Przetwarzanie danych w chmurze przynosi mierzalne korzyści zarówno dla środowiska IT, jak i działalności biznesowej przedsiębiorstw przemysłowych. I przedsiębiorstwa coraz lepiej zdają sobie z tego sprawę, wykorzystując chmurę do wdrażania nowych produktów i procesów.
W opinii przedsiębiorstw z sektora przemysłowego przetwarzanie w chmurze daje możliwość gromadzenia i analizy danych w ilościach, które jeszcze kilka lat temu postrzegane były jako czysta abstrakcja. Jest to o tyle istotne, że te same przedsiębiorstwa jako kluczowy element swoich strategii cyfrowej transformacji wymieniają lepsze wykorzystanie dużych zbiorów danych na temat operacji finansowych, klientów, procesów i łańcucha dostaw, upatrując w nim szansy na poprawę efektywności działania i tworzenie nowych modeli biznesowych.
I nawet jeśli dziś nie wszyscy inżynierowie produkcji korzystają z narzędzi analitycznych w chmurze, nie oznacza to, że nie są one użyteczne dla innych działów. Np. dział HR może wykorzystać oprogramowanie chmurowe do analizy danych pracowników, a sprzedaż i marketing ? do określenia popytu na dany produkt czy usługę. Narzędzia te mają co prawda więcej wspólnego z produktywnością i business intelligence niż z produkcją jako taką, ale w większości firm stanowią punkt wyjścia do rozwoju innych aplikacji analitycznych opartych na chmurze.
Analityka oparta na chmurze jest z kolei pierwszym krokiem do wdrożenia strategii cyfrowej transformacji. Aplikacje, narzędzia i procedury wdrażane w chmurze, nie zaś w siedzibie przedsiębiorstwa, umożliwiają bowiem firmom szybki wgląd w dane operacyjne, a jednocześnie zapewniają obsługę znacznie większych i bardziej heterogenicznych zbiorów informacji oraz możliwość niemal nieograniczonego zwiększania zasobów obliczeniowych. To zaś pozwala pracownikom rozwiązywać coraz większą liczbę złożonych zadań biznesowych ? i to w czasie zbliżonym do rzeczywistego.
Analityka w chmurze od podstaw
Analityka chmurowa to bardzo szerokie pojęcie odnoszące się do kilku warstw przetwarzania danych. Pierwszą z nich tworzy infrastruktura chmurowa, system operacyjny i warstwa sprzętowa niezbędna do przesyłania i przechowywania danych i aplikacji w chmurze. Powyżej znajduje się warstwa zarządzania danymi tworzona przez usługi chmurowe lub jezioro danych (data lake), w której przechowywane są różne typy informacji, w tym ustrukturyzowane i nieustrukturyzowane dane tekstowe, dane wideo i strumieniowe dane IoT. Dane te są wykorzystywane przez aplikacje tworzące warstwę analityczną, które analizują je i przetwarzają, a następnie w takiej formie dostarczają do warstwy wizualizacji. Ta ostatnia prezentuje je w formie trendów, raportów, pulpitów nawigacyjnych i innych form wizualizacji.
W przemyśle wytwórczym operacje analityczne tradycyjnie wykonywane są lokalnie z wykorzystaniem kombinacji danych historycznych i arkuszy kalkulacyjnych. Tego typu analiza umożliwia doraźną diagnostykę, prognozowanie i tworzenie pulpitów nawigacyjnych do zarządzania produkcją. Obecnie jej miejsce coraz częściej zajmuje jednak analityka w chmurze, oferująca przedsiębiorstwom znacznie więcej korzyści.
Burzenie silosów
Aplikacje tworzone i obsługiwane w chmurze czerpią korzyści z możliwości oferowanych przez samą chmurę. Pierwszą jest możliwość rezygnacji z zakupu sprzętu i budowy infrastruktury IT na rzecz elastycznego modelu wynajmu przestrzeni dyskowej. W rezultacie dział IT nie musi zajmować się obsługą i utrzymywaniem drogich serwerów niezbędnych do budowy aplikacji przemysłowych. Zastąpił je model ?płać i używaj?, w którym użytkownik płaci jedynie za tyle zasobów obliczeniowych, ile w danym momencie potrzebuje, i może w każdej chwili zwiększyć lub zmniejszyć ich ilość.
Jakie korzyści to przynosi? Weźmy za przykład sklep internetowy, który 90% swoich transakcji zawiera przed wakacjami. Przed upowszechnieniem się usług chmurowych sprzedawca musiał kupić serwery o mocy obliczeniowej zdolnej obsłużyć ruch na stronie w szczytowym okresie jego natężenia. Przez większość roku moc ta nie była nawet w połowie wykorzystywana. Dziś to już przeszłość.
W przemyśle chmura okazuje się nieocenionym rozwiązaniem np. dla eksperta, który chce wdrożyć nowe narzędzia analityczne, umożliwiające lepszy wgląd w dane operacyjne. Takie narzędzia wymagają dużej elastyczności: ekspert może chcieć w przyszłości objąć analizą nowe źródła danych, takie jak dane procesowe czy kontekstowe, zaś firma może chcieć je udostępnić większej liczbie ekspertów lub innym użytkownikom ? choćby po to, by usprawnić współpracę i podejmowanie decyzji.
Innym czynnikiem napędzającym popyt na rozwiązania chmurowe jest możliwość przeprowadzania nowych rodzajów analiz, np. udostępniania danych historycznych i danych procesowych niemal w czasie rzeczywistym aplikacjom z zakresu uczenia maszynowego (rys. 1). Wielu producentów nie chce uruchamiać modeli uczenia maszynowego w systemach sterowania czasu rzeczywistego, a mimo to chce korzystać z zalet tych systemów i ich zaawansowanych funkcjonalności m.in. w celu poprawy jakości produktu czy prognozowania optymalnych okienek serwisowych dla zapobiegania nieplanowanym przestojom. Skopiowanie danych operacyjnych do chmury zapewnia ich dostępność dla algorytmów uczenia maszynowego, umożliwiając rozwijanie nowych modeli analitycznych bez wpływu na oryginalne dane produkcyjne czy aplikacje bazujące na tych danych.
Co więcej, analityka bazująca na chmurze ułatwia ?burzenie? tzw. silosów danych, zapewniając użytkownikom dostęp do informacji niezależnie od ich źródła. Połączenie owych silosów w ramach chmury pozwala rozszerzyć procesy analityczne na wszystkie oddziały przedsiębiorstwa działające na świecie i opracowywać nowe metody tworzenia globalnych raportów operacyjnych ? wszystko po to, by zoptymalizować działalność firmy (rys. 2).
Jak zacząć pracę z chmurą?
Wdrażając rozwiązania analityczne bazujące na chmurze, warto już na starcie projektu mieć świadomość tego, co chcemy osiągnąć. Bardzo często przedsiębiorstwa energetyczne i firmy przemysłowe poświęcają dużo czasu na planowanie i migrację danych i aplikacji do chmury tylko po to, by zadać sobie na końcu pytanie ?No dobrze, to co teraz??. Warto zdawać sobie sprawę, że samo przeniesienie czy gromadzenie informacji w jeziorze danych w chmurze nie czyni ich bardziej wartościowymi ? to zaledwie pierwszy krok na drodze do wdrożenia całościowej strategii analizy danych.
Najprostszym sposobem na uniknięcie tego błędu jest zaangażowanie ekspertów z zakresu analizy danych już na wczesnym etapie tworzenia projektu. Jedynie ludzie dysponujący pogłębioną znajomością procesów i wiedzą na temat unikatowego wpływu pojedynczych jednostek na całość procedur operacyjnych mogą zapewnić, że dane przeniesione do chmury rzeczywiście poprawią wgląd w procesy i ułatwią podejmowanie produktywnych działań. Im więcej ekspertów otrzyma dostęp do aplikacji analitycznych na etapie ich tworzenia, tym szybszy będzie zwrot z inwestycji.
Inną istotną kwestią w przypadku danych operacyjnych i modeli przetwarzania danych w chmurze jest zachowanie swoistej wstrzemięźliwości na początkowym etapie projektu: zespoły IT muszą bowiem oprzeć się pokusie tworzenia podsumowań i zestawień danych procesowych zawartych w chmurze lub stosowania do nich reguł biznesowych, zanim połączą owe dane z odpowiednią aplikacją do analizy. Tego typu praktyki prowadzą do sytuacji, w której osoba bez wiedzy na temat zasobów lub procesów decyduje z góry, czego chciałby dowiedzieć się ekspert, co może znacznie ograniczyć użyteczność analizy. Najlepszym rozwiązaniem jest tu gromadzenie wszystkich danych w ich oryginalnym formacie, aby analityk sam mógł zdecydować, jak i co zmodyfikować, np. czy usunąć dane lub uzyskać dostęp do danego zbioru w celu jego analizy i opracowania określonego modelu.
Oni odnieśli sukces
Przyjrzyjmy się konkretnemu przykładowi wdrożenia narzędzi do analizy danych w chmurze. Duża firma energetyczna dysponująca ponad 50 zakładami rozproszonymi na znacznym i trudnym geograficznie obszarze zaczęła taką implementację dosyć skromnie ? nakładami sześciu inżynierów zatrudnionych w jednym zakładzie. A mimo to odniosła spory sukces i dziś analizuje dane ze wszystkich obiektów, bazując na rozwiązaniach chmurowych. Jak to zrobiła? Wspomniani inżynierowie zidentyfikowali najpierw trzy aplikacje, w których można wykorzystać analitykę chmurową: monitorowanie stanu zasobów i trendów wydajnościowych, predykcyjne utrzymanie ruchu oraz prognozowanie wielkości produkcji.
W ciągu zaledwie 90 dni zespół rozrósł się do ponad 50 inżynierów zlokalizowanych w ponad 10 zakładach, którzy wspólnie pracowali nad wykorzystaniem nowych źródeł danych, tak aby móc je zastosować w trzech wymienionych aplikacjach, korzystając z możliwości wspólnej pracy i wdrażania rozwiązań w chmurze. Tego typu współpraca pozytywnie wpłynęła na ich kreatywność, zachęcając ich do znalezienia kolejnych aplikacji poprawiających wgląd w procesy, dostępność zasobów i jakość produktów (rys. 3).
Dzięki stopniowemu rozwijaniu projektu z wykorzystaniem skalowalności chmury właściciele firmy mogli zmierzyć jego wpływ na procesy biznesowe, a tym samym zebrać dane potwierdzające użyteczność systemu i zyskać więcej zwolenników dla swojego pomysłu.
Kolejnym krokiem było włączenie do chmury dodatkowych danych IoT ze zdalnych lokalizacji. Należało tu uwzględnić dwa istotne czynniki ? opóźnienie przesyłu i wydajność analizy danych. Twórcy projektu mieli bowiem świadomość, że użytkownicy nie będą chcieli korzystać z uciążliwych narzędzi analitycznych o słabej wydajności i znacznych opóźnieniach. Przed wdrożeniem analityki chmurowej dane z tych obiektów zbierane były i przesyłane ręcznie ? offline.
Aby rozwiązać ten problem, firma zdecydowała się na podejście hybrydowe: wdrożyła rozwiązania z zakresu analityki brzegowej, które częściowo przetwarzają i analizują dane ?na brzegu?, tj. bezpośrednio w miejscu ich wytworzenia. Rezultaty owej analizy przesyłane zaś były do chmury w momencie dostępności sieci.
Branża produkcyjna wciąż jest na wczesnym etapie implementacji rozwiązań z zakresu analityki chmurowej, jednak pierwsze wdrożenia pozwalają już wyciągnąć z nich pewne wnioski dla przyszłych projektów. I tak, firmy muszą dbać o to, aby angażować ekspertów w każde działanie związane z wdrażaniem narzędzi analitycznych. To oni powinni decydować o zwiększeniu lub zmniejszeniu zasobów obliczeniowych w celu połączenia silosów danych w jedną bazę danych. Dane te muszą być przechowywane w całości i w oryginalnym formacie, aby zapewnić odpowiednią elastyczność dostępu i analizy. Ważna jest także współpraca między zespołami i różnymi lokalizacjami. Zwiększa ona bowiem zysk z inwestycji i zakres jej wpływu na całość procesów biznesowych.
Przestrzeganie tych zaleceń ? przy zastosowaniu odpowiedniego oprogramowania analitycznego i połączeniu go z możliwościami platform chmurowych ? może przynieść przedsiębiorstwu znaczne korzyści, usprawniając całość realizowanych przez nie operacji.
Megan Buntain jest dyrektorem ds. partnerstwa w chmurze w firmie Seeq.
