dei big data. Presso un’azienda produttrice di bevande, abbiamo modificato l’esposizione dei prodotti di un distributore automatico a “Z” che disponeva i prodotti più venduti dall’alto, come era consuetudine fino a quel momento, in modo che i prodotti su cui ci concentravamo fossero collocati in basso. Questa è l’intuizione derivata dall’installazione di una telecamera per il tracciamento degli occhi (eye tracking camera) che legge la linea di vista in un distributore automatico e dall’analisi dei big data chiamati “linea di vista dell’acquirente”. Come risultato, l’azienda ha ottenuto un aumento delle vendite di diversi punti percentuali.
Molti distributori automatici espongono i campioni di prodotto più in alto rispetto agli acquirenti. Questo perché spesso vengono fissati su un piedistallo di cemento per evitare cadute durante i terremoti. Certo, sembra naturale affermare che in quella posizione è più facile vedere in una posizione leggermente più bassa rispetto all’altezza degli occhi. Tuttavia, le idee che ribaltano la consuetudine già considerata di buon senso, come la visualizzazione della “forma a Z”, sono difficili da concepire per i soli esseri umani.
Comprendere le fluttuazioni della domanda e utilizzarle per gli acquisti e lo sviluppo dei prodotti.
Una delle applicazioni più rappresentative dell’analisi dei big data è la previsione della domanda. In una catena di sushi con nastro trasportatore, ai piatti vengono attaccati dei cartellini a forma di icone per capire quali piatti sono stati venduti e quanto. Quando il commesso tiene il lettore sopra il piatto al momento della contabilità, i dati possono essere acquisiti istantaneamente. Questi dati ammontano a diverse centinaia di milioni all’anno e, grazie all’analisi di questi big data, siamo in grado di cogliere le fluttuazioni delle vendite e della domanda stagionale e di utilizzarle per regolare il volume degli acquisti e lo sviluppo dei prodotti.
Analizzare le tendenze dei clienti per le decisioni della direzione
In alcuni casi, viene utilizzato per l’analisi delle vendite e la gestione dell’inventario nei minimarket. Un minimarket ha scoperto che il 60% delle vendite di un particolare prodotto era sostenuto solo dal 10% degli utenti abituali. Questa è la conoscenza ottenuta analizzando le informazioni dei big data sul regolamento della moneta elettronica. Questo minimarket continua a vendere determinati prodotti perché ha stabilito che hanno un fan accanito.
Un’importante fonte di guadagno per i convenience store è il “next to buy” acquistato insieme al prodotto desiderato. Anche se un prodotto che a prima vista sembra dover terminare le vendite a causa della crescita delle vendite, può trovare un nuovo valore come prodotto importante che porta ad attirare i clienti sapendo di avere fan entusiasti.
I sensi umani decifrati anche come big data
Su un sito di vendita di biancheria intima, siamo riusciti a quantificare le variazioni di taglia dei produttori di biancheria intima analizzando la biancheria restituita e le informazioni dei clienti con i big data. Questo ha portato a un sistema in cui quando un acquirente inserisce la propria taglia, vengono visualizzati solo i prodotti del produttore che si adattano a quella taglia.
Si può dire che è stato in grado di analizzare i big data sulla vestibilità e il comfort della biancheria intima in diverse persone e di presentare i prodotti migliori a ciascun cliente. Poiché la vestibilità e il comfort della biancheria intima appartengono ai sensi e alla sensibilità umana, sono stati considerati difficili da quantificare in generale, ma queste informazioni possono essere analizzate come big data a seconda dell’ingegno.
Esempi di utilizzo dell’analisi dei big data in ambito industriale e IoT
Vediamo alcuni esempi di utilizzo nei settori industriale e IoT.
Cogliere e prevedere le condizioni stradali in tempo reale
Esiste un caso in cui le informazioni sul traffico vengono analizzate fornendo la funzione di comunicazione all’automobile. Raccogliendo le informazioni di guida con un’auto dotata di funzioni di comunicazione, la cosiddetta connected car, e analizzandole con i big data, è possibile ottenere informazioni sugli ingorghi e sugli incidenti. Questi dati possono essere utilizzati per evitare gli ingorghi e prevenire gli incidenti.
Come meccanismo, si determina l’assenza di ingorghi se la velocità di rotazione aumenta o è costante, rilevando il numero di giri del pneumatico al secondo. In altre parole, la situazione stradale viene giudicata dalla variazione della velocità del veicolo. Inoltre, installando un ricevitore GPS nell’auto, rilevando le informazioni sulla posizione ed eseguendo l’analisi dei big data insieme alla variazione della velocità del singolo veicolo, è possibile determinare l’entità dell’ingorgo o la probabilità che si verifichi in una determinata regione. In questo caso, poiché le informazioni provenienti dall’automobile cambiano da un momento all’altro in tempo reale, è necessaria un’elaborazione in tempo reale per l’analisi dei big data.
Funzionamento efficiente della nave
Allo stesso modo, ci sono stati casi in cui il funzionamento delle navi è stato ottimizzato analizzando i big data ottenuti dal rilevamento. Una compagnia di navigazione mercantile collega dei sensori alle navi per raccogliere la velocità del motore, la velocità di marcia e la velocità della corrente oceanica. Siamo riusciti ad analizzare questi dati come big data e a creare un piano di volo ottimale. Quando abbiamo effettivamente operato utilizzando questo piano, abbiamo ottenuto una riduzione del 10% del consumo di carburante. Dal punto di vista del grande pubblico, sembra che il 10% non sia un grosso problema, ma le compagnie di navigazione mercantile gestiscono un gran numero di navi e ci sono molti casi in cui il viaggio è lungo. Il 10% di questi risultati può essere considerato l’effetto di importanti riduzioni dei costi.
Omaggio all’ottimizzazione dell’attività mineraria
In alcuni casi, contribuisce al funzionamento efficiente di macchine per l’edilizia, come pale e bulldozer. Le macchine da costruzione di un produttore di attrezzature edili sono dotate di sensori compatibili con l’IoT. Utilizzando questi sensori per monitorare le informazioni sulla posizione e lo stato di funzionamento ed eseguire l’analisi dei big data in tempo reale, è possibile migliorare l’efficienza operativa e prevedere i guasti. Ciò è utile soprattutto nelle miniere d’oltremare. Le miniere d’oltremare hanno spesso un raggio di estrazione molto ampio ed è necessario scegliere la distanza più breve possibile e trasportare carichi vuoti meno frequentemente. Pertanto, l’ottimizzazione dell’attività estrattiva viene realizzata rilevando il tempo di avvio del motore, la distanza percorsa, la direzione di marcia, ecc. e analizzando questi big data.
L’analisi dei big data sarà più orientata al tempo reale
In precedenza abbiamo visto alcuni esempi di utilizzo dell’analisi dei big data. Come si può notare da questi esempi, la necessità di eseguire analisi di big data in tempo reale aumenterà sempre di più. Edge computing è probabile che sia altamente compatibile in termini di velocità, soprattutto per le applicazioni che richiedono velocità in ambito produttivo. Se si pensa all’analisi dei big data in questo campo di produzione, l’introduzione di edge computing è un’altra opzione.
