Die Datenherausforderungen der Telemetrie

Telemetrie ist ein automatisches Kommunikationsverfahren, mit dem an entfernten Punkten Messungen durchgeführt und Daten gesammelt werden. Die Daten werden dann zur Überwachung an ein Empfangsgerät übertragen. Das Wort "Telemetrie" leitet sich von griechischen Wurzeln ab: tele = fern und metron = messen.

Telemetrie ist kein neues Konzept, das steht fest. Wir beobachten die Telemetrie schon seit Jahrzehnten bei ihrer Arbeit. Wir haben zum Beispiel Sender an wandernde Tiere, Wetterbojen, seismische Überwachung usw. angebracht. Die Nutzung der Telemetrie nimmt jedoch weiter zu, und diese Technologie stellt diejenigen von uns, die für die Datenerfassung, Datenintegration und Datenanalyse zuständig sind, vor große Herausforderungen.

Der jüngste Aufschwung der Telemetrie steht im Zusammenhang mit der Verwendung neuer und preiswerter Geräte, mit denen wir nun alle Arten von Daten sammeln können. Das reicht von Fit Bits, die heutzutage jeder zu tragen scheint, um die Schritte zu zählen, die wir machen, über intelligente Thermostate, die Temperatur und Luftfeuchtigkeit überwachen, bis hin zu Informationen, die unsere Autos über den Zustand des Motors ausgeben.

Das Aufkommen des "Internet der Dinge" ist ebenfalls Teil davon. Dabei handelt es sich um eine Modewort-Erfindung einer Branche, die das rasche Auftauchen vieler Geräte, die Daten produzieren können, sowie die Fähigkeit dieser Geräte zur Selbstanalyse und damit zur Selbstkorrektur benennen will. MRT-Geräte in Krankenhäusern, Roboter in Fabrikhallen sowie Bewegungssensoren, die die Aktivität von Mitarbeitern Aufzeichnung , sind nur einige der Dinge, die jetzt jeden Tag Megabytes an Daten produzieren.

In der Regel fließen diese Art von Informationen als unstrukturierte Datenströme aus den Geräten. In einigen Fällen werden die Daten auf dem Gerät gespeichert, in anderen nicht. In jedem Fall müssen die Informationen gesammelt, in eine geeignete Struktur zur Speicherung gebracht, vielleicht mit anderen Daten kombiniert und in einer Transaktionsdatenbank gespeichert werden. Von dort aus können die Daten an eine analytisch orientierte Datenbank weitergegeben oder On-Premises analysiert werden.

Probleme entstehen, wenn es an der Zeit ist, mit diesen Informationen umzugehen. Offensichtlich ist die Datenintegration für die meisten Telemetrievorgänge von entscheidender Bedeutung. Die Informationen müssen von Punkt zu Punkt verwaltet werden und dann in Übergangs- oder Analysedatenbanken gespeichert werden. Dies ist zwar etwas, was wir schon seit einiger Zeit tun, aber die Menge an Informationen, die diese dezentralen Geräte ausspucken, ist neu, und daher müssen wir eine wachsende Menge an Daten effektiv verwalten .

Ein Beispiel dafür sind die neuen Gesundheitstelemetriegeräte, die auf den Markt kommen. Sie können die meisten unserer Vitalwerte, einschließlich Blutdruck, Atmung, Sauerstoffsättigung und Herzfrequenz, im Sekundentakt überwachen. Diese Sensoren übertragen die Daten in der Regel an ein Smartphone, wo die Informationen für die Übertragung an eine entfernte Datenbank, in der Regel in der Cloud, formatiert werden.

Der Wert dieser Daten ist sehr hoch. Wenn wir diese Daten im Laufe der Zeit sammeln und mit bekannten Datenmustern abgleichen, können wir den wahren Verlauf unserer Gesundheit ermitteln. Vielleicht werden wir in der Lage sein, einen Herzinfarkt oder andere größere Gesundheitsprobleme zu erkennen, bevor sie tatsächlich auftreten. Oder diese Informationen könnten zu besseren Behandlungs- und Ergebnisdaten führen, wenn man bedenkt, dass die Symptome, die Behandlung und die Ergebnisse nun über Jahre hinweg genau überwacht werden.

Während die Datenmenge in der Vergangenheit relativ überschaubar war, explodieren die Anzahl der Datenpunkte und die Häufigkeit der Erfassung. Es ist zwingend erforderlich, dass wir den besten Weg zur Datenintegration für die zunehmende Nutzung der Telemetrie herausfinden. Ein paar Anforderungen sind sicher:

• Die Notwendigkeit, Informationen für Hunderte, vielleicht Tausende von Datenpunkten/Geräten gleichzeitig zu sammeln. Daher müssen wir die Datenquelle ermitteln und wissen, wie die Daten während des Flugs und bei der Speicherung am Zielort verwaltet werden sollen.
• Die Notwendigkeit, Megabytes, vielleicht sogar Gigabytes an Daten pro Stunde von einem einzigen Gerät zu verarbeiten, wo es früher nur ein paar Kilobytes waren. In Anbetracht der wachsenden Zahl von Geräten (unser vorheriger Punkt) ist die Rechnung einfach. Die Datenmenge, die übertragen und verarbeitet werden muss, explodiert.
• Die riesigen Datenmengen führen zu einigen Problemen bei der data governance und der Datenqualität, die auf der Datenintegrationsebene gelöst werden müssen. Daten werden in der Regel nicht validiert, wenn sie von einem Gerät generiert werden, aber sie müssen irgendwann überprüft werden. Darüber hinaus bedeutet die Komplexität dieser Systeme, dass der Einsatz von data governance und -Technologien unabdingbar ist.

Das ist eine aufregende Sache, wenn Sie mich fragen. Wir lernen, die richtigen Daten in größerem Umfang zu sammeln und diese Daten für wertvollere Ergebnisse zu nutzen. Diese Datenlage wird seit Jahren angestrebt, aber sie war nie wirklich erreichbar. Die heutigen Fortschritte in der Telemetrie bedeuten, dass wir eine große Chance vor uns haben.

Über Actian Corporation

Actian macht Daten einfach. Unsere Datenplattform vereinfacht die Verbindung, Verwaltung und Analyse von Daten in Cloud-, Hybrid- und lokalen Umgebungen. Mit jahrzehntelanger Erfahrung in den Bereichen Datenmanagement und -analyse liefert Actian leistungsstarke Lösungen, die es Unternehmen ermöglichen, datengesteuerte Entscheidungen zu treffen. Actian wird von führenden Analysten anerkannt und wurde für seine Leistung und Innovation mit Branchenpreisen ausgezeichnet. Unsere Teams präsentieren bewährte Anwendungsfälle auf Konferenzen (z. B. Strata Data) und tragen zu Open-Source-Projekten bei. Im ActianBlog behandeln wir Themen wie Echtzeit-Dateneingabe, Datenanalyse, Data Governance, Datenmanagement, Datenqualität, Datenintelligenz und KI-gesteuerte Analysen.