Internet de las Cosas y sus problemas con los datos

Radar, el sitio web de análisis e investigación sobre tecnologías emergentes de O´Reilly, abordaba hace unos días -en un artículo firmado por Alistair Croll- los grandes problemas de datos del Internet de las Cosas (IoT): “Lo que el IoT necesita son datos. El big data y el IoT son dos caras de la misma moneda: el IoT recoge datos procedentes de innumerables sensores, datos que se clasifican, organizan y utilizan para tomar decisiones automatizadas; y el IoT, a su vez, actúa en base a las mismas. Es precisamente este ciclo de retroalimentación cada vez más acelerada lo que hace que la moneda en su conjunto resulte convincente“. Sin embargo, Croll extrae conclusiones sobre el funcionamiento de este ciclo que le lleva a señalar ciertos problemas inminentes del mismo:

Nadie va a llevar encima medio centenar de dispositivos

Las actuales startups del ámbito del Internet de las Cosas aprendieron una lección de sus predecesoras: es mejor centrarse en hacer dispositivos sencillos, capaces de hacer muy bien una labor muy concreta. La consecuencia de ello ha sido una alto nivel de especialización de cada dispositivo… por lo que intentar aprovechar todas las posibilidades del IoT condena al usuario a ir por la vida ‘disfrazado de ciborg’, con docenas de dispositivos wearables a cuestas.

Ausencia de contexto

V1bes es una app que mide los niveles de estrés y la actividad cerebral. Sociometric Solutions hace algo similar, escuchando nuestro tono de voz y prediciendo a partir de ahí nuestros niveles de estrés. Según el autor “es genial saber lo estresada que está una persona en un momento concreto, o cuando está más activo nuestro cerebro. Pero a menos que pueda ver con qué persona estaba hablando o escuchar las palabras que estaba pensando, es difícil hacer nada al respecto”. Es decir, los datos nos dicen si estamos o no estresados, pero no son capaces de explicar qué está desencadenando una depresión o una crisis de ansiedad.
Existen ya, eso sí, algunos dispositivos capaces de hacer frente a ese déficit de contexto, como Narrative Clip (una cámara wearable que registra constantemente nuestras vidas tomando fotos cada 30 segundos y usando algoritmos para decidir cuáles son importantes) o como Kapture (una pulsera-grabadora que permite capturar conversaciones con marca de tiempo incluida), que nos permitirían revisar los eventos que produjeron esos efectos en nosotros.

Datamandering

La expansión del número de dispositivos se traduce, igualmente, en una expansión de datos. A menos que seas uno de los grandes actores del sector wearable (Jawbone, Fitbit, etc), es probable que no dispongas de suficientes datos sobre el usuario como para hacer grandes descubrimientos sobre su vida, lo que genera una barrera de entrada al sector (casi la única posible, habida cuenta de que los componentes básicos de la IoT están siendo replicados a gran velocidad en el mercado chino: sólo queda diferenciarse por la atención al cliente y el tratamiento de datos).
Ahí es donde aparece el ‘datamandering’ (por paralelismo con el gerrymandering electoral), las constantes guerras entre formatos de datos de los diferentes proveedores de dispositivos, todos ellos tratando de alzarse como el eje central de nuestra salud, nuestra actividad deportiva o nuestro hogar. Esto se traduce en poco intercambio de información entre productos, y en extraordinarias complicación para exportar y estandarizar la información.
Imagen | r2hox

Comentarios

Entradas populares de este blog

Dabbleboard, una pizarra para hacer más productivas las reuniones

Community Managers: Una fórmula sencilla de medir el ROI para Pymes

5 procesadores de texto alternativos y no convencionales