INNOVATIE
TITM1_2017-web
TITM1_2017-web
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
thema cloud & data<br />
IoT<br />
Het Internet of Things voegt een heel<br />
nieuwe dimensie toe aan het marketingbegrip<br />
‘total addressable market’.<br />
Het aantal mainframes wereldwijd<br />
bedroeg ooit 10.000 stuks waarbij 1.000<br />
gebruikers werden gekoppeld aan één<br />
mainframe. Het totale aantal gebruikers<br />
met een terminal bedroeg 10 miljoen.<br />
Nog niet zo heel lang geleden dachten<br />
we dat het aantal computers en mobiele<br />
telefoons begrensd was door het aantal<br />
mensen op onze planeet, 7,5 miljard<br />
mensen. Binnen het IoT zullen uiteindelijk<br />
triljoenen apparaten en dingen<br />
met elkaar worden verbonden. Door de<br />
computerverwerkingscapaciteit en de<br />
algoritmes aan de rand van het bedrijfsnetwerk<br />
onder te brengen en niet<br />
in een centrale cloudomgeving, wordt<br />
maximaal geprofiteerd van de voordelen<br />
van edge computing. ‘Machine learning<br />
unlocks the power of edge’, zo luidt de<br />
belofte. Is het dan helemaal gedaan met<br />
de cloud en heeft deze geen functie meer<br />
in het edge-computingtijdperk? Geenszins,<br />
de cloud wordt ingericht als een<br />
leeromgeving en als een opslagplaats<br />
voor belangrijke data. Ook de SaaSdiensten<br />
blijven waarschijnlijk gewoon<br />
in de cloud draaien.<br />
OODA Loop<br />
Aan de rand van het netwerk vinden drie<br />
belangrijke activiteiten plaats: sensors<br />
verzamelen omgevingsinformatie, er<br />
vinden interferenties plaats en er worden<br />
beslissingen genomen. Er is een parallel<br />
te trekken met de zogenoemde OODA<br />
loop. Deze briljante vondst, een beslissingslus,<br />
is ooit door kolonel en oorlogsstrateeg<br />
John Boyd ontwikkeld ten<br />
behoeve van gevechtspiloten gedurende<br />
de oorlogsvoering in Korea. OODA<br />
staat voor observation (het verzamelen<br />
van data met behulp van de zintuigen),<br />
oriëntation (het vormen van een mentaal<br />
perspectief op basis van de synthese van<br />
data en analyses), decision (het bepalen<br />
van een strategie op basis van iemands<br />
huidige mentale perspectief) en action<br />
Eindgebruikers<br />
willen niet meer<br />
wachten op een<br />
respons van een<br />
centrale server<br />
(het uitvoeren van de beslissing). De<br />
gevechtspiloot die het snelst beslissingen<br />
neemt in concrete situaties is aan de<br />
winnende hand, omdat de tegenstander<br />
reageert op gevechtssituaties die in de<br />
tussentijd al zijn gewijzigd. Boyd stelde<br />
dat niet alleen gevechtspiloten op basis<br />
van de beschreven beslissingslussen<br />
reageren, maar alle intelligente wezens<br />
en ook organisaties. Dankzij machine<br />
learning zal de loop zich steeds sneller<br />
en sneller herhalen. Computers zijn veel<br />
beter dan mensen in staat om op het juiste<br />
moment de juiste beslissing te nemen.<br />
Een zelfrijdende auto wordt bovendien<br />
niet afgeleid door jengelende kinderen<br />
op de achterbank en raakt niet vermoeid.<br />
Ook de automatische piloot in vliegtuigen<br />
bewijst al jaren zijn diensten.<br />
Sensors<br />
Sensors zullen alomtegenwoordig zijn<br />
en een enorme hoeveelheid data genereren.<br />
Een zelfrijdende auto zal per mijl<br />
10 gigabyte aan gegevens opleveren.<br />
Een Lytro-camera, die eigenlijk een datacenter<br />
in een camera is, genereert 300<br />
gigabits per seconde. Het zijn echter niet<br />
alleen de complexe apparaten die voor<br />
de data-explosie verantwoordelijk zullen<br />
zijn. In elke hardloopschoen zal binnenkort<br />
een intelligente sensor zitten die<br />
waardevolle informatie doorgeeft over<br />
conditie, trainingsprestaties, het parcours,<br />
rusttijden en trainingsschema’s.<br />
Veel van die data is echter ongestructureerde<br />
data. Met behulp van machine<br />
learning wordt de relevante informatie<br />
uit de berg aan data gefilterd.<br />
Een ding is zeker, de data zal niet in de<br />
cloud worden verwerkt. Net als in het<br />
tijdperk dat de pc opkwam, hebben de<br />
eindgebruikers niet de tijd en het geduld<br />
om te wachten op een respons van een<br />
centrale server of database in de cloud.<br />
Voordat machine learning concrete resultaten<br />
oplevert, moet het systeem eerst<br />
worden gevoed met enorme hoeveelheden<br />
data. Op zelfrijdende auto’s van<br />
Google wordt bijvoorbeeld gebruikge-<br />
20<br />
TIJDSCHRIFT IT MANAGEMENT