5. Η Οπτικοποίηση της Πληροφορίας στο Διαδίκτυο των Πραγμάτων (IoT)
5.1 Εισαγωγή
Σήμερα, πολλά αντικείμενα δημιουργούνται με έμφαση στην έξυπνη λειτουργία, όπως π.χ. ένα κτίριο που διαθέτει αισθητήρες για τον έλεγχο της ηλεκτρικής ενέργειας, τη διαχείριση της κατανάλωσης νερού μέσω του διαδικτύου ή η αυτοματοποίηση των υπηρεσιών ταξί μέσω του κινητού δικτύου και του GPS. Η χρήση εφαρμογών έχει ενθαρρύνει την ανάπτυξη ενός διασυνδεδεμένου κόσμου. Οι κινητές συσκευές συνδέουν ολοένα και περισσότερους ανθρώπους, αντικείμενα και υπηρεσίες
Αυτή η παρατήρηση υπογραμμίζει την έννοια των έξυπνων αντικειμένων και συσκευών, οι οποίες είναι ψηφιακές ηλεκτρονικές συσκευές που συνδέονται μεταξύ τους μέσω διαφορετικών τύπων δικτύων και πρωτοκόλλων (Bluetooth, 3G, 4G, Wi-Fi), δημιουργώντας μια συλλογή από Έξυπνα Αντικείμενα (smartphones, έξυπνα αυτοκίνητα, έξυπνα σπίτια, έξυπνες πόλεις και ένας έξυπνος κόσμος), τα οποία είναι ορατά κάθε φορά που συνδεόμαστε στο Διαδίκτυο.
Πέντε πρωτοβουλίες για τις Έξυπνες Συσκευές είναι ιδιαίτερα ενδιαφέρουσες, σύμφωνα με τον Stankovic : το Διαδίκτυο των Πραγμάτων (IoT), η Κινητή Υπολογιστική (MC), η Διαπεραστική Υπολογιστική (PC), τα Δίκτυα Αισθητήρων (WSNs) και τα Κυβερνο-Φυσικά Συστήματα (CPS). Η έρευνα για το IoT, την PC, την MC, τα WSN και τα CPS επικεντρώνεται κυρίως σε τεχνολογίες όπως η υπολογιστική σε πραγματικό χρόνο, η μηχανική μάθηση, η εμπιστευτικότητα, η ασφάλεια, η επεξεργασία σημάτων και τα Big Data, μεταξύ άλλων. Ταυτόχρονα, η Έξυπνη Όραση περιλαμβάνει διάφορους τομείς της επιστήμης, καθώς και τη δημιουργία, τη διαχείριση και τη χρήση διασυνδεδεμένων έξυπνων αντικειμένων που συνδέονται με το Διαδίκτυο.
Σύμφωνα με τον Kopetz «… η σύνδεση φυσικών αντικειμένων με το Διαδίκτυο επιτρέπει την απομακρυσμένη πρόσβαση σε δεδομένα από αισθητήρες που χρησιμοποιούνται για την παρακολούθηση του φυσικού κόσμου από απόσταση. Ένα Mashup δεδομένων που συλλέγονται από διάφορες πηγές στο διαδίκτυο οδηγεί σε νέες υπηρεσίες που πηγαίνουν πέρα από τις υπηρεσίες που παρέχονται από ένα απομονωμένο σύστημα. Το IoT βασίζεται σε αυτή την οπτική».
Ένα τελευταίο μέρος της έννοιας είναι η επισκόπηση των συνδεδεμένων αντικειμένων, η οποία προσφέρει ταυτόχρονα ένα τηλεσκόπιο και ένα μικροσκόπιο για τα μέρη του κόσμου που είναι αόρατα στους ανθρώπους, τις μηχανές και τα φυσικά αντικείμενα [GRE 15]. Το IoT, αναζητώντας νόημα στις κινήσεις μεταξύ αντικειμένων, ανθρώπων, ζώων, οχημάτων, αερίων ρευμάτων, ιών κ.λπ., δημιουργεί το πρακτικό και εννοιολογικό πλαίσιο ενός συνδεδεμένου κόσμου.
Σε αυτό το πλαίσιο, ο Chung προτείνει ολοκληρωμένα συστήματα υπηρεσιών και παρόχους λύσεων από το Διαδίκτυο των Πραγμάτων σε ιδρύματα . Οι χειριστές δικτύων που παρέχουν υπηρεσίες επικοινωνίας, υποδομή για τη μεταφορά δεδομένων, παραγωγή λογισμικού, εξοπλισμό για την κατασκευή τσιπ GPS, Wi-Fi, αισθητήρων, φορητών συσκευών, καθώς και ενσωματωμένες συσκευές για την τοποθέτηση δεδομένων, περιλαμβάνονται όλα στην έννοια του Διαδικτύου των Πραγμάτων.
5.2 Το Διαδίκτυο των Πραγμάτων (IoT)
Το Διαδίκτυο των Πραγμάτων (IoT) είναι μια επέκταση του σημερινού Διαδικτύου, στο οποίο πολλά αντικείμενα, αισθητήρες και συσκευές, που αναφέρονται ως «αντικείμενα», συνδέονται και ενσωματώνονται μεταξύ τους. Αυτή η ομάδα αντικειμένων μπορεί να θεωρηθεί ένα σύνολο με την ικανότητα να επιδρά και να λειτουργεί συλλογικά.
Το IoT στοχεύει στη σύνδεση ανθρώπων και αντικειμένων παντού και ανά πάσα στιγμή . Αυτή η σύνδεση επιτρέπει στους ανθρώπους να αλληλεπιδρούν με τα αντικείμενα τους και για αυτά τα αντικείμενα να αλληλεπιδρούν μεταξύ τους. Σύμφωνα με το McKinsey Global Institute, αυτές οι αλληλεπιδράσεις επιτρέπουν τη δημιουργία συστημάτων που παρακολουθούν την κατάσταση και τις ενέργειες των συνδεδεμένων αντικειμένων και μηχανημάτων. Επιπλέον, μπορούν επίσης να παρακολουθούν τον φυσικό κόσμο, τους ανθρώπους και τα ζώα. Το IoT είναι ένα σενάριο στο οποίο αντικείμενα, ζώα ή άνθρωποι είναι εξοπλισμένοι με μοναδικούς αναγνωριστικούς, με τη δυνατότητα αυτόματης μεταφοράς δεδομένων μέσω ενός δικτύου χωρίς την ανάγκη ανθρώπινης παρέμβασης.
Για τον Singh, Tripathi και Jara , το IoT αντιπροσωπεύει τη σύγκλιση του Διαδικτύου με την τεχνολογία RFID (Αναγνώριση μέσω Ραδιοσυχνοτήτων), αισθητήρες και έξυπνα αντικείμενα. Η RFID είναι μια τεχνολογία που επιτρέπει την επικοινωνία μεταξύ συσκευών χρησιμοποιώντας τσιπ για την ασύρματη μετάδοση δεδομένων. Με αυτόν τον τύπο αυτοματοποίησης, οποιαδήποτε συσκευή μπορεί να αναγνωριστεί χρησιμοποιώντας μια ετικέτα RFID.
Το IoT μπορεί να θεωρηθεί μια νέα επανάσταση στο Διαδίκτυο. Σύμφωνα με τους Vermesan και Friess, το IoT επιτρέπει την ενσωμάτωση του φυσικού κόσμου στον εικονικό κόσμο, χρησιμοποιώντας το Διαδίκτυο ως μέσο επικοινωνίας και ανταλλαγής πληροφοριών. Ο κύριος στόχος του IoT είναι, επομένως, να φέρει τον φυσικό κόσμο πιο κοντά στον ψηφιακό κόσμο. Οι πολυάριθμες συσκευές που συνδέονται στο Διαδίκτυο θα παράγουν μια τεράστια ποσότητα δεδομένων που συλλέγονται από τον φυσικό κόσμο. Σύμφωνα με τους Wang, η συλλογή αυτών των ακατέργαστων δεδομένων πρέπει να επεξεργάζεται αποτελεσματικά, δηλαδή τα δεδομένα πρέπει να αναλυθούν με τρόπο που να επιτρέπει την εξαγωγή πληροφοριών που είναι πολύτιμες ή αντιπροσωπευτικές για τους ανθρώπους. Η σύγκλιση αυτών των δικτύων συσκευών θα παράγει μια μεγάλη ποσότητα ακατέργαστων δεδομένων, τα οποία θα πρέπει να υποβληθούν σε επεξεργασία από ανθρώπους ή μηχανές, ώστε να μπορούν να εξαχθούν χρήσιμες και πρακτικές πληροφορίες. Αυτή η ανάπτυξη έχει τη δυνατότητα να αλλάξει τον τρόπο με τον οποίο οι άνθρωποι βλέπουν τα «αντικείμενα» τους και το ίδιο το Διαδίκτυο.
Το IoT μπορεί να εφαρμοστεί σε διάφορους τομείς, με τη δυνατότητα να δημιουργήσει πολλές επιχειρηματικές ευκαιρίες, καθώς και ευκαιρίες για τη βελτίωση του τρόπου με τον οποίο ορισμένες υπηρεσίες σε αυτούς τους τομείς είναι διαθέσιμες στο κοινό. Μπορεί κανείς να φανταστεί ότι το IoT θα μπορούσε να έχει σημαντικό αντίκτυπο στην καθημερινή ζωή των ανθρώπων. Όπως φαίνεται στο Σχήμα 5.3, το IoT μπορεί να εφαρμοστεί σε πολλούς διαφορετικούς τομείς. Αυτοί οι τομείς χωρίζονται σε: i) βιομηχανικούς (βιομηχανικός τομέας), ii) έξυπνες πόλεις (Τομέας Έξυπνων Πόλεων) και iii) υγεία και ευεξία (ευεξία και υγειονομική περίθαλψη), οι οποίοι στη συνέχεια υποδιαιρούνται περαιτέρω, όπως προτείνει ο Borgia.
Οι Su et al. εκτιμούν ότι η εφαρμογή του IoT σε διάφορους τομείς θα μπορούσε να βοηθήσει τους ανθρώπους να βελτιώσουν την ποιότητα ζωής τους, προσφέροντας πλεονεκτήματα σε πολλούς τομείς, από την υγεία έως τη γεωργία. Επιπλέον, πρέπει να τονιστεί ότι υπάρχει χώρος για βελτίωση και τη δημιουργία καινοτόμων πρωτοβουλιών.
Για παράδειγμα, ένας από τους τομείς όπου έχει γίνει πολλή έρευνα τα τελευταία χρόνια είναι αυτός των έξυπνων πόλεων. Οι έξυπνες πόλεις επιτρέπουν τη δημιουργία έξυπνων περιβαλλόντων χάρη στη χρήση τεχνολογιών που εξασφαλίζουν διαφορετικές λειτουργίες εντός της πόλης, όπως η έξυπνη μετακίνηση. Ο τομέας των έξυπνων πόλεων είναι ένας από τους τομείς που παρουσιάζει προκλήσεις που πρέπει να αντιμετωπιστούν ώστε να δημιουργηθούν βελτιώσεις. Για το McKinsey Global Institute, οι πόλεις μπορούν να χρησιμοποιηθούν ως ένα από τα κύρια κέντρα καινοτομίας, καθώς φέρουν μέσα τους πολλά ερωτήματα που μπορούν να αναπτυχθούν.
5.3 InfoVis και DataVis στο Διαδίκτυο των Πραγμάτων
Οι τρέχουσες μορφές συνεργασίας μεταξύ επιστήμης και υπολογιστικής σχηματίζουν την e-Science, η οποία, με τις καινοτομίες και τις τεχνολογίες των Big Data, εστιάζει στην εντατική χρήση δεδομένων που παράγονται από υπολογιστικές προσομοιώσεις. Η αξία που μπορεί να εξαχθεί από αυτά τα δεδομένα απαιτεί αλλαγές στη μορφή ανάλυσης των οπτικών δεδομένων (DataVis) και απαιτείται οι τεχνολογικές καινοτομίες να επιτρέψουν την αλληλεπίδραση για την οπτικοποίηση του μεγάλου όγκου δεδομένων που δημιουργείται σε πραγματικό χρόνο (data streaming), όπως οι κλιματικές προβλέψεις, οι αστροφυσικές προβλέψεις και οι ροές συναλλαγών (InfoVis). Σε αυτό το πλαίσιο, η οπτική ανάλυση δεδομένων συνδέεται στενά με το Διαδίκτυο των Πραγμάτων, τα Big Data και την οπτικοποίηση δεδομένων.
Οι τεχνολογίες Big Data στοχεύουν στην παροχή εργαλείων για την οπτικοποίηση συλλογών δεδομένων που προέρχονται από μια πληθώρα πηγών και τομέων γνώσης, όπως αυτοί της φυσικής, της αστρονομίας, των επιχειρήσεων, της περιβαλλοντικής παρακολούθησης, της διαχείρισης κινδύνων και καταστροφών, της ασφάλειας και της αναλυτικής μηχανικής. Η συλλογή δεδομένων από αυτούς τους τομείς είναι ελλιπής, ετερογενής και υποθέτει διαφορετικές μορφές δεδομένων (βίντεο, κείμενα και μεταδεδομένα), γεγονός που απαιτεί μαζική αποθήκευση και επίσης απαιτεί γρήγορη ανάλυση των δεδομένων που έχουν συλλεχθεί. Τα δεδομένα προέρχονται από αισθητήρες και ηλεκτρονικές συσκευές, συμπεριλαμβανομένου περιεχομένου από το Cloud. Με αυτόν τον τρόπο, οι τεχνολογίες Big Data μπορούν να προσφέρουν επαναστατικές ανακαλύψεις για την επιστήμη και τη βιομηχανία οπτικής ανάλυσης στο μέλλον.
Τα Big Data είναι ένα τεχνολογικό και ανθρώπινο φαινόμενο που προσπαθεί να επιλύσει τα τρέχοντα προβλήματα στην εντατική χρήση δεδομένων σύμφωνα με τον όγκο, την ταχύτητα, την ακρίβεια και την ποικιλομορφία τους.
Σε αυτό το πλαίσιο, η επιστήμη των δεδομένων εμφανίζεται ως ένας τομέας μελέτης για την εργασία, τις τεχνικές και το λογισμικό αναζήτησης δεδομένων χρησιμοποιώντας αλγόριθμους που εστιάζουν στην εξαγωγή και την οπτικοποίηση μεγάλων ποσοτήτων δεδομένων. Η Επιστήμη Δεδομένων παρέχει τις δεξιότητες και τις γνώσεις που είναι απαραίτητες για την αντιμετώπιση των προκλήσεων των Big Data. Ασχολείται με τη χρήση δεδομένων και διευκολύνει τη διαδικασία οπτικοποίησης των αλλαγών στους τομείς της υγείας, των επιχειρήσεων και των ασφαλίσεων, καθώς και την αποτελεσματική διαχείριση των ενεργειακών πόρων. Βασίζεται σε παραδοσιακές τεχνικές όπως η εξόρυξη δεδομένων (Data Mining), η μηχανική μάθηση (Machine Learning), η οπτική ανάλυση (Visual Analytics), η υπολογιστική υψηλής απόδοσης στο Cloud, η παράλληλη υπολογιστική και η συλλογή πληροφοριών
- . Διαχείριση Κινδύνων: Η διαχείριση κινδύνων καθιστά δυνατή την πρόβλεψη περιβαλλοντικών καταστροφών, με τη βοήθεια προηγούμενων οπτικοποιήσεων της κλιματικής αλλαγής, και τη λήψη των απαραίτητων μέτρων, όπως η κατασκευή φυσικών φραγών ή η εκκένωση πληθυσμών. Αυτά τα σενάρια μπορούν να περιλαμβάνουν φυσικές καταστροφές ή μετεωρολογικές συνθήκες (πλημμύρες, τεράστια κύματα, ηφαιστειακές εκρήξεις, καταιγίδες, πυρκαγιές ή ενδημικές ασθένειες), αλλά και τεχνολογικές καταστροφές που προκαλούνται από ανθρώπους, όπως ατυχήματα, τροχαία ατυχήματα ή ρύπανση. Έτσι, η οπτική ανάλυση μπορεί να βοηθήσει στην πρόβλεψη της έκτασης των ζημιών και να καθιστά δυνατόν τον καθορισμό κατάλληλων και αποτελεσματικών στρατηγικών για την πληγείσα περιοχή.
- Ασφάλεια: Ο τομέας εφαρμογής σε αυτόν τον κλάδο είναι ευρύς και καλύπτει την προστασία των πληροφοριακών συστημάτων από τον κυβερνοτρόμο, καθώς και την ασφάλεια των δικτύων. Σε αυτούς τους τομείς, οι προκλήσεις βρίσκονται στην απόκτηση όλων των πληροφοριών προκειμένου να βρεθούν συσχετισμοί.
- Βιολογία και Ιατρική: Οι τομείς έρευνας της βιολογίας και της ιατρικής μπορούν να προσφέρουν μια μεγάλη ποικιλία εφαρμογών. Για παράδειγμα, η υπολογιστική τομογραφία και η τρισδιάστατη υπερηχογραφία στον ιατρικό τομέα. Μια άλλη αναδυόμενη εφαρμογή είναι η βιοπληροφορική, η οποία προσφέρει πολλές πιθανές εφαρμογές για οπτική ανάλυση, όπως το Πρόγραμμα Ανθρώπινου Γονιδιώματος, με τρία δισεκατομμύρια ζεύγη βάσεων του ανθρώπινου γονιδιώματος. Άλλοι τομείς που αναδύονται είναι η πρωτεομική (η μελέτη των πρωτεϊνών σε ένα κύτταρο), η μεταβολομική (η συστηματική μελέτη των χημικών αποτυπωμάτων συγκεκριμένων κυτταρικών διεργασιών) ή η συνδυαστική χημεία, η οποία έχει ήδη αναγνωρίσει δεκάδες εκατομμύρια ενώσεις και συνεχίζει να επεκτείνεται κάθε μέρα. Οι παραδοσιακές τεχνικές οπτικοποίησης δεν μπορούν να αντιμετωπίσουν αυτόν τον όγκο δεδομένων, ενώ οι νέες μέθοδοι οπτικής ανάλυσης αποδεικνύονται πιο αποτελεσματικές για την ανάλυση δεδομένων σε αυτά τα πλαίσια.
- Αναλυτική Μηχανική: Καλύπτει ολόκληρο το φάσμα των διαδικασιών που σχετίζονται με την πολιτική μηχανική, για παράδειγμα τις φυσικές διαδικασίες κατασκευής ή τη βιομηχανία αυτοκινήτων, όπως η αντοχή των οχημάτων. Μια άλλη εφαρμογή στη βιομηχανία αυτοκινήτων είναι η προσομοίωση ενός τροχαίου ατυχήματος, όπου η εικόνα ενός αυτοκινήτου αναπαρίσταται ως ένα πλέγμα εκατοντάδων χιλιάδων σημείων και το ατύχημα προσομοιώνεται από έναν υπολογιστή.
Παράλληλα με τα πειράματα που αναφέρθηκαν, η οπτική ανάλυση δεδομένων χρησιμοποιεί εικόνες για την αναπαράσταση πληροφοριών. Απαιτεί μια διαθεματική γνώση των μαθηματικών, του προγραμματισμού υπολογιστών, της οπτικής αντίληψης και των γνωστικών επιστημών. Καθιστά δυνατή, επομένως, την εξερεύνηση των θεωριών και των πρακτικών της οπτικοποίησης, όπου εμπλέκεται στην απόκτηση γνώσης σε διαφορετικούς τομείς εφαρμογής.
5.4 Αναλυτική Οπτικοποίηση στο πλαίσιο του Διαδικτύου των Πραγμάτων
Η οπτική ανάλυση δεδομένων χαρακτηρίζεται από τον τρόπο με τον οποίο αναπαριστά και συνοψίζει δεδομένα συνδυάζοντας διάφορους τύπους κωδικών σε περιγραφικά γραφήματα. Αυτός ο τύπος απεικόνισης χρησιμοποιεί τεχνολογίες ποσοτικής σύνθεσης υπολογιστών, όπως γραφήματα και πίνακες ελέγχου. Έτσι, τα Big Data αντιπροσωπεύουν μοναδικές προκλήσεις για την οπτικοποίηση δεδομένων, καθώς διατυπώνουν και παρέχουν πληροφορίες που εξάγονται από τα δεδομένα.
Είναι επίσης δυνατό να συναχθεί ότι η οπτική ανάλυση μπορεί να είναι μια μέθοδος που συνδυάζει τις τεχνικές της αυτοματοποιημένης ανάλυσης με διαδραστικές οπτικοποιήσεις για να κάνει την κατανόηση των δεδομένων αποτελεσματική και να διευκολύνει τη συλλογιστική και τη λήψη αποφάσεων όταν πραγματοποιείται ανάλυση μεγάλων ποσοτήτων πολύπλοκων δεδομένων.
Η οπτικοποίηση βρίσκεται στην καρδιά του συστήματος, όχι μόνο ως μέσο επικοινωνίας της αξίας των δεδομένων ή των αποτελεσμάτων μιας ανάλυσης, αλλά χρησιμοποιείται επίσης ολοένα και περισσότερο για την παρακολούθηση διαδικασιών σε άλλους τομείς, όπως η διαχείριση δεδομένων και η εξόρυξη δεδομένων (Data Mining).
Η χρησιμότητα της οπτικής ανάλυσης επεκτείνεται λόγω της υπερβολικής ποσότητας πληροφοριών που κυκλοφορούν στο διαδίκτυο σε όλο τον κόσμο. Το 2014, πάνω από 210 εκατομμύρια emails, 4 δισεκατομμύρια SMS και 90 εκατομμύρια tweets αποστέλλονταν καθημερινά. Στην Ευρώπη, το Media Monitor είναι ένα σύστημα που προσδιορίζει αυτόματα τι καλύπτεται στα μέσα ενημέρωσης και συλλέγει περίπου 2.500 έγγραφα που προέρχονται από νέες πηγές: πύλες μέσων, ιστότοπους κυβερνήσεων και πρακτορεία τύπου. Επεξεργάζεται περίπου 80.000 έως 100.000 άρθρα την ημέρα, σε 43 γλώσσες .
Η οπτική ανάλυση μπορεί να θεωρηθεί ως μια προσέγγιση που συνδυάζει την οπτικοποίηση, τους ανθρώπινους παράγοντες και την ανάλυση δεδομένων. Η οπτική ανάλυση περιλαμβάνει, εκτός από την οπτικοποίηση, την ανάλυση δεδομένων και τους ανθρώπινους παράγοντες, την γνωστική λειτουργία και την αντίληψη. Παίζει επίσης καθοριστικό ρόλο στην επικοινωνία ανθρώπου-μηχανής και διευκολύνει τη διαδικασία λήψης αποφάσεων. Η οπτική ανάλυση περιλαμβάνει συνδεδεμένους τομείς: την οπτικοποίηση πληροφοριών, την γραφική απεικόνιση υπολογιστών (computer graphics-interfaces) και την ανάλυση δεδομένων, οι οποίες ευνοούν την ανάπτυξη μεθοδολογιών για την ανάκτηση πληροφοριών, τη διαχείριση δεδομένων και την αναπαράσταση γνώσης, καθώς και την εξόρυξη δεδομένων.
5.5 Συμπέρασμα: Η Σχετικότητα της Χρήσης της Οπτικοποίησης στο Διαδίκτυο των Πραγμάτων
Η ρήση «μια εικόνα αξίζει χίλιες λέξεις» υπογραμμίζει τη δημοφιλή αντίληψη των Big Data και αποκτά πλήρη σημασία στον σύγχρονο κόσμο, όπου οι χρήστες και οι επιχειρήσεις παράγουν τεράστιες ποσότητες αποθηκευμένων δεδομένων. Αυτά τα δεδομένα δεν έχουν αξία αν δεν μπορούν να εμφανιστούν με έναν απλό και προσβάσιμο τρόπο για γρήγορη και αποτελεσματική λήψη αποφάσεων. Αν και τις τελευταίες δεκαετίες τα γραφήματα έχουν χρησιμοποιηθεί ολοένα και περισσότερο για την οπτικοποίηση δεδομένων από επιχειρήσεις, οι τεχνολογίες οπτικοποίησης έχουν βελτιωθεί για να ανταποκριθούν στις τρέχουσες ανάγκες για κινητικότητα, όπου τα Big Data αποκαλύπτουν ένα νέο προφίλ χρήστη από τον κόσμο των επιχειρήσεων. Η ενσωμάτωση της τεχνολογίας και η βελτιστοποίηση της οπτικοποίησης δεδομένων επιτρέπει την εμφάνιση βασικών πληροφοριών μέσω γραφημάτων, πινάκων, διαγραμμάτων κ.λπ. Έτσι, γίνεται δυνατόν να εξάγονται συμπεράσματα με έναν απλό και οπτικό τρόπο, κάτι που είναι απαραίτητο για τις επιχειρήσεις ώστε να μπορούν να λαμβάνουν αποφάσεις σε πραγματικό χρόνο, να βελτιώνουν την απόδοσή τους, να μαθαίνουν για τους τομείς τους και να προβλέπουν προβλήματα προκειμένου να αποτρέψουν την ύπαρξη πραγματικού κινδύνου για την εταιρεία.