Teradata создала аналитику потоковых данных Интернета вещей

Корпорация Teradata объявила о создании глобального подразделения аналитики Интернета вещей в рамках Teradata Labs, расположенного в США, Великобритании и Индии. Его деятельность сосредоточена на создании инновационных разработок для максимально эффективного использования Аналитики вещей. Это специализированная команда разработчиков ПО и инженеров по обработке данных, в задачу которых входит разработка новых облачных аналитических решений и услуг с целью упрощения углубленного анализа, перемещения данных и управления базами данных для Интернета вещей.

«Лучшие умы Teradata сосредоточены на создании самых передовых технологий для придания импульса аналитике вещей, – заявил Оливер Рацесбергер, Президент, Teradata Labs. – Заявляя подобное, мы упрощаем для наших клиентов процессы перемещения сенсорных данных, оптимизации систем управления данными для работы с большими объемами данных и выполнения углубленной аналитики потоков данных Интернета вещей в режиме реального времени. Мы предоставляем нашим клиентам мощные инструменты и технологии для анализа данных Интернета вещей с целью получения новых ценных сведений, приложений и сценариев использования».

Аналитика Teradata Aster отвечает на важный вопрос «почему это произошло» с помощью данных Интернета вещей. Встроенные аналитические функции включают в себя новые возможности по подготовке данных Интернета вещей и методы машинного обучения, что позволяет быстро понять и выявить модели поведения машин. Это приводит к снижению рисков, сокращению затрат на техническое обслуживание и времени простоя, а также к повышению производительности. Аналитика Aster упрощает и ускоряет процесс обнаружения полезных и необходимых сведений, скрытых в больших объемах данных Интернета вещей, и делает это за миллисекунды.

Кроме того, многие из созданных моделей машинного обучения легко переносятся и могут выполняться практически в любой операционной среде, использующей Java. Teradata Aster Scoring SDK (набор разработчика ПО) позволяет аналитикам легко развертывать аналитические модели Aster IoT на практически любом пограничном сервере Интернета вещей, в публичном облаке и в центре обработки данных.

Подразделение аналитики Интернета вещей также применяет методы машинного обучения и углубленной аналитики в системном администрировании и для решения задач по интеграции разработки и эксплуатации ПО. Они применяют машинное обучение в системах Teradata для решения сложных задач, связанных с производительностью и повышенной рабочей нагрузкой, за секунды. Услуги аналитики вещей от Teradata предлагают клиентам бесчисленное множество решений, в том числе:



  • Раннее предупреждение и обнаружение, в котором используется прогнозная аналитика для более быстрого обнаружения и устранения проблем, связанных с оборудованием и приборами, что позволяет сократить расходы на ремонт и гарантийное обслуживание и сохранить репутацию компании.
  • Непрерывный мониторинг активов открывает новые возможности для получения прибыли и позволяет реализовать стратегии ценообразования по модели почасовой оплаты за мощность и оплаты по мере использования вместо приобретения.
  • Мониторинг и анализ физических активов в режиме реального времени, что позволяет компаниям получать различные ценные сведения в реальном времени и действовать в соответствии с ними, в том числе оповещения о нарушении безопасности, данные о потреблении энергии и топлива, времени простоя, неисправных деталях, географическом местоположении и т.п.
«Teradata хорошо зарекомендовала себя с точки зрения продуктов и услуг для углубления анализа Интернета вещей. Более 70% аналитических экосистем Интернета вещей используют платформы для обнаружения данных, аналитические устройства, корпоративные хранилища данных и витрины данных, – утверждает Джон Л. Майерс, управляющий директор по исследованиям Enterprise Management Associates, цитируя недавнее исследование Интернета вещей, проведенное этой аналитической компанией среди 250 мировых лидеров в области технологий и бизнеса. – Для сравнения, в настоящее время эти экосистемы используют относительно меньше хранилищ данных Hadoop (13,2%) и NoSQL (13,6%)».

Поделиться с друзьями
ASTERA