Buildlink analytiikka

Buildlink artikkelit

Buildlink palveluun tallentuu paljon informaatiota käyttäjien suorittamien toimenpiteiden ja automatisoitujen rajapintapalveluiden välityksellä. Data-analyysin tarkoituksena on tuottaa informaatiota toiminnan ja päätöksenteon tukemiseksi. Buildlinkissä on kehittyneet menetelmät ja työkalut näiden tietojen jalostamiseen, analysointiin ja raportointiin.

Buildlink data-analyysi prosessi

Buildlinkissa data-analyysi nähdään kokonaisuutena, joka koostuu useista eri vaiheista, menetelmistä ja työkaluista (Datascience stack).

Aineiston keruu - Tietojen kerääminen eri lähteistä

Tietoja voidaan kerätä Buildlink järjestelmästä tai ulkopuolisista tietoresursseista (rajapinnat). Tietojen keruu voi kohdistua käyttäjien tuottamiin ja tallentamiin että toiminnasta generoituviin ja automaattisista lähteistä kerättäviin tietoihin.

Tietojen jalostaminen

Tietoja täytyy jalostaa jotta niiden jatkokäsittely on mahdollista. Käytännössä jalostaminen käsittää erilaisia toimenpiteita kuten tietojen muuttamista, yhdistelyä ja rajaamista käyttökelpoiseen muotoon.

Tilastollinen analyysi

Varsinainen analyysivaihe mahdollistaa tietoihin kohdistuvat laskentatoimenpiteet. Buildlinkissa on runsaasti tarjolla erilaisia työkaluja, joilla aineistoista voidaan tehdä yhteenvetoja ja päätelmiä.

Raportointi ja näkymät

Data-analyysi mahdollistaa ilmiöiden ja asioiden esittämisen näkyväksi. Jotta analysoitavista tiedoista on hyötyä niistä tarjota käyttäjille havainnollisia raportteja ja näkymiä. Raportien avulla voidaan saavuttaa selkeä kokonaiskuva tapahtumista ja toimenpiteistä.

Datascience

Analytiikan sovellusalueita

Käyttäjien tuottama data

Käyttäjät (palvelun hallinnoija, työntekijät, asiakkaat, asukkaat) suorittavat järjestelmässä erilaisia toimenpiteitä kuten kirjaavat huoltoja, tallentavat dokumentteja ja kuittaavat tarkistuksia. Usein data on pirstaloituneena järjestelmässä, jolloin siitä saatava kokonaiskuva ei aina ole paras mahdollinen.

Kiinnostavia tietoja ovat mm. erilaiset palveluiden käyttöön liittyvät mittarit. Kohteena voi olla mitä palveluita käytetään, miten niitä käytetään, kuka niitä käyttää ja miten palveluiden käyttö jakautuu eri sidosryhmien välillä.

Erilaisten mittareiden avulla toimintaa voidaan suunnata ja optimoida. Tehostamisen kohteena voivat olla yhtä hyvin toimintaprosessit kuin järjestelmään tehtävät parannukset ja kehittämistoimet.

Järjestelmän tuottama data

Tietotekniset järjestelmät pystyvät tuottamaan dataa täysin automaattisesti. Esimerkiksi kiinteistöissä ja siellä oleviin laitteistoihin sijoitetut sensorit (IoT) voidat kerätä suuria määriä informaatiota (big data).

Sensoreiden tuottamaa dataa voidaan arvioida tiettyyn pisteeseen saakka reaaliaikaisesti. Datalle voidaan määritellä erilaisia ehtoja, kuten esimerkiksi raja-arvoja jotka aktivoivat (trigger) erilaisia toimenpiteitä käyttäjille, sovellusohjelmille tai ulkoisille laitteille. Esimerkiksi lämpötilaa mittaava sensori voi säädellä termostaattia mikäli lämpötila ei pysy sille määritellyissä rajoissa.

Rajapintojen avulla dataa voidaan kerätä myös ulkopuolisista, kolmannen osapuolen palveluista (esim. säätiedot). Tietojen keruu voi olla reaaliaikaista tai ajastettua (eräajo), riippuen mm. käytettävistä tekniikosta, analyysin monimutkaisuudesta ja tietomääristä.

 

Case: Lämpötila, ilmankosteus ja ilmanpaine

Olemme toteuttaneet esimerkkinä kevyen automatisoidun tiedonkeruuratkaisun Buildlinkiin. Sensorit (Ruuvitag) keräävät huoneistoista lämpötila, ilmankosteus ja ilmanpaine dataa.

Sensorit toimivat bluetooth tekniikalla, joten niiden lukemiseen tarvitaan erillinen "tietokone" (RaspberryPi), joka välittää tiedot rajapinnan välityksellä Buildlink-palveluun.

Buildlink palvelussa useiden kuukausien ajan kerätyt (näytteenotto 5 minuutin välein) sensorilukemat ovat tallennettuna kiinteistöön/kohteeseen (esim. reaaliaikainen sensoridata)

Buildlink rajapinnan kautta (Asiakaskohtainen API-avain) halutut sensoritiedot voidaan kerätä varsinaiseen data-analyysiin (Python Datascience Stack).

Tämän jälkeen aineistot on yhteensovitettu (Data wrangling) samaan datamatriisiin (Data framework), joka mahdollistaa aineiston tilastollisen käsittelyn. Tiedoista on tuotettu erilaisia laskentamalleja, tilastoja ja graafisia kuvaajia (ks. kuva).

Datascience

Kuva. Yksittäisen huoneiston lämpötila ja ilmankosteus (keskiarvot, syksy 2017).

 

Buildlinkissä hyödynnetään ja siihen voidaan liittää erilaisia data-analytiikkaan liittyviä teknisiä palveluita ja työkaluja. Buildlink -palvelussa on erinomaiset rajapinnat, joiden avulla palvelu voidaan integroida ulkoisiin verkkopalveluhin ja datalähteisiin.