Les défis de la télémétrie en matière de données

La télémétrie est le processus de communication automatisé qui permet d'effectuer des mesures et de collecter des données à distance. Les données sont ensuite transmises à un équipement de réception à des fins de contrôle. Le mot "télémétrie" est dérivé des racines grecques : tele = distant, et metron = mesure.

La télémétrie n'est pas un concept nouveau, c'est certain. Nous observons la télémétrie à l'œuvre depuis des décennies. Par exemple, nous avons attaché des émetteurs aux animaux migrateurs, aux bouées météorologiques, à la surveillance sismique, etc. Cependant, l'utilisation de la télémétrie continue de s'accélérer et cette technologie va poser d'énormes défis à ceux d'entre nous qui sont responsables de la collecte, de l'intégration et de l'analyse des données.

L'essor le plus récent de la télémétrie est lié à l'utilisation de nouveaux dispositifs peu coûteux que nous employons aujourd'hui pour collecter toutes sortes de données. Il peut s'agir de Fit Bits qui semblent être attachés à tout le monde de nos jours pour compter les pas que nous faisons, de thermostats intelligents qui surveillent la température et l'humidité, ou encore d'informations fournies par nos automobiles sur l'état du moteur.

L'essor de l'"internet des objets" en fait également partie. Il s'agit d'une expression à la mode inventée par une industrie qui cherche à mettre un nom sur l'apparition rapide de nombreux appareils capables de produire des données, ainsi que sur la capacité de ces appareils à s'auto-analyser et donc à s'auto-corriger. Les appareils d'IRM dans les hôpitaux, les robots dans les usines, ainsi que les capteurs de mouvement qui enregistrement activité des employés, ne sont que quelques-uns des dispositifs qui produisent des mégaoctets de données chaque jour.

En règle générale, ce type d'informations sort des appareils sous forme de flux de données non structurées. Dans certains cas, les données sont conservées sur l'appareil, dans d'autres non. Quoi qu'il en soit, les informations doivent être collectées, placées dans une structure de stockage appropriée, éventuellement combinées à d'autres données, et stockées dans une base de données transactionnelle. À partir de là, les données peuvent être transférées vers une base de données analytique ou analysées sur place.

Les problèmes surviennent lorsqu'il s'agit de traiter ces informations. Il est évident que l'intégration des données est essentielle pour la plupart des opérations de télémétrie. Les informations doivent être gérées d'un point à l'autre, puis conservées dans des bases de données transitoires ou analytiques. Bien qu'il s'agisse de quelque chose que nous faisons depuis un certain temps, le volume d'informations que ces dispositifs à distance génèrent est nouveau, et nous avons donc un besoin croissant de gérer un volume croissant de données de manière efficace.

Prenons le cas des nouveaux appareils de télémétrie médicale qui arrivent sur le marché. Ils peuvent surveiller la plupart de nos signes vitaux, notamment la pression artérielle, la respiration, la saturation en oxygène et le rythme cardiaque, à des intervalles de moins d'une seconde. Ces capteurs transmettent généralement les données à un téléphone intelligent, où les informations sont formatées pour être transférées vers une base de données distante, généralement dans le nuage.

La valeur de ces données est très élevée. En rassemblant ces données au fil du temps et en effectuant des analyses par rapport à des modèles de données connus, nous pouvons déterminer l'évolution réelle de notre santé. Nous pourrons peut-être détecter une crise cardiaque ou d'autres problèmes de santé majeurs avant qu'ils ne se produisent. Ou encore, ces informations pourraient permettre d'améliorer les données relatives aux traitements et aux résultats, étant donné que les symptômes, les traitements et les résultats seront désormais suivis de près sur plusieurs années.

Alors que la quantité de données était relativement raisonnable dans le passé, le nombre de points de données et la fréquence de collecte explosent. Il est impératif que nous trouvions la meilleure voie vers l'intégration des données pour l'utilisation croissante de la télémétrie. Quelques besoins sont certains :

• La nécessité de recueillir des informations pour des centaines, voire des milliers de points de données/appareils en même temps. Nous devons donc identifier la source des données, ainsi que la manière dont elles doivent être gérées en vol et lorsqu'elles sont stockées sur un site cible.
• La nécessité de traiter des mégaoctets, voire des gigaoctets de données par heure provenant d'un seul appareil, alors qu'auparavant il ne s'agissait que de quelques kilooctets. Compte tenu du nombre croissant d'appareils (notre point précédent), le calcul est facile à faire. La quantité de données à transmettre et à traiter explose.
• Les quantités massives de données entraîneront des problèmes de gouvernance et de qualité des données qui doivent être résolus au niveau de la couche d'intégration des données. Les données ne sont généralement pas validées lorsqu'elles sont générées par un appareil, mais elles doivent être vérifiées à un moment ou à un autre. En outre, la complexité de ces systèmes signifie que l'utilisation d'approches et de technologies de gouvernance données est un impératif.

C'est un sujet passionnant, si vous voulez mon avis. Nous apprenons à collecter les bonnes données, en plus grand nombre, et à les exploiter pour obtenir des résultats plus intéressants. Cet état des données est l'objectif depuis des années, mais il n'a jamais été vraiment possible de l'atteindre. Les progrès de la télémétrie d'aujourd'hui signifient que nous avons une grande opportunité devant nous.

À propos d'Actian Corporation

Actian facilite l'accès aux données. Notre plateforme de données simplifie la façon dont les gens connectent, gèrent et analysent les données dans les environnements cloud, hybrides et sur site . Avec des décennies d'expérience dans la gestion des données et l'analyse, Actian fournit des solutions de de haute performance qui permettent aux entreprises de prendre des décisions basées sur les données. Actian est reconnu par les principaux analystes et a reçu des prix de l'industrie pour sa performance et son innovation. Nos équipes partagent des cas d'utilisation éprouvés lors de conférences (par exemple, Strata Data) et contribuent à des projets à code source ouvert. Sur le blog d'Actian, nous couvrons des sujets allant de l'ingestion de données en temps réel à l'analyse pilotée par l'IA.