Inhoud
- Wat is een geïntegreerd analyseplatform?
- Hoe zien IoT-gegevens eruit?
- Een geïntegreerd Analytics-platform + IoT-gegevens
- Casestudy
- Samenvatting
Bron: Beebright / Dreamstime.com
Afhaal:
Een geïntegreerd analyseplatform kan ongestructureerde gegevens verwerken om betekenisvolle resultaten te produceren.
Internet of Things (IoT) wordt door de industrie gezien als een enorme kans. Velen geloven dat met de gegevens die zijn gegenereerd op basis van IoT-apparaten, op maat gemaakte, verbeterde producten en diensten kunnen worden geleverd aan eindklanten in veel industrieën. Bedrijven kunnen hun inkomsten verbeteren, kosten, energie en brandstof besparen en de productiviteit verbeteren. Om deze voordelen te realiseren, moeten IoT-gegevens correct worden benut, wat moeilijk is, vooral omdat het ongestructureerd en complex is.
Een geïntegreerd analyseplatform speelt een belangrijke rol bij het leveren van de juiste analyses uit een reeks ongestructureerde gegevens. Om zinvolle analyses te leveren, hebt u een combinatie van tools op één plek nodig die complexe gegevens kan opslaan, opvragen en verwerken. Een geïntegreerd analyseplatform doet precies dat.
Wat is een geïntegreerd analyseplatform?
Een geïntegreerd analyseplatform is een uniforme oplossing die zinvolle analyses biedt van alle gegevens, zelfs ongestructureerde en complexe gegevens. Het traditionele relationele databasebeheersysteem (RDBMS) kan geen opgeslagen of op maat gemaakte analyses van opgeslagen gegevens bieden. Grote bedrijven zijn erg afhankelijk van betekenisvolle en bruikbare gegevens om hun bedrijf te stimuleren. Het geïntegreerde analyseplatform integreert verschillende tools, zoals de uitvoeringsengine, het databasebeheersysteem (DBMS), datamining-mogelijkheden en mogelijkheden om gegevens te verkrijgen en voor te bereiden die niet in de database staan. En het platform wordt bijgewerkt om complexe en ongestructureerde gegevens te verwerken, zoals big data. Er is geen andere tool nodig om gegevens te verwerken. Dit platform kan aan eindklanten worden geleverd als een applicatie of op basis van het software-as-a-service (SaaS) -model. Bedrijven kunnen zich inschrijven voor een periode en vervolgens verlengen (of niet). In een rapport definieerden Merv Adrian en Colin White van BeyeNETWORK het analyseplatform als "een geïntegreerde en complete oplossing voor het beheren van gegevens en het genereren van bedrijfsanalyses op basis van die gegevens, die prijs / prestatie en tijd biedt die superieur is aan niet-gespecialiseerde aanbiedingen. Deze oplossing kan worden geleverd als een apparaat (alleen software, verpakte hardware en software, virtuele afbeelding) en / of in een cloudgebaseerde software-as-a-service (SaaS) -vorm. "
Hoe zien IoT-gegevens eruit?
IoT-gegevens kunnen uiterst complex zijn en zijn absoluut ongestructureerd. Denk aan de miljoenen apparaten, elk met een IP-adres, die met elkaar praten. Miljoenen servers verzamelen de gegevens van deze apparaten. Laten we enkele voorbeelden bekijken. Denk aan smartwatches die gezondheidsgegevens zoals pols en bloeddruk meten, of apparaten die zijn ingebouwd in elektronische apparaten zoals airconditioners of koelkasten die gegevens opslaan zoals temperatuur en voedselgewoonten. De totale hoeveelheid gegevens is enorm en deze vermenigvuldigt zich. De ontvangen gegevens zijn complex vanwege de verschillende configuraties van apparaten en sensoren, parsing halverwege tussen sensoren en servers, technologieën die worden gebruikt om gegevens vast te leggen, bestandsindelingen en verschillende andere factoren. Datavolume en -formaat maken dus IoT-gegevensanalyse een uiterst uitdagende taak.
In een enquête werd vastgesteld dat van de totale gegenereerde gegevens 44,6% XML-gegevens zijn, 23,8% ongestructureerde bestandsgegevens, 23% weblogs en de rest bestaat uit pakketapplicatiegegevens, rich media-gegevens en andere bestandstypen.
Een geïntegreerd Analytics-platform + IoT-gegevens
Het is duidelijk dat volume, complexiteit en ongestructureerde indeling IoT-gegevensanalyse een uitdagende propositie maken. Wat de uitdaging nog groter maakt, is de vereiste dat de analyses snel moeten worden geleverd. U hebt dus een oplossing nodig die niet alleen zinvolle IoT-analyses kan leveren, maar deze ook snel kan leveren. Dit is iets dat niet kan worden aangepakt door geïsoleerde tools en technologieën. Daarom heeft u een uniforme oplossing nodig. Zoals eerder vermeld, combineert een geïntegreerd analyseplatform een databasebeheersysteem, een gegevensverzamelings- en opslagsysteem en verwerkingsmogelijkheden op één plek. Hier zijn enkele redenen waarom een geïntegreerd analyseplatform uw beste keuze is.
Analytics-platforms zijn in staat om geavanceerde analyses op gegevens uit te voeren. Regelmatige analysetools zullen bijvoorbeeld moeite hebben om een eenvoudige vergelijking te maken van de winstgevendheid van de afgelopen week van de top tien handelaren in New York City vanwege de gigantische hoeveelheid gegevens die het binnen een beperkte tijd moet verwerken. Geïntegreerde analyse kan dat en meer. Het kan voorspellende gegevensmodellen bouwen en het gegevensmodel vervolgens vergelijken met realtime gegevens, geografische visualisaties uitvoeren en meer.
Traditionele datacenterconfiguraties en analysetechnologieën zijn een dure propositie, temeer wanneer u IoT-analyse met deze bronnen probeert te leveren. U moet meer investeren in de opstelling naarmate het gegevensvolume en de analysevereisten toenemen. Analytics-platforms kunnen deze kosten aanzienlijk verlagen. Licentiekosten van open-source software zijn aanzienlijk lager. Deze platforms gebruiken goedkopere grondstoffenprocessors, zodat hardware eenvoudig kan worden geüpgraded. Omdat apparaten vooraf zijn geïntegreerd en vooraf zijn geconfigureerd, worden de installatiekosten verlaagd.
Casestudy
is een prominente case study van hoe een geïntegreerd analyseplatform het verschil maakte. en Google leverde beperkte en gestandaardiseerde analyses. Een diepere analyse, hoewel mogelijk, was tijdrovend en kon kostbaar en ineffectief zijn. De oplossing was een geïntegreerd analysesysteem dat analyses, Google Analytics en aangepaste analyses combineerde met de mogelijkheid om gegevens op elke gewenste manier te segmenteren en in dobbelsteentjes te snijden. Dit creëerde een veelzijdige, effectieve oplossing. Als gevolg hiervan werd de analysetijd met 90% verkort, de budgetten voor testcampagnes en de minimale steekproefomvang met 75% verlaagd, de conversiepercentages met 100% verhoogd en de gemiddelde pauzetijd van de campagne daalde van vier dagen naar één dag. De onderstaande tabel laat zien hoe geïsoleerde statistieken van en Google werden geïntegreerd door het analyseplatform.
Samenvatting
IoT-gegevens zijn een sterk argument voor geïntegreerde analyseplatforms. Het zal voor bedrijven die erg afhankelijk zijn van gegevens extreem moeilijk zijn om met traditionele analysemethoden en -technologieën te blijven vanwege relatieve inefficiënties en kosten. Er moet echter worden opgemerkt dat de overstap naar een geïntegreerd analyseplatform ook een verandering in de mindset voor veel bedrijven weerspiegelt en verandering meestal traag is. Geïntegreerde analyseplatforms worden nog steeds met veel voorzichtigheid bekeken en er is veel discussie gaande over het rendement van investeringen. Dit is natuurlijk omdat de moderne platforms zich in een opkomende fase bevinden en het enige tijd zal duren voordat deze platforms een bredere acceptatie krijgen. Maar al snel belooft dit het dominante platform voor data-analyse te worden.