SAS^® Analytics per l'IoT

Elenco delle funzionalità di SAS Analytics for IoT

ETL semplificato ed estensibile

Trasforma e carica automaticamente i campi di dati chiave nel modello di dati basato sui sensori.
Consente di caricare rapidamente i dati IoT, sia che si tratti di tre campi (ID sensore, valore e data ora) che di centinaia.
Include attributi di sensori, attributi dei dispositivi, gerarchie, misure ed eventi.
Consente l'integrazione di ulteriori dati sulla qualità del campo e della produzione con i dati dei sensori, utilizzando funzionalità ETL complete.
Si collega direttamente a SAS Event Stream Processing per integrare in tempo reale le informazioni con i record storici.

Consente agli utenti non tecnici di selezionare rapidamente i dati da analizzare senza conoscere la tecnologia e la struttura dei dati sottostanti.
Consente agli utenti di accedere alle variabili e agli attributi disponibili secondo la propria terminologia aziendale.
Utilizza filtri intelligenti, finestre di data predefinite e altre scorciatoie per aumentare l'efficienza e ridurre gli errori.
Supporta le esigenze individuali degli utenti consentendo loro di selezionare i dati per qualsiasi combinazione di dispositivi, sensori, misure ed eventi.
Permette di salvare, copiare, riutilizzare e condividere le selezioni di dati in tutta l'organizzazione.

Riassume enormi volumi di dati ad alta frequenza per capire dove vengono raccolti e quali sono disponibili per l'analisi.  
Riduce milioni di record provenienti dai sensori e dagli eventi a dimensioni gestibili, mantenendo relazioni e schemi all'interno dei dati.
Visualizza i dati IoT per vedere le relazioni delle serie temporali tra i dispositivi, gli eventi e le letture dei sensori.

Consente agli utenti di preparare e trasformare facilmente i dati per l'analisi in SAS o in strumenti di terze parti.
Traspone i dati da un formato di archiviazione efficiente a un formato pronto per l'analisi.
Interpola i valori mancanti nei dati.
Applica una periodicità fissa per ridurre le dimensioni dei dati o per uniformare i sensori.
Consente agli utenti di aprire i dati in SAS Visual Analytics, SAS Visual Data Mining and Machine Learning e SAS Studio, nonché in applicazioni di terze parti e open source.

Combina data exploration, feature engineering e le moderne tecniche statistiche, di data mining e machine learning in un unico ambiente di elaborazione scalabile in-memory.
Consente agli utenti di analizzare i dati senza scrivere codice, utilizzando un'interfaccia interattiva drag-and-drop.
Utilizza modelli di best practice (base, intermedio o avanzato) per iniziare rapidamente attività di machine learning.
Applica diversi algoritmi di apprendimento automatico, tra cui alberi decisionali, random forest, gradient boosting, reti neurali, support vector machine e factorization machine.
Confronta i risultati di più algoritmi di apprendimento automatico con test standardizzati per identificare automaticamente i modelli campione.

Analizza e filtra i dati in streaming (dati in movimento) in real time.
Consente di creare, distribuire e gestire modelli di advanced analytics in esecuzione su dati in streaming.
Valuta i dati in tempo reale e applica modelli di apprendimento che combinano scoring e training.
Riduce l'elaborazione downstream grazie alla pulizia, alla standardizzazione e al filtraggio dei dati livestream prima della loro archiviazione.

Consente ai sistemi esterni di accedere ai dati in modo da ottimizzare gli investimenti IoT in tutta l'azienda.
Permette di integrare soluzioni SAS o di terze parti nel proprio ecosistema IoT.
Popola automaticamente dashboard e report esterni con i dati più recenti o con elenchi di selezioni di dati.