Monitorización de dispositivos de teleasistencia.

Dando soporte a un mar de dispositivos.

¿Cómo maximizar la eficiencia en la gestión de más de 250.000 dispositivos de teleasistencia repartidos por el planeta, conseguir indicadores de negocio y predecir qué va a ocurrir? Esos son los grandes retos a los que se enfrenta la división de Assisted Living and Healthcare de Legrand.

Estos dispositivos permiten garantizar la seguridad y la continuidad de los servicios de teleasistencia y monitorizar en tiempo real diferentes factores como el estado de salud de personas con cierto grado de dependencia, su actividad, etc. con el fin de crear planes de atención personalizados.

Actualmente, se procesan más de 800.000 eventos al día, por lo que deducir posibles incidencias en conjuntos de dispositivos para actuar en su resolución de forma proactiva es prácticamente imposible para los operadores (personal encargado de gestionar el parque tecnológico).

Además de actuar de forma ágil en su resolución, es necesario poder procesar toda esta información, disponer de una visión agregada y derivar indicadores que sean de utilidad para su análisis por parte del negocio. Incluso, más allá, ¿por qué no aplicar inteligencia que permita predecir qué va a ocurrir? Llegar a tener un modelo de negocio más predictivo y menos reactivo, ese es el verdadero desafío. Data Clinic como aproximación al diseño de un producto digital de datos.

Apoyándonos en los servicios del rico ecosistema de soluciones de AWS, y aplicando su aproximación Data Clinic para la definición de una estrategia y arquitectura de datos, hemos diseñado con el equipo de Neat una solución tecnológica que permite la adquisición y el tratamiento de un alto volumen de alertas técnicas de los dispositivos de teleasistencia de Neat, así como su explotación, visualización y notificación de patrones anómalos.

Nuestro Data Clinic se enfoca en los datos, procesos y en el alineamiento con los objetivos del negocio, para identificar y definir casos de uso en los que se saca el máximo valor al dato, desde una perspectiva funcional, aprovechando el estado del arte en tecnologías de cloud analytics de AWS.

Durante el Data Clinic, y gracias a la colaboración del equipo BDM de Amazon QuickSight, hemos analizado en detalle el roadmap de Amazon QuickSight, en contacto directo con el equipo técnico de producto, para poder evaluar y planificar cómo las necesidades de Neat pueden ser cubiertas, tanto en una etapa inicial como a medio plazo, por las capacidades de QuickSight.

Primer objetivo: eficiencia operacional.

Esta primera etapa ha estado enfocada en la mejora de la eficiencia en la gestión y monitorización del parque instalado, dotando de un dashboard que facilita la gestión en el día a día de las alarmas activas dentro del universo de dispositivos.

Este dashboard está totalmente integrado en la plataforma IoT de Neat, gracias a las capacidades de embeber contenidos de la solución de BI Amazon QuickSight. En definitiva, una potente herramienta de apoyo a la decisión casi en tiempo real.

En esta etapa, las piezas clave del ecosistema de AWS que nos han permitido llegar a la solución final han sido:

• Amazon QuickSight para la creación de cuadros de mando.
• Amazon Elasticsearch como datastore principal.
• AWS Lambda para la ejecución de los procesos.
• AWS Step Functions para generar los flujos de procesos.
• Amazon MQ, ActiveMQ / RabbitMQ como colas para el intercambio de información.
• Amazon S3 para el almacenamiento de datos.

Una solución que proporciona flexibilidad y garantiza un crecimiento futuro.

La solución diseñada se basa en los servicios gestionados de AWS, aprovechando las ventajas de alta disponibilidad y resiliencia que estas soluciones aportan y reduciendo el coste de mantenimiento al mínimo, al aplicarse un modelo de pago por uso.

Los servicios de AWS tienen además grandes capacidades de escalabilidad, garantizando la continuidad del negocio y permitiendo escalar en función de las cargas de trabajo.

Facilitando la toma de decisión en tiempo real.

Conectamos el parque de dispositivos completo de Neat a unas fuentes de datos con las que generamos la información que necesitan los operadores para ser mucho más eficientes en su trabajo. No necesitan ir dispositivo a dispositivo para conocer qué está sucediendo, porque pueden ver de forma clara cómo se comporta todo el parque de dispositivos “en vivo”.

Diseñamos un sistema de alarmas en paralelo, que detecta de forma aún más inmediata caídas o potenciales fallos y eventos en toda la red de dispositivos. El sistema alimenta directamente al existente en la herramienta de gestión de dispositivos. Lo más importante es que está preparado para escalar y ganar inteligencia en fases posteriores. Mediante la identificación de patrones en base a la ingesta masiva de datos podremos idear nuevas alarmas cada vez más sofisticadas y adaptadas a la realidad del negocio de Neat.

Esta etapa sienta las bases de varias líneas de evolución del producto.

El data store operacional de alertas construido es solo la primera etapa en el ciclo de vida del procesamiento de alertas. A partir de este, podremos construir un Cloud Data Warehouse analítico, basado en Amazon Redshift, que ponga en manos de usuarios de negocio, y de los propios clientes de Neat, capacidades avanzadas de Business Intelligence. No solo en forma de reporting y dashboards estáticos, sino de auténtico autoservicio de datos y analítica ad-hoc, gracias a la facilidad de uso de QuickSight como herramienta de visualización de usuario final.

Por otra parte, la aplicación de modelos de aprendizaje automático con Amazon SageMaker permitirá, a partir de la misma información, desarrollar un rico ecosistema de casos de uso predictivos y cognitivos para anticiparnos a incidencias en la red de dispositivos, e incluso poder reconfigurar de forma automática la misma aplicando las últimas técnicas de AIOps.

Y eso es solo una dimensión técnica de las capacidades del producto. Los avanzados terminales de teleasistencia de Neat son además hubs IoT integrados con todo un ecosistema de dispositivos como detectores de caídas, cámaras, diversos tipos de sensores, dispositivos de biomedida, etc. La analítica cruzada de los eventos de estos dispositivos abre un abanico de casos de uso que pueden mejorar significativamente la monitorización del usuario en hogares o en residencias, como la prevención de accidentes, detección de posibles episodios que requieran de atención clínica, alineamiento con protocolos de actuación, atención personalizada en función del perfil de usuario (o incluso en función de su historia clínica).

En definitiva, este creciente ecosistema de Connected Care está llamado a crecer, incorporando dispositivos que permitan enriquecer las interacciones con el usuario, con comunicaciones de voz e incluso con videoconsultas, a las que podemos aplicar técnicas de IA, como el análisis de voz y la visión computacional.