To co aktualnie się dzieje w świecie technologii WWW i w ISPRO

Czy wykorzystanie i przechowywanie energii słonecznej jest stuprocentowo opłacalne i odnawialne?

W ISPRO przyjrzyjmy się rzeczom nieoczywistym dotyczącym tematu wykorzystania energii słonecznej.

Ceny paneli spadają, a wydajność instalacji wzrasta. Wszyscy wokół trąbią, że energia z paneli słonecznych jest ekologiczna i czysta, ale rzadko kto wspomina, że do produkcji paneli wykorzystywane są szkodliwe substancje chemiczne. Mimo że jest to wykorzystywane w kontrolowanych warunkach i na małych obszarach, aby zminimalizować szkodliwość, to jednak jest to fakt. Chociaż zwykle myślimy o energii odnawialnej w kategoriach jej źródeł, takich jak turbiny wiatrowe i panele słoneczne, to tylko połowa obrazu. Idealnie byłoby połączenie energii odnawialnej z jej odnawialnym i ekologicznym magazynowaniem.

Czytaj dalej

Pierwszy krok do wynalezienia sztucznego serca – ryborobot z komórek ludzkiego serca stworzony przez naukowców z Uniwersytetu Harvardzkiego

Bardzo możliwe, że dzięki temu wynalazkowi, jesteśmy coraz bliżej stworzenia bardziej zaawansowanej sztucznej pompy mięśniowej serca.

W celu dokładniejszego zbadania chorób serca takich jak arytmia serca, badacze z Harvardu za pomocą komórek mięśnia sercowego, stworzyli pierwszą całkowicie autonomiczną biohybrydową rybę. Jak to możliwe, że się ona samoistnie porusza? Ten “ryborobot” posiada dwa paski komórek ludzkiego serca i pływa poprzez odzwierciedlanie ruchów mięśnia sercowego pompującego krew do tętnic. Według ekspertów Uniwersytetu Harvardzkiego ten wynalazek przybliżył ich do stworzenia bardziej zaawansowanej technologicznie pompy mięśniowej.

W jaki sposób ta biohybrydowa ryba pływa?

Stworzenie tej sztucznej ryby zostało zainspirowane prawdziwą rybą o nazwie Danio pręgowany, a dokładnie jej kształtem i ruchem, który wykonuje podczas pływania.
Ogon sztucznej ryby stworzonej przez harvardzkich naukowców posiada po obu stronach komórki ludzkiego serca. Naukowcy wyjaśniają, że w tym samym czasie gdy jedna strona płetwy się kurczy, druga się rozciąga, sprawiając, że ryba wygląda jakby pływała. Ryba pływa już nieustannie od ponad 100 dni.

 

 

Wynalazcy wyjaśniają cel, który przyświecał stworzeniu biohybrydowej ryby

Kit Parker harvardzki profesor i autor publikacji znajdującej się w magazynie „Science” zgodnie z raportem uczelni powiedział, że ich nadrzędnym celem jest stworzenie sztucznego serca, które mogłoby zastąpić zdeformowane czy wadliwe serca u dzieci.

Dlaczego jednak wykorzystali model ryby, a nie od razu model serca?

Na razie naukowcy skupili się na odwzorowaniu prostego bicia serca w skonstruowanej przez siebie tkance.
Zainspirowani biofizyką serca i jego podobieństwem do ruchu ryby, stwierdzili, że zamiast zastosować od razu model serca, łatwiej będzie zastosować kluczowe zasady biofizyki serca, które sprawiają, że się ono porusza, w modelu żywej pływającej ryby. Jest to po prostu łatwiejsze do stworzenia i sprawdzenia, czy osiągnęli sukces na tym etapie.

Co umożliwiło powstanie autonomicznej ryby?

Ten najnowszy wynalazek mógł powstać dzięki wcześniejszym badaniom należącej do Parkera, Disease Biophysics Group, która w 2012 roku za pomocą komórek mięśnia sercowego od szczurów stworzyła biohybrydową pompę przypominającą meduzę oraz w 2016 roku sztuczną płaszczkę. Co więcej, ryba potrafi kontrolować częstotliwość i rytm tych spontanicznych skurczy, ponieważ twórcy dodali wymyśloną przez nich węzeł stymulujący. Czyli taki stymulator, rozrusznik, który kontroluje rytm skurczy, występujących w rybie. Naukowcy twierdzą, że ta biohybrydowa ryba staje się coraz sprawniejsza z wiekiem, ponieważ odkryli, że po pierwszym miesiącu zwiększa się częstotliwość skurczy mięśni, maksymalna możliwa prędkość pływania oraz polepsza się koordynacja mięśni. Dzieje się tak, ponieważ komórki kardiomiocytów dojrzewają.

Podsumowanie

Według naukowców z Harvardu jesteśmy coraz bliżej wynalezienia sztucznego serca, które będzie mogło uratować życie wielu dzieciom, a może i w przyszłości nawet dorosłym. To byłby kolejny przełom w medycynie. Ta autonomiczna ryba stworzona z komórek ludzkiego serca, jest tylko obiecującym początkiem czegoś wielkiego i wspaniałego, na co musimy jeszcze troszkę poczekać.

Cyberataki w Ukrainie – USA demaskuje hackerów

 

Biały Dom szybciej niż kiedykolwiek wskazał palcem na Rosję jako sprawcę cyberataku, który miał ostatnio miejsce przeciwko Ukrainie. Jest to najnowszym znakiem tego, że Ameryka nie ma problemów z szybkim odnalezieniem sprawców cyberataków, a miała tylko dylemat z ich szybkim upublicznianiem.

USA odkrywa związek Rosji z cyberatakami w Ukrainie 

W dniach 15 i 16 lutego, rządowe i bankowe strony internetowe Ukrainy padły ofiarą zdecydowanego cyberataku. Po zaledwie 48 godzinach po tym ataku Biały Dom ujawnił, że za sprawą tych ataków stoją rosyjscy szpiedzy. Zastępczyni doradcy ds. Cyberbezpieczeństwa i nowych technologii w administracji Biden’a, Anne Neuberger, powiedziała, że USA ma informacje, które zdecydowanie pokazują związek Głównego Zarządu Sztabu Generalnego Sił Zbrojnych Federacji Rosyjskiej (GRU), czyli organu wywiadu zagranicznego Ministerstwa Obrony Federacji Rosyjskiej, z atakiem DDoS na Ukrainę.

Co to jest atak DDoS?

DDoS to skrót od Distributed Denial of Service. Można ten skrót rozumieć jako rozproszoną odmowę dostępu. Atak DDOS polega na zaatakowaniu danego serwisu lub kont z kilku komputerów jednocześnie w tym samym czasie. W konsekwencji użytkownicy, którzy ulegną takiemu atakowi, mają zablokowany dostęp do łączy lub serwisów internetowych. 

Ekspresowe upublicznienie informacji przez USA

Szybkość, z jaką siły zwiadowcze USA i Wielkiej Brytanii były w stanie zidentyfikować sprawce masowego cyberataku, pokazuje ogromną zmianę w porównaniu z poprzednimi atakami. Określanie sprawców cyberataków staje się istotnym narzędziem dla Stanów Zjednoczonych we wszelkich konfliktach cybernetycznych. W ostatnich latach mogliśmy zaobserwować zwiększoną tendencje USA i Wielkiej Brytanii do współpracy przy wyszukiwaniu sprawców cyberataków — szczególnie jeśli dotyczy to Rosji, tak jak było i w tym przypadku. Jednakże szybkość, z jaką ogłoszono tym razem sprawców, jak przyznaje sama Neuberger, jest niezwykła. 

Dlaczego tak szybko ujawniono informacje?

Jak tłumaczy Neuberger, upubliczniono te informacje, aby zachowanie to szybko zostało zanegowane, potępione i ocenione jako zakłócające wszelkie bezpieczeństwo cybernetyczne. Stany Zjednoczone nie chciały popełnić błędów z przeszłości.

Co skłoniło USA do zmiany polityki?

Ta nowa polityka ma swoje źródło w tym co działo się podczas wyborów prezydenckich w Stanach w 2016 roku. Gavin Wilde, były członek Rady Bezpieczeństwa Narodowego Stanów Zjednoczonych pomógł dokonać przełomowej oceny wywiadowczej, która szczegółowo opisała moskiewskie kampanie hakerskie i dezinformacyjne z tego czasu mające na celu wywarcie znacznego wpływu na wybory prezydenckie. Było to możliwe dzięki wspólnym wysiłkom wszystkich agencji wywiadowczych Stanów Zjednoczonych i ich zaangażowaniu. To olbrzymie przedsięwzięcie udało się podjąć dzięki prezydentowi Obamie. Wtedy jednak te rosyjskie ataki cybernetyczne nie były upublicznione aż do 2017 roku, czyli kilka miesięcy po wyborach.  Jednakże Wilde powiedział, że siłom wywiadowczym USA towarzyszyło w tej sprawie uczucie bezradności, ponieważ dokładnym celem rosyjskich działań było Amerykańskie społeczeństwo i jego destabilizacja i nie mogli tego ujawnić. Mimo wszystko cała tamtejsza obszerna analiza sytuacji robi ogromne wrażenie w porównaniu z wcześniejszymi mniej znanymi sytuacjami. Niestety mimo obszernego raportu i ewaluacji, Wide uważa za porażkę to iż siły USA nie były wtedy, podczas tamtych wyborów, w stanie zapobiec rosyjskim atakom hakerskim.

Czy Tesla Bot to przyszłość, czy nikomu niepotrzebny gadżet?

Czy Tesla Bot wyręczy nas ze wszystkiego?

Tesla Bot założenia ma być przyjaznym człowiekowi, wiernym i oddanym robotem. Ma bezproblemowo nawigować w świecie przeznaczonym dla człowieka. CEO Tesli chce, aby w przyszłości praca fizyczna nie była obowiązkiem, lecz wyborem.

Tesla kojarzy Wam się zapewne z zaawansowaną technologią samochodową, nowoczesnością i elektrycznością.
Teraz Tesla poszła o krok dalej i ma wizjonerskie plany o stworzeniu sztucznej inteligencji zamkniętej w postaci łudząco przypominającej człowieka. Tesla Bot nie będzie miał żadnych super mocy czy ponadprzeciętnych zdolności. Ma mieć „przeciętny” wzrost i wagę, czyli 172 cm oraz ok. 56 kg. Ma poruszać się z prędkością 8 km/h.

Waga, wzrost Tesla Bot
Dlaczego przeciętne umiejętności?

No wiadomo, że w razie buntu robotów, czyli tego czego ludzkość obawia się od dawna. Dzięki temu będziesz mógł przed nim uciec i łatwo się obronić! Elon Musk podszedł do swojego pomysłu z poczuciem humoru. Minął już ponad tydzień od kiedy Elon przedstawił ten wyjątkowy pomysł w swojej prezentacji podczas Tesla AI Day. Informacja ta rozeszła się hukiem po internecie, a Tesla Bot stał się hitem i memem. Z wyglądem i przeciętnością Tesla Bota polemizuje wielu użytkowników Internetu. Mimo wszystko najważniejsze, aby działał. Na razie poszukiwani są inżynierzy. Jeśli celem Elona była promocja działań Tesli i rekrutacja nowych talentów do firmy, to wyszło mu to bardzo dobrze.

Elon Musk

Zasadniczo, jeśli myślisz o tym, co robimy teraz z samochodami, Tesla jest prawdopodobnie największą na świecie firmą zajmującą się robotyką, ponieważ nasze samochody z autopilotem to przecież takie rozumne roboty na kółkach – mówi Musk.

Czy Tesla Bot jest tak naprawdę potrzebny?

Szczegóły techniczne Tesla Bot

Tesla Bot ma wykonywać za nas całą fizyczną pracę. Ma być takim naszym przyjaznym asystentem. Ktoś traktuje Cię jak popychadło? Nie wiesz, w co ręce włożyć? Dzięki Tesla Bot nie będziesz się musiał już o nic martwić. To wszystko brzmi pięknie, ale czy tak naprawdę jest nam potrzebne do życia? Ma na przykład robić zakupy lub podawać narzędzia w fabrykach. Jednakże trzeba sobie zadać istotne pytanie. Czy aby na pewno jest nam potrzebny taki nieporęczny pomocnik? Po co nam humanoidalny robot, który będzie zajmował miejsce przy zlewie skoro już mamy kompaktowe zmywarki? Po co robot, który będzie latał w domu z odkurzaczem jeśli już mamy robota, który odkurza sam?

A może jednak byłoby to coś przełomowego? Może mógłby wykonywać za nas te niebezpieczne prace i pomagać tam, gdzie człowiek nie daje rady? Mimo coraz większego postępu, na razie samo pójście na zakupy jest ogromnym wyzwaniem dla nas a co dopiero dla sztucznej inteligencji. Czy musiałby mieć podany dokładny numer każdego produktu? Zapewne polecenie kup mleko nie byłoby wystarczające. Jednak korzystając z autopilota Tesli, przynajmniej trafiłby do sklepu. Mimo wszystko ten projekt ma ogromny potencjał. Jestem ciekawa, co przyniesie przyszłość.

Wypadki na drodze z autonomicznymi samochodami Tesli a Tesla Bot

Tesla Bot ma się opierać na tej samej technologii co autopiloty w samochodach Tesli.

A może jednak Tesla Bot to tylko sprytna próba odciągnięcia od toczącej się sprawy związanej ze sprawdzeniem autopilotów Tesli pod względem bezpieczeństwa. W Stanach Zjednoczonych zaraportowano 11 wypadków, w których wzięły udział samochody Tesli z autopilotem. Zderzały się one z ambulansami i wozami strażackimi stojącymi na drodze. Wynikiem tego było 17 rannych i jedna ofiara śmiertelna. Krajowy Urząd ds. bezpieczeństwa ruchu drogowego ma sprawdzić ponad 700 tysięcy samochodów Tesli jak pisze amerykański serwis Driving.

Podsumowanie

Któż to przewidzi, może to nie jest żaden żart i już za kilkanaście lat taki ludzki pomocnik będzie wszędzie. Już istnieje super komputer Tesli o nazwie Dojo (dokładnie tak jak sale treningowe do karate), który nie tylko szkoli autopiloty Tesli, ale i sam siebie. Ponadto dzięki przepływającym przez niego miliardom danych rozwija się z niewyobrażalną prędkością. Czy ten komputer nie staje się tak skomplikowany jak nasz mózg? Tesla Bot mając do dyspozycji sieć neuronową opartą na rozwiązaniach z autopilota Tesli może stać się pierwszym humanoidalnym robotem na świecie. A może nawet Tesla Bot stanie się naszym przyjacielem? Czy czeka nas era androidów? Czy będzie coraz mniej miejsca dla człowieka? A może świat dzięki robocie od Tesli stanie się lepszy. Może to nasza przyszłość rodem z filmów. Chcielibyście mieć takiego pomocnika?

Tutaj live z prezentacją Elona Muska: https://www.youtube.com/watch?v=11QXiJ8ORe8

 

Jak zdobyć certyfikat SSL i skonfigurować go na hostingu Twojego bloga na WordPressie

Jeśli wchodzisz na jakąś stronę internetową i po lewej stronie paska adresu znajduje się otwarta kłódka, to oznacza, że połączenie z witryną nie jest bezpieczne i nie wiadomo, czy właściciel jest tym, za kogo się podaje. W przypadku, gdy kłódka jest zamknięta, oznacza to, że witryna posiada certyfikat SSL.

Samo posiadanie certyfikatu nie sprawia, że na pewno dana strona jest w stu procentach bezpieczna, ale bez wątpienia jego brak odepchnie wielu potencjalnych klientów lub użytkowników. Jeśli jednak ktoś nie miał wcześniej do czynienia z czymś takim, może nie mieć pojęcia, od czego zacząć. W takim razie, jak zdobyć certyfikat SSL i skonfigurować go na WordPressie? Sprawdź nasz poradnik krok po kroku!

Czytaj dalej

Rozszerzone wyniki wyszukiwania Google a schema.org

Czytaj dalej

Algorytm BERT – porozmawiaj z wyszukiwarką Google

W ostatnich tygodniach Google rozpoczął proces wdrażania do swojej wyszukiwarki nowego algorytmu o nazwie BERT.

Czym jest algorytm Google? To zestaw danych i  zasad, które są analizowane przez wyszukiwarkę aby w odpowiedzi na nasze zapytania aby podać najbardziej adekwatne i najlepsze jakościowo strony serwowane w ustalonej przez algorytm kolejności. Czytaj dalej

Zmiany polityki cenowej i nowe limity w Google Maps API

W czerwcu 2018 roku Google wprowadziło znaczące zmiany w niektórych usługach Google Maps. Dotyczą one zarówno poszerzenia zakresu usług, jak i wprowadzenia płatnego planu taryfowego dla wszystkich właścicieli stron internetowych – niezależnie od tego, jaki ruch generują witryny. Sprawdź, jak wygląda nowe rozliczenie z Google Maps API i jakie inne zmiany weszły w życie w czerwcu 2018 roku. Czytaj dalej

Świat w skorupce orzecha, czyli doskonały umysł w niedoskonałym ciele. Kim był Stephen Hawking?

Kosmologia fizyczna to nauka badająca i opisująca Wszechświat. Kilka dni temu straciliśmy jej przedstawiciela, prekursora teorii, które nieodwracalnie wpłynęły na postrzeganie WszechŚwiata i wyjaśnienia przyczyn jego powstania. Stephen Hawking odszedł 14 marca 2018 roku. Co nam po sobie pozostawił?

Przeciętny uczeń, nieprzeciętny umysł

Stephen Hawking urodził się w 1942 roku w Oksfordzie jako najstarszy syn Franka i Isobel Hawkingów. Po zakończeniu II Wojny Światowej rodzina przeniosła się do miejscowości St. Albans, gdzie Stephen rozpoczął edukację. Co ciekawe, nie wyróżniał się on szczególnie na tle innych uczniów – nauczyciele określali go jako dobrego, lecz niewybitnego. Jako młody chłopiec, Hawking był bardzo aktywny fizycznie. Jego ulubionym sportem było jeździectwo.

Po ukończeniu szkoły średniej Hawking dostał się na Uniwersytet Oksfordzki, gdzie studiował nauki przyrodnicze. Jego zainteresowanie szybko skupiło się na fizyce, szczególnie na termodynamice, teorii względności oraz mechanice kwantowej. Podczas studiów Stephen nie poświęcał zbyt wiele czasu na robienie notatek czy powtarzanie materiału. Ponadprzeciętna pamięć oraz zdolności analityczne umożliwiły mu na ukończenie licencjatu bez większego wysiłku. Dalsze studia kontynuował na Uniwersytecie w Cambridge, gdzie uzyskał tytuł magistra, a następnie doktora.

Praca doktorska Hawkinga Properties of the Expanding Universe (z ang. Właściwości Rozszerzających się Wszechświatów) została w ubiegłym roku (2017) udostępniona na stronie Uniwersytetu w Cambridge – z jej treścią można zapoznać się tutaj.

W trakcie studiów, u 21-letniego Stephena zdiagnozowano stwardnienie zanikowe boczne (ALS). W wyniku choroby stopniowo tracił on władzę nad kończynami oraz głosem, co doprowadziło do całkowitego paraliżu. Ze światem porozumiewał się dzięki syntezatorowi mowy, którym sterował przy pomocy policzka.

Osiągnięcia naukowe Hawkinga

Praca naukowa Stephena Hawkinga skupiała się głównie na kwestii czarnych dziur. W pierwszych latach kariery uniwersyteckiej wspólnie z Rogerem Penrosem, Robertem Gerochem, Brandonem Carterem i Georgem Ellisem, na podstawie modeli założeń ogólnej teorii względności, zdołał dowieść, że występowanie osobliwości (takich jak czarne dziury) w czasoprzestrzeni to normalne zjawisko, do którego zaistnienia nie są wymagane szczególne warunki. W późniejszych latach Hawking zajmował się między innymi zagadnieniami zunifikowanej teorii pola, inflacji kosmologicznej, kosmologii kwantowej, teorią wielkiego wybuchu czy teorią strun.

Za jedno z największych osiągnięć Hawkinga uznaje się opracowanie top-down cosmology. Teoria ta zakłada, że Wszechświat nie posiada żadnego określonego początku. Obecny stan Wszechświata wybiera wersję przeszłości spośród możliwych historii, w związku z czym teorie mówiące o wyprowadzaniu obecnego Wszechświata z określonego punktu początkowego, można uznać za niepotrzebne. Dzięki tej teorii łatwo można wyjaśnić, że nie ma sprzeczności popularnej zwanej „paradoksem dziadka”.

Nauka a wiara

Stephen Hawking sam określał siebie jako agnostyka. Tradycyjną koncepcję osobowego Boga, który kontroluje i poprawia świat, całkowicie odrzucał, uznając ją za niedorzeczną. Brał jednak pod uwagę możliwość, iż prawa natury, które rządzą Wszechświatem, zostały ustanowione przez siłę wyższą. Jeśli teoria Hawkinga jest prawdziwa to niewątpliwie istnieją nieskończone ilości światów w których żyje i ma się dobrze.

 

 

Praktyczne wskazówki na temat mikrotargetowania

Mikrotargetowanie jest procesem, który może przybliżyć Cię do osiągnięcia sukcesu komercyjnego. Polega na skrupulatnej analizie grupy docelowej i dopasowaniu przekazu reklamowego do odpowiednio wyznaczonych grup. O tym, czym dokładnie jest mikrotargetowanie, jakie techniki wykorzystuje się do analizy osobowości internatów oraz jaki wpływ na sukces wyborczy Donalda Trumpa miało zatrudnienie firmy zajmującej się analizą danych, pisałem w poprzednim wpisie. Tym razem skupię się na praktyce i przedstawię przydatne wskazówki, które pomogą Ci osiągnąć cel marketingowy.

Mikrotargetowanie w mediach społecznościowych

Bez względu na to, czy dopiero zaczynasz działalność, czy chcesz poprawić wyniki sprzedaży, mikrotargetowanie będzie miało znaczący wpływ na zwiększenie zasięgu i poprawę widoczności Twojej witryny.

Precyzyjne określanie grupy docelowej być może wydaje Ci się skomplikowane, w rzeczywistości jednak może okazać się łatwe, a do tego ciekawe. Jeśli pieczołowicie dobierzesz grupę docelową, kierując się założeniem „mikro”, a do tego przekaz marketingowy dopasujesz tak, że trafi on w sedno potrzeb i zainteresowań odbiorców, może okazać się, że zgromadzisz wokół swojej witryny osoby, które utożsamiają się z Twoim przekazem i będą aktywnie uczestniczyły w budowaniu silnej społeczności.

W przypadku e-commerce mikrotargetowanie może być realizowane przy pomocy różnych digitalowcyh strategii, a jednym z najbardziej istotnych narzędzi są media społecznościowe.

Poniżej opisuję trzy istotne techniki wykorzystywane do mikrotargetowania, których możesz użyć w mediach społecznościowych.

  • Precyzyjne określanie grupy docelowej z wykorzystaniem wewnętrznych danych z mediów społecznościowych (np. z Facebooka).

W tym wypadku możesz targetować kampanie reklamowe na kilka sposobów. Są nimi na przykład:

  • wybieranie określonych przedziałów wiekowych osób, do których mają trafić reklamy,
  • wybierając konkretne zainteresowania grupy docelowej,
  • określając dane demograficzne.

Jeśli zdecydujesz się kierować swoje reklamy do mikro grup, takie segmentowanie odbiorców może Ci pomóc. Facebook będzie wyświetlał reklamy tylko użytkownikom, którzy spełniają określone przez Ciebie kryteria.

  • Czynnik emocjonalny

W biznesie e-commerce niezwykle istotne jest dopasowanie przekazów do odbiorców na poziomie emocjonalnym. Ważne, aby zawartość reklamy trafiała w sedno (można nawet powiedzieć: w czułe punkty) i poruszała te aspekty, które są istotne dla Twoich odbiorców. W związku z tym mikrotargetowanie odgrywa bardzo ważną rolę w określaniu grup docelowych za pośrednictwem social mediów.

  • Targetowanie na podstawie analizy zachowań użytkowników mediów społecznościowych

Platformy społecznościowe mogą dzielić użytkowników na grupy zgodnie z ich zachowaniami w sieci. Daje to możliwość kierowania ich na strony, które pasują do ich zainteresowań. Portale społecznościowe pozwalają Ci też wybrać niewielkie podgrupy (podzbiory), po to, aby identyfikować i dobierać odbiorców na poziomie mikro.

Skup się na opcjach, które są dostępne w konkretnych mediach społecznościowych, np. na danych demograficznych, zainteresowaniach oraz zachowaniach i rozwijaj je. Korzystaj ze zoptymalizowanej strategii mikrotargetowania i kieruj reklamy do mikro grup za pośrednictwem mediów społecznościowych.

Analiza predykcyjna i mikrotargetowanie krok po kroku

O analizie predykcyjnej możesz przeczytać we wspomnianym wcześniej artykule Mikrotargetowanie, sukces przedsiębiorstwa i wygrana Trupma w wyborach – jaki jest ich wspólny mianownik?. Dowiesz się z niego, jakie są jej założenia teoretyczne.

A teraz skupimy się na praktycznych aspektach łączenia analityki predykcyjnej i mikrotargetowania:

  • Tworzenie zbioru danych

Określ tak precyzyjnie, jak to możliwe, dla jakiej grupy chcesz uzyskać dane (mogą to być np. osoby, które zainicjowały transakcję, ale jej nie dokończyły) oraz jaki cel chcesz osiągnąć.

Zbiór danych możesz stworzyć na podstawie informacji dostępnych w Twoim serwisie, takich jak historia zamówień, odpowiedzi na pytania z ankiety czy dane demograficzne. Dane możesz również zakupić od wyspecjalizowanych firm, zajmujących się zbieraniem i analizą informacji o użytkownikach internetu.

  • Analiza osób, które znalazły się w danym zbiorze i znalezienie ich cech wspólnych

Jeśli dokładnie przeanalizujesz wspomnianą wcześniej grupę osób, będziesz mógł wskazać ich cechy wspólne. Pomoże Ci to w zbudowaniu modelu służącego do kierowania reklam do innych użytkowników – takich, którzy mają cechy, jak osoby znajdujące się w analizowanym zbiorze.

  • Tworzenie zmiennej zależnej

Zmienna zależna służy do segmentacji danych i ich podziału na grupy (grupy te będą analizowane w modelu predykcyjnym). Możesz w tym celu wykorzystać SQL, czyli język zapytań służący do tworzenia i modyfikowania baz danych oraz wskazywania („wyciągania”) konkretnych danych z baz.

  • Tworzenie modelu predykcyjnego, który pobiera zmienną zależną

Model predykcyjny pobiera stworzoną zmienną i porównuje ją z innymi zmiennymi w zbiorze danych. Inne zmienne, które mogą Ci się przydać to np.  kraj zamieszkania, stan, kod pocztowy, płeć, stan cywilny etc.

  • Tworzenie modelu regresyjnego

Proces, który określa związki między zmienną zależną a innymi zmiennymi, podlegającymi analizie, nazywany jest modelem regresyjnym. W wyniku tego procesu otrzymujesz statystyczne korelacje dla każdej zmiennej. Pozwala on także określić wyniki dla całego modelu oraz wyniki dla poszczególnych zmiennych. Dzięki temu możesz wyeliminować wyniki z niskimi korelacjami do zmiennej docelowej.

  • Tworzenie powiększonej listy osób, które pasują do otrzymanych danych

Po wykonaniu wszystkich powyższych kroków, prawdopodobnie będziesz dysponować solidnym zbiorem danych demograficznych, konsumenckich czy innych istotnych informacji na temat użytkowników. Na tej podstawie będziesz mógł zidentyfikować więcej osób, które pasują do interesującej Cię grupy.

Jakie są zasady mikrotargetowania – przydatne wskazówki na koniec

W mikrotargetowaniu istotne jest przede wszystkim kierowanie swojego przekazu wyłącznie do osób, które wykazują zainteresowanie tematem oraz tworzenie przekazów, które pasują do stylu życia odbiorców czy ich statusu społecznego lub materialnego.

Wrażenie na odbiorcach można wywoływać na przykład poprzez używanie dialektów, profesjolektów czy socjolektów (czyli słów bądź wyrażeń wykorzystywanych przez określone grupy zawodowe czy społeczne), a także poprzez realizowanie pomysłów pasujących do ściśle określonych grup docelowych.

Ponadto ważne jest, aby wzbudzać ciekawość i aktywizować użytkowników. Jeśli trafisz w sedno i dobrze określisz mikro grupę, rozbudzisz jej ciekawość i zachęcisz do dalszych działań.

Nie zapomnij też o dopasowaniu formatów, które pasują do urządzeń najczęściej wybieranych przez grupę docelową. Nie bagatelizuj znaczenia urządzeń mobilnych. Pamiętaj, że coraz większa ilość Twoich klientów korzysta ze smartfonów częściej niż z komputerów i ma do nich dostęp niemalże 24 godziny na dobę.

Mikrotargetowanie, sukces przedsiębiorstwa i wygrana Trupma w wyborach – jaki jest ich wspólny mianownik?

Przekonanie o tym, że jeden komunikat reklamowy może trafić do masowego odbiorcy, odchodzi do lamusa. Za znacznie skuteczniejsze uważa się precyzyjne określanie mikro grupy docelowej i formułowanie przekazu, który trafi w specyficzne gusty jej członków. Przekonali się o tym nie tylko przedsiębiorcy z branży e-commerce, ale także członkowie sztabu wyborczego Donalda Trumpa. Zapraszamy Cię w świat mikrotargetowania.

Czym jest mikrotargetowanie?

Mikrotargetowanie (nazywane także targetowaniem niszowym – z angielskiego niche targeting) to proces, który polega na dokładnej analizie i selekcjonowaniu konsumentów oraz dzieleniu ich na odpowiednie grupy. Określając grupy docelowe, bierze się pod uwagę między innymi zainteresowania odbiorców, ich oczekiwania, potrzeby i pragnienia, a także demografię. Analizie poddawane są także zachowania konsumenckie. Wszystko po to, aby stworzyć i skierować do nich specyficzny przekaz – taki, który wzbudzi ich maksymalne zainteresowanie.

Celem mikrotargetowania jest jak najdokładniejsza selekcja grupy docelowej, po to, aby przekaz reklamowy trafił wyłącznie (lub w znacznej większości) do osób potencjalnie zainteresowanych danym produktem lub usługą. Mikrotargetowanie stoi nieco w opozycji do kampanii ATL (above the line), których nośnikiem są mass media i które kierują ten sam komunikat do odbiorcy masowego. W mikrotargetowaniu chodzi o dopasowanie przekazów do niewielkich, precyzyjnie dobranych grup.

Wydawać by się mogło, że nie ma w tym nic zaskakującego i innowacyjnego. W praktyce jednak implementacja procesu mikrotargetowania do strategii marketingowej e-commerce jest jedną z najważniejszych dróg do podnoszenia pozycji danej strony w rankingach Google.

Mikrotargetowanie i Big Data, czyli jak poznać użytkowników internetu?

Mikrotargetowanie może być skuteczną formą marketingu i wywoływać reakcje w odbiorcach, szczególnie wtedy, gdy skupia się na analizie profili w mediach społecznościowych. Znajomość zainteresowań odbiorców i wiedza na temat ich potrzeb oraz pragnień może pomóc Ci dopasować przekaz w taki sposób, aby wywołał on określone reakcje. Jednak czy takie poznanie zachowań internautów jest możliwe?  Owszem, jest. Aby to zrozumieć, należy przywołać termin, który wiąże się bezpośrednio z mikrotargetowaniem – pojęciem tym jest Big Data (więcej informacji na ten temat znajdziesz a artykule Systemy Big Data i Internet of Things).

Termin Big Data odnosi się do różnorodnych, dużych i zmiennych zbiorów danych. Ich analiza i przetwarzanie często nie są łatwe, jednak mogą przynieść nową wiedzę i wymierne korzyści. Określenia Big Data używa się także w kontekście elektronicznych śladów, jakie zostawiasz za sobą w sieci. Może to być na przykład kliknięcie „wezmę udział” przy wydarzeniach na Facebooku, każdy „like”, zakupy z użyciem karty płatniczej, aplikacje, z których korzystasz, „meldowanie się” w różnych miejscach za pośrednictwem Facebooka czy zapytania, jakie wpisujesz w wyszukiwarkę. Na co dzień możesz pewnie zauważyć, że to, co wyszukujesz w Google i to, jakie strony odwiedzasz, ma odzwierciedlenie w reklamach, które widzisz w sieci. Na przykład – w popularnym sklepie internetowym szukasz butów trekkingowych, po czym opuszczasz stronę (niezależnie od tego, czy poszukiwania okazały się udane, czy też nie). Co się dzieje potem? Przez najbliższe dni obserwujesz, zarówno na portalach społecznościowych, jak i innych stronach, które odwiedzasz, że większość reklam dotyczy właśnie butów i akcesoriów trekkingowych.

Jak widać, Twoja aktywność w sieci pozostawia ślady, które są skrupulatnie zbierane i analizowane, a potem wykorzystywane na przykład w celach komercyjnych. O tym, co i w jaki sposób można wyczytać na podstawie aktywności w sieci, dowiesz się już za chwilę.

Jakie techniki wykorzystuje się do analizy osobowości internautów?

Istnieją pewne zaawansowane techniki, służące do analizy zachowań i osobowości użytkowników internetu, na czele z użytkownikami mediów społecznościowych. Dwie najbardziej znane metody to OCEAN oraz IBM.

MODEL OCEAN

Został opracowany na początku lat 80. Zgodnie z jego założeniami charakter konkretnej osoby można określić (zmierzyć) przy pomocy pięciu wymiarów osobowości:

  • otwartości (openess),
  • sumienności (conscientiousness),
  • ekstrawersji (extroversion),
  • zgodności (agreeableness),
  • neurotyczności (neuroticism).

Pozyskanie i analiza takich danych mogą dać odpowiedź na pytania dotyczące osobowości, potrzeb i pragnień danej osoby, a także przewidzieć jej zachowania. Niegdyś kłopot stwarzała jednak konieczność wypełniania długiej ankiety w celu zdobycia wartościowych informacji.

Problem został rozwiązany przez psychologa Michała Kosińskiego, studenta i pracownika Centrum Psychometrii w Laboratorium Cavendish uniwersytetu Cambridge. W początkowych etapach badań Kosiński stworzył aplikację dla Facebooka – użytkownicy brali udział w quizie, odpowiadali na pytania dotyczące ich charakteru i zachowania, a na koniec otrzymywali swój model osobowości. Naukowcy z Cambridge natomiast – informacje niezbędne do analizy. Popularność aplikacji była ogromna – swoje dane udostępniły miliony ludzi.

Po obliczeniu wartości OCEAN dla danego użytkownika Michał Kosiński i jego współpracownicy porównywali wynik z aktywnością w sieci danej osoby – co polubiła, co udostępniła na Facebooku, jaką wpisała płeć, jaki wiek, miejsce zamieszkania, edukację itp. Wnioski, jakie wyciągnięto, były zaskakujące. Według Kosińskiego na podstawie 68 polubień na Facebooku można określić np. kolor skóry danego użytkownika, jego orientację seksualną, upodobania polityczne, stosunek do religii, alkoholu, papierosów, narkotyków, stopień inteligencji, a także to, czy jego rodzice do 21. roku życia tej osoby pozostawały w związku, czy też nie. Im więcej razy dana osoba kliknie „like”, tym lepiej da się przewidzieć jej zachowanie. Do tej szczegółowej analizy bierze się pod uwagę także zdjęcia oraz ilość kontaktów, a nawet czujnik ruchu w telefonie (nawet gdy telefon jest offline).

Wykorzystując model OCEAN i analizę aktywności użytkowników internetu można nie tylko przeanalizować dane badanych osób, ale także szukać określonych typów osobowości.

METODA IBM

Metoda ta zwana jest także analizą predykcyjną. Polega na analizie istniejących danych, wyciąganiu z nich wniosków oraz wydobywaniu informacji. Celem jest oczywiście przewidywanie nadchodzących zdarzeń i trendów oraz określanie wzorów zachowań konsumentów.

W analizie predykcyjnej analizuje się niewielką grupę osób, które już skorzystały z Twoich usług lub kupiły Twoje produkty. Na tej podstawie buduje się tak zwany model predykcyjny, który pomaga zidentyfikować zbiór cech wspólnych dla wielu użytkowników. Takimi cechami mogą być np.: wysokość odchodów, miejsce zamieszkania, stan cywilny, liczba dzieci, a nawet konkretne zainteresowania. Istotne jest to, aby wydobyć wyjątkowe cechy, łączące osoby z jednej grupy.

Dane, na podstawie których dokonasz analizy predykcyjnej to np. historia zamówień Twoich klientów czy odpowiedzi na pytania zamieszczone w ankiecie. Istnieje też możliwość zakupu danych konsumenckich i demograficznych – zbieraniem takich informacji zajmują się wyspecjalizowane firmy.

Na podstawie analizy osób, które już skorzystały z Twoich usług, możesz oszacować, jakie charakterystyczne cechy posiadają Twoi klienci i jak budować przekazy reklamowe, które będą odpowiedzią na te cechy.

Przygotowując się do analizy predykcyjnej, możesz zadać sobie kilka pytań, które pomogą Ci określić kierunki działań:

  • Kto jest moim dotychczasowym klientem?
  • Co mają ze sobą wspólnego moi klienci?
  • Które inne osoby mają takie same cechy, co dotychczasowi klienci?
  • Jak dotrzeć do nowych klientów?
  • Jak rozszerzyć bazę klientów, znając ich specyficzne upodobania?

Czy mikrotargetowanie ma związek z sukcesem wyborczym Donalda Trumpa?

Dane pozyskane na podstawie analiz zachowań internautów nie są wykorzystywane wyłącznie w branży e-commerce. O skuteczności mikrotargetowania można przekonać się, analizując przebieg kampanii i wyniki wyborów prezydenckich w Stanach Zjednoczonych z 2016 roku. Sukces wyborczy Donalda Trumpa, według przypuszczeń wielu badaczy, jest oparty w dużej mierze właśnie na mikrotargetowaniu wyborców.

Pod koniec 2014 roku sztab wyborczy Donalda Trumpa zatrudnił firmę Cambridge Analytica, która, w największym uproszczeniu, zajmuje się analizą danych. Michał Kosiński (odpowiedzialny za wdrożenie modelu OCEAN i analizę zachowania internautów), jak sam twierdzi, nie ma nic wspólnego z działaniami tego przedsiębiorstwa. Nie da się jednak ukryć, że firma w dużej mierze oparła swoje działania na wynikach doświadczeń polskiego psychologa.

Przedstawiciele firmy twierdzili, że nie można odnieść sukcesu, planując kampanię wyborczą tylko na podstawie danych demograficznych. Podział społeczeństwa na jednolite grupy i wysyłanie takiego samego przekazu do wszystkich kobiet, tylko dlatego, że mają taką samą płeć, czy do Afroamerykanów, ponieważ łączy ich kolor skóry, jest bezsensowny.

Podczas jednego z wystąpień, założyciel Cambridge Analityca, Alexander Nix, oznajmił, że jego firma opracowała system, który może obliczyć, jaką osobowość ma każdy dorosły obywatel USA. Wykorzystuje się do tego psychologiczną analizę behawioralną na podstawie modelu OCEAN, analizę Big Data i reklamę celową (dopasowującą się do jak najbardziej do charakteru konsumentów).

Ponieważ w USA większość danych osobowych jest na sprzedaż, firma Cambridge Analityca kupiła wszystko, co było możliwe – listy wyborców, wypisy z ksiąg wieczystych, listy członków organizacji, dane medyczne czy subskrypcje czasopism. Dane te porównano z Big Data internautów (np. polubieniami na Facebooku) i obliczono model OCEAN. Wyniki analizy pozwoliły na określenie osobowości wyborców, ich realnych pragnień, potrzeb i obaw.

Dzięki takiej wiedzy komunikaty wyborcze Trumpa mogły trafiać w sedno upodobań różnych grup wyborców. Mówi się, że między innymi tym należy tłumaczyć sprzeczności pojawiające się w wypowiedziach obecnego prezydenta USA.

W trzecim dniu prezydenckiej debaty Trump-Clinton, sztab Trumpa wysłał 175 000 komunikatów (głównie za pośrednictwem Facebooka). Różniły się one minimalnie – tytułami, kolorami, śródtytułami, filmami czy zdjęciami. Wszystko po to, aby jak najbardziej dopasować przekaz do odbiorcy.

Te zaskakujące informacje mogą wydać się nieprawdopodobne i z pewnością nikt nie może w 100% potwierdzić, że firma Cambridge Analityca jest odpowiedzialna za wygraną Donalda Trumpa. Daje to jednak pole do własnej analizy i interpretacji – jak kandydat, którego pozycja w sondażach nie była najwyższa, zdobył poparcie Amerykanów i stał się prezydentem Stanów Zjednoczonych.

Mikrotargetowanie jest zagadnieniem niezwykle interesującym i obszernym. Wyniki wyborów prezydenckich w Stanach Zjednoczonych mogą tylko potwierdzać skuteczność tej metody. W kolejnych wpisach poznasz praktyczne wskazówki na temat mikrotargetowania w mediach społecznościowych, a także sposoby na wdrażanie analizy predykcyjnej w Twojej firmie.

Systemy Big Data i Internet of Things

Internet of Things (Internet rzeczy, IoT) opisuje koncepcję, której twórcą był Kevin Ashton. Oznacza ona ekosystem, gdzie przedmioty komunikują się  z komputerami przez sensory. Rozwój dostępu do sieci sprawił, że idea ta zyskała uznanie wśród firm i jest wskazywana jako jeden z najważniejszych punktów rozwojowych światowej gospodarki. IoT znalazło wiele zastosowań, poczynając od miniaturowych dodatków do ubrań, przez automatykę budynkową, inteligentne miasta czy gospodarkę wodną.

Mówiąc o zastosowaniu podejścia Internet of things należy podkreślić jego wpływ na marketing. Liczba danych wciąż rośnie, a dzięki ekosystemowi możliwe jest ich wygodne zbieranie, przetwarzanie oraz spersonalizowana komunikacja. Dzięki temu podejściu, można w zwiększyć zaangażowanie klientów oraz zagwarantować im wartość dodaną.

Internet of Things

Kolejnym przykładem zastosowania Internet of Things jest wdrożenie rozwiązań klasy PredictiveAsset Management. Są to systemy dzięki którym możliwe jest zbiór i analiza danych opisujących funkcjonowanie maszyn oraz urządzeń. Nie ma znaczenia czy są to funkcjonalności silników samolotów czy turbiny wiatrowej, idea działania jest taka sama. Dane pomiarowe zbierane przez czujniki są wysyłane do systemu centralnego, tam są przechowywane i analizowane. Na ich podstawie opracowywane są modele analityczne, dzięki którym możliwe jest m.in. przewidzenie wystąpień awarii, zbieranie informacji na temat nieprawidłowości działania maszyn lub nieefektywne ich użycie. Dzięki tym danym  możliwe jest opracowanie automatyzacji i budowy inteligentnego systemu. Dzięki temu, Inżynierowie będą mogli natychmiast zareagować w przypadku wystąpienia nieprawidłowości. Dla biznesu oznacza to minimalizację przestojów pracy oraz optymalizację działań zespołów serwisowych. Można zauważyć zalety rozwiązań IoT:

  • Redukcja kosztów,
  • Zwiększenie produktywności,
  • Lepsze wykorzystanie kapitału,
  • Poprawa bezpieczeństwa pracowników,
  • Lepsze relacje z klientami.

Estymacje McKinsey Global Institute pokazują minimalną wartość rynku IoT na świecie, która w 2025 roku osiągnie 4 bln dolarów, przy założeniu dynamicznego scenariusza kwota ta może wzrosnąć do 11 bln. Szacunki Gartnera zakładają, że w 2020 roku ponad 25 mld urządzeń będzie podłączonych do sieci. Jest to bezpieczniejsza wersja estymacji, inne mówią nawet o kilkuset miliardach w ciągu kolejnej dekady.

Big Data

Big data

 Gwałtowny wzrost liczby danych ich zmienność oraz częstotliwość powstawania zostały określone mianem Big Data. Tę nazwę nadaje się także ustrukturyzowanym bądź nie, zbiorom danych, których przetwarzanie za pomocą ogólnie dostępnych rozwiązań informatycznych (np. relacyjnych baz danych) jest niemożliwa. Zwiększenie mocy obliczeniowej i obszarów pamięci jest nieskuteczne. Wynika to z faktu, że te ograniczenia wymagają nowego podejścia do przetwarzania, filtrowania oraz analizy dużych liczb danych.

Analitycy firmy Gartner twierdzą, że Big Data to źródła danych o dużej objętości, zmienności i różnorodności, wymagają one innowacyjnych modeli przetwarzania, dzięki czemu możliwe jest ich zrozumienie i podejmowanie słusznych decyzji.

Big Data nie odnosi się wyłącznie do danych, oznacza również zbiory źródeł i zakłada miary je charakteryzujące, zwane cechami 3V:

  • Volume (ilość danych generowanych w procesach),
  • Variety (różnorodność typów i struktur danych),
  • Velocity (prędkość generowania nowych danch).

Dodatkowo przywoływanymi cechami są veracity, czyli prawdziwość i dopasowania danych, oraz value – wartość generowanych danych w procesach biznesowych, które oznaczane są kolejno jako 4 i 5V.

Kolejnymi charakterystycznymi własnościami Big Data są:

  • zmienność populacji,
  • przetwarzanie danych w źródła,
  • rozproszenie zbiorów danych lub punktów pomiarowych,
  • znaczące zmiany charakteru lub postaci informacji otrzymanych w wyniku analizy masowych danych źródłowych.

Obecnie wyzwaniem jest nie tylko przetwarzanie masowych źródeł danych, ale zmiana sposobu ich zbierania, która pozwoli na gromadzenie i integrację wielu ich typów pochodzących z różnych źródeł. Ich łączenie, których celem jest uzyskanie efektu syngerii i utworzenie nowych informacji jest zadaniem, jakie w przyszłości prawdopodobnie zostanie wykonane.

Big Data i Internet of Things

IoT oraz Big Data są istotnymi partnerami, szczególnie w przedsiębiorstwach. Wiele działań Internet of Things jest niekompletnych, jeśli nie jest wspierane przez Big Data. Wszystkie połączone przyrządy oraz algorytmy potrzebują dużej ilości danych. Organizacje używające IoT muszą wiedzieć o związku z Big Data. Ten rodzaj połączenia sprawia, że nowe rozwiązania mogą dostarczyć przydatnych narzędzi lub usług, a także zbierać dane na ten temat. Zebrane informacje muszą być zgromadzone, przetwarzane oraz analizowane, dzięki czemu można zyskać nowe spostrzeżenia, które pozwolą na poprawę funkcjonowania przedsiębiorstwa.

Internet of Things oraz Big Data są strategicznymi partnerami zwłaszcza w przedsiębiorstwie. Wiele operacji Internet of Things jest niekompletne bez wzmianki o Big Data. Wszystkie podłączone urządzenia, czujniki oraz algorytmy wymagają dużej ilości danych.

Wszystkie organizacje używające IoT muszą brać pod uwagę jego symbiotyczny związek z Big Datą. Dzięki takiemu połączeniu nowe wdrożenia mają duży wpływ, mogą dostarczyć użytecznych narzędzi czy usług, a także gromadzić odpowiednie dane. Podobnie jak w przypadku Big Data, gromadzone dane musza być przetwarzane i analizowane, aby pozyskać nowe informacje i spostrzeżenia, które mogą poprawić działalność przedsiębiorstwa.

Zarządzanie i wyodrębnianie wartości z danych Internet of Things jest dużym wyzwaniem, kreującym wizerunek firmy. Organizacje muszą ustanowić odpowiednią platformę do analizy danych Internetu rzeczy. Dodatkowo należy pamiętać nie wszystkie dane są dla nich tak samo ważne.

Symbiotyczne zależności pomiędzy systemem Big data i Internet of Things możemy zaobserwować w różnych dziedzinach przemysłu, rolnictwie czy systemach społecznych.

Przedsiębiorstwa korzystające z Big Data i Internet of Things

Big Data Internet of Things

UPS

 Jeden z liderów przewoźników na świecie wykorzystuje Big Data, co zapewnia oszczędność pieniędzy, poprawę efektywności oraz zmniejszenie wpływu na środowisko. Firma korzysta z czujników instalowanych na pojazdach dostawczych, dzięki czemu monitorowana jest prędkość, przebieg, liczba przystanków, a nawet sprawność techniczna silnika. Jak podaje UPS, czujniki zbierają ponad 200 danych na temat każdego pojazdu, co skutkuje 80 000 informacji na temat wszystkich pojazdów każdego dnia. Dzięki temu możliwa jest minimalizacja zużycia paliwa bądź emisji szkodliwych substancji.

Big Data jest też wykorzystywana przez UPS w projekcie ORION (On-Road IntegratedOptimization and Navigation). Gromadzenie danych na temat dostaw, efektem jest optymalizacja tras dostarczania oraz podwyższenia wydajności firmy. Przedsiębiorstwo planuje wprowadzić projekt ORION na wszystkich trasach w Ameryce Północnej. Ma się to wydarzyć w 2017 roku.

VirginAtlantic

Firma VirginAtlantic to brytyjskie linie lotnicze, które wykorzystują IoT do połączenia samolotów – Boeing 787 i podłączonych do nich urządzeń ładunkowych. Każdy z nich wyposażony jest w części generujące duże ilości danych. Dyrektor IT – David Bulman, twierdzi że każdy lot może produkować ponad pół terabajta danych. Nie wszystkie ze zbieranych danych są w pełni wykorzystywane,  jednak ich gromadzenie pozwala na przewidywanie i konserwacje samolotów oraz kontrolę zużycia paliwa.

John Deere

Lider w dziedzinie produkcji sprzętu rolniczego stworzył system łączący Big Data z Internet of things, który przy użyciu czujników monitoruje poziom wilgotności, po czym wysyła dane za pośrednictwem połączenia bezprzewodowego. Czujniki środowiskowe pozwalają na pomiar

  • temperatury gleby i powietrza,
  • wilgotności,
  • promieniowania słonecznego,
  • opadów.

Gromadzenie tych danych, pomagają rolnikom ustalić moment osiągnięcia optymalnego poziomu nawilżenia przez rośliny. Dzięki temu optymalizowany jest proces nawilżania.

TempuTech

TempuTech  to kolejny przykład firmy mającej wpływ na rolnictwo dzięki zastosowaniu Big Data i Internet of Things. W ofercie posiada systemy monitorujące optymalne przechowywanie ziarna oraz wykrywanie potencjalnego zagrożenia elewatorów zbożowych. Awarie typu połamanie pasów bądź łożyska są kontrolowane, dzięki monitorowaniu wilgoci i temperatury w pojemnikach z ziarnami. W efekcie możliwe jest odpowiednie ustawienie napowietrzenia oraz wentylacji. Gromadzone w systemie dane są przesyłane do innych rolników, którzy są w stanie przewidzieć zmiany wilgotności i temperatury, dzięki informacjom na temat zmian w pogodzie.

Disney World Magic BandBig data MagicBands

Disney Word Magic wykorzystuje zarówno Big Data jak i Internet of Things. Firma stworzyła Magic Band – opaskę wyposażoną w czujniki, dzięki którym wczasowicze mogą sprawnie poruszać się po całym Disney World. Dzięki nim, możliwe jest zameldowanie w pokojach hotelowych, zakup jedzenia, rezerwacja karnetów oraz korzystanie z atrakcji znajdujących się w parku rozrywki.

Wprowadzenie opasek pozwala firmie na gromadzenie danych na temat przepływu odwiedzających na terenie całego parku. Dzięki temu możliwe jest ugoszczenie większej liczby osób, optymalizacja zarządzania personelem oraz atrakcjami, czy regulacja kolejek w obiektach na terenie parku.

Barcelona, Hiszpania

Barcelona słynie z innowacji technologicznych, każdego roku odbywa się tam Mobile Word Congress. W mieście można znaleźć inteligentne parkometry, które przy użyciu WiFi działają na całym jego terenie. Dzięki temu mieszkańcy mogą uzyskać aktualne informacje na temat wolnych miejsc parkingowych i opłacić je przez telefon.

W Barcelonie można też zobaczyć inteligentne przystanki autobusowe. Informacje na temat czasu odjazdu przedstawiane są na panelach dotykowych. Sieć czujników rozmieszczonych w całym mieście, przedstawia pasażerom informacje na temat temperatury, jakości powietrza, poziomu hałasu oraz ruchu pieszych.

Wszystkie dane, udostępnianie we wcześniej wspomnianych miejscach, pochodzą z systemu Big Data, który gromadzi i analizuje dane z całego miasta. Dzięki temu możliwe jest usprawnienie transportu publicznego, propozycja optymalnych rozwiązań turystycznych, a także wydajny plan wydarzeń kulturowych.

Przemysł 4.0 (Industry 4.0)

Przemysł 4.0. IoT bazuje na Big Data i Internet of Things. Ma on doprowadzić do połączenia maszyn produkcyjnych z siecią  przedsiębiorstwa. Dzięki temu dane zbierane są na bieżąco. W efekcie ma powstać inteligentna fabryka, która pozwoli na produkcję pojedynczych produktów zgodnie z indywidualnymi potrzebami klienta. W tym samym czasie zbierane informacje, pozwalają na przewidywanie i zapobieganie awariom. Skutkiem jest przeciwdziałanie przestojom pracy firmy oraz automatyzacja produkcji i wzrost jej opłacalności.

Internet-of-Things

Lista firm z różnych branż rynku światowego, które korzystają z Big Data i Internet of Things jest bardzo duża. Opisane technologie znalazły zastosowanie w dziedzinach takich jak:

  • rolnictwo,
  • transport,
  • elektronika,
  • medycyna,
  • logistyka.

Big Data i Internet of Things to dwa niezależne zjawiska. Jednak ich powiązanie pozwala na wiele zmian, które pokazują, jak można zoptymalizować działania na wielu płaszczyznach życia ludzkiego.