Analytics dalam konteks aplikasi IoT adalah melihat

data yang diterima dan menemukan pola bermakna

dalam data yang ada. Pola-pola ini dapat
mendeskripsikan keadaan data, memprediksi hasil,
menemukan korelasi antar variabel,
memproyeksikan tren dalam data, dan banyak lagi.

Analisis digunakan dalam banyak aspek bisnis, mulai

dari pemasaran hingga manajemen risiko.
IoT DATA AND ANALYTICS

TYPES OF ANALYTICS

FUTURE OF ANALYTICS
Perangkat IoT biasanya melaporkan data
dalam pesan berkala
Diproses baik secara real-time untuk
pengambilan keputusan dan peringatan
segera,
Sehingga dalam batch bisa mendapatkan
wawasan yang lebih mendalam tentang
pembelajaran pola dan perilaku.
 Model pembelajaran analisis batch dan analisis
streaming pada data IoT untuk menentukan
ambang batas analisis waktu nyata.
Kunci lain pemrosesan analitik IoT adalah
pengembangan alat baru, penyimpanan
terdistribusi sumber terbuka, dan kerangka
pemrosesan terdistribusi.
Di perlukan teknologi terukur yang mampu
menganalisis dan menyimpan aliran Big Data
contoh penyimpanan dan
analisis Big Data pada bisnis untuk kemudahan
Analisis dapat dikelompokkan ke dalam empat
kategori besar
 Analisis deskriptif, juga dikenal sebagai statistik deskriptif, memberikan
gambaran numerik atau grafis dari data yang tersedia.

Analisis ini juga bisa menarik kesimpulan dari masa lalu. Mengetahui
status data IoT saat ini memberikan dasar untuk membandingkan
keadaan di masa depan.

Alat analisis deskriptif bisa sesederhana melacak lalu lintas situs web
atau lebih rumit

Analisis deskriptif menjawab pertanyaan-pertanyaan :

Apa yang telah terjadi? Seberapa sering hal ini Seberapa handalkah Seberapa akuratnya?
terjadi? informasi tersebut?
Jenis analitik ini sering kali digabungkan dengan analitik
deskriptif, dan, bersama-sama, keduanya dapat
memberikan interaktivitas data yang lebih besar.

Analisis deskriptif menjawab pertanyaan :

mengapa ini terjadi?

Alat diagnostik dapat diterapkan

pada data untuk mencari akar
permasalahan di balik hasil yang
diamati pada data asli.
Analitik prediktif menyediakan sarana untuk memproyeksikan
apa yang akan terjadi selanjutnya, berdasarkan apa yang telah
terjadi di masa lalu. sehingga menemukan pola dan tren
dalam data, hasil di masa depan dapat diprediksi.

Bisnis dapat menggunakan analisis prediktif dalam penerapan

IoT mereka sebagai bagian dari manajemen rantai pasokan
dan proses manufaktur untuk meningkatkan efisiensi.
 Analisis preskriptif menggunakan model untuk merekomendasikan
tindakan dan memperkirakan hasil guna mengurangi risiko.

Analisis deskriptif menjawab pertanyaan :

apa yang harus dilakukan bisnis berdasarkan

data yang telah dikumpulkan dan dianalisis.

Analisis preskriptif dan prediktif juga bekerja sama; keduanya dapat digunakan
untuk membuat pilihan yang lebih baik dan memanfaatkan peluang karena
data masa lalu digunakan untuk menghitung hasil di masa depan.
Memberikan wawasan yang lebih luas terhadap data.
Kemampuan untuk menyediakan pemrosesan informasi dalam
skala besar.
Analisis di perlukan dalam interval agar tindakan yang
dihasilkan menjadi valid, sehingga kualitas hasil keputusan
bisnis akan naik.
Kebutuhan akan kecepatan termasuk analisis real-time atau
hampir real-time semakin penting untuk bertindak berdasarkan
data yang sedang bergerak.
Kemampuan untuk menerapkan platform analitik di cloud
memainkan peran utama dalam hal ini.
Komputer mobil dapat memprediksi lalu lintas
berdasarkan waktu dan kemudian menentukan rute
yang harus diambil dan kecepatan perjalanan yang
aman. Namun analitik hanya akan memprediksi,
misalnya, bahwa suatu bagian mesin akan rusak jika ia
pernah melihat tanda-tanda kegagalan tersebut
sebelumnya. Oleh karena itu, mengumpulkan data dari
penerapan besar sangatlah penting.