Sa pamamagitan ng Techopedia Staff, Setyembre 22, 2016
Takeaway: Tinatalakay ng Host Rebecca Jozwiak ang gilid ng analytics kasama si Dr. Robin Bloor, Dez Blanchfield at Shawn Rogers ni Dell Statistica.
Kasalukuyan kang hindi naka-log in. Mangyaring mag-log in o mag-sign up upang makita ang video.
Rebecca Jozwiak: Mga Babae at mga ginoo, kumusta, at maligayang pagdating sa Hot Technologies ng 2016. Ngayon nakakuha kami ng "Edge Analytics: Ang IoT Economy sa Huling." Ang pangalan ko ay Rebecca Jozwiak. Ako ang magiging moderator mo para sa webcast ngayon. Nag-tweet kami ng isang hashtag ng # HOTTECH16 kung nais mong sumali sa pag-uusap sa Twitter.
Kaya ang IoT, siguradong isang mainit na paksa sa taong ito at sa internet ng mga bagay, talagang tungkol sa data ng makina, data ng sensor, data ng pag-log, data ng aparato. Wala sa alinman sa bago, mayroon kaming na uri ng data magpakailanman, ngunit ito ay hindi namin talaga nagawang gamitin ito at ngayon kami ay nakakakita lamang ng isang tonelada ng mga bagong paraan upang magamit ang data na iyon. Lalo na sa industriya ng medikal, merkado sa pananalapi, na may langis at gas, mga kalakal, ito ay isang kayamanan lamang ng impormasyon na dati nang hindi nabuksan. At hindi isang buong pulutong ng mga tao ang talagang nakakuha ng isang mahusay na pagkaunawa sa kung paano gawin ito nang maayos. Pinag-uusapan namin ang tungkol sa maraming maliit na data, ngunit maraming data at, alam mo, mayroong mga isyu sa network, may kasangkot sa hardware, o kailangang maproseso, at paano mo ito gagawin nang walang pag-clog up ng iyong system? Well iyon ang matututunan natin ngayon.
Narito ang aming lineup ng mga eksperto. Nakuha namin si Dr. Robin Bloor, ang aming punong analyst sa The Bloor Group. Mayroon din kaming Dez Blanchfield, ang aming data scientist sa The Bloor Group. At nasisiyahan kami na magkaroon si Shawn Rogers, direktor ng pandaigdigang marketing at mga channel mula sa Dell Statistica. At kasama iyon, ipapasa ko ang bola kay Robin.
Robin Bloor: Okay, mabuti salamat sa iyo. Dapat kong itulak ang isang pindutan at itapon ang isang slide. Wala akong ideya kung bakit ko nilikha ang apocalyptic na larawan na ito para sa internet ng mga bagay. Posibleng dahil sa palagay ko ay magiging magulong sa huli. Diretso na ako. Ito ay para sa kurso sa anumang pagtatanghal ng IoT. Mayroon kang, sa isang paraan o sa iba pa, upang sabihin ang isang bagay na nakapangingilabot tungkol sa kung saan ito pupunta lahat. At sa totoo lang, ang karamihan sa mga ito ay marahil ay totoo. Kung tinitingnan mo ang paraan na ang mga curves na ito ay unti-unting lumalawak. Alam mo, ang mga personal na computer, smartphone at tablet ay marahil ay patuloy na tataas. Maaaring tumaas ang mga Smart TV. Mga may suot, marahil ay sumasabog na sila ngayon, kumpara sa kung ano ang ilang mga nakaraang taon. Ang mga nakakonektang kotse, hindi maiiwasan na halos lahat ng mga kotse ay magiging konektado nang lubusan at lubusang naghahatid ng data sa lahat ng oras. At lahat pa. At ang partikular na graph na ito ng BI Intelligence ay nagpapahiwatig na ang lahat ng iba pa ay lalampas sa mga halatang bagay, napakabilis.
Kaya kung ano ang sasabihin tungkol sa IoT? Ang unang bagay ay isang punto lamang ng arkitektura. Alam mo, kapag nakuha mo ang data at naproseso ka, sa isang paraan o sa isa pa, kailangan mong pagsamahin ang dalawa. At sa data sa dami nito ngayon, at pagtitipon sa iba't ibang lugar, ang dalawa ay hindi na natural na magkasama. Dati sila sa mga dating araw ng mainframe, sa palagay ko. Kaya maaari mong isipin sa mga tuntunin ng pagkakaroon ng isang layer ng pagproseso, isang layer ng transportasyon at isang layer ng data. At sa isang paraan o iba pa, ang layer ng transportasyon sa ngayon ay lilipat ang pagproseso sa paligid o ilipat ang data sa buong mga network. Kaya narito ang mga pagpipilian: Maaari mong ilipat ang data sa pagproseso, maaari mong ilipat ang pagproseso sa data, maaari mong ilipat ang pagproseso at ang data sa isang maginhawang punto ng pagpapatupad, o maaari mong maiyak ang pagproseso at pakinggan ang data. At tungkol sa internet ng mga bagay, ang data ay medyo naipadala sa kapanganakan at ang posibilidad na ang isang kakila-kilabot na proseso ng pagpoproseso ay mapapansin upang ang mga aplikasyon na kailangang patakbuhin ay maaaring maganap.
Kaya nagpinta ako ng litrato. Ang kagiliw-giliw na bagay sa akin tungkol sa IoT, pinag-uusapan ko ang tungkol sa isang pinagsama-samang domain sa diagram na ito, at itinuturo ko na mayroong mga sub-domain. Kaya maaari mong isipin na ang IoT domain 1 dito ay isang kotse na may ilang uri, at ang domain 2 at domain 3 at domain 4, ay mga kotse ng ilang uri, at ikaw ay magbubuklod ng data ng lokal, magpapatakbo ka ng mga lokal na apps sa data na iyon, at ilalagay mo ang iba't ibang mga bagay sa pagkilos. Ngunit upang magkaroon ng analytics tungkol sa lahat ng mga kotse, kakailanganin mong maglipat ng data sa gitna, hindi kinakailangan ang lahat ng data, ngunit kakailanganin mong magkasama sa gitna. At kung iniisip mo ang tungkol dito, baka gusto mong magkaroon ng maraming, maraming magkakaibang mga pinagsama-samang mga domain sa parehong hanay ng mga bagay na IoT. At ang mga domain mismo ay maaaring higit na magkasama. Kaya maaari kang magkaroon ng paulit-ulit na hierarchy na ito. At karaniwang kung ano ang nakuha namin doon ay isang hindi kapani-paniwalang kumplikadong network. Malayo mas kumplikado kaysa sa anumang mayroon kami bago.
Mayroon akong isang tala sa ibaba dito. Ang lahat ng mga node ng network, kabilang ang mga node ng dahon, ay maaaring maging mga tagalikha ng data, mga data store at mga punto ng pagproseso. At binibigyan ka nito ng posibilidad ng pamamahagi, tulad ng kung saan hindi pa namin nakita. Si Dez ay pag-uusapan nang kaunti pa tungkol doon, kaya't dapat akong lumipat sa partikular na puntong ito. Sa sandaling nasa internet tayo ng mga bagay at ang lahat ng data ay talagang nalutas sa pagiging mga kaganapan, ang punto tungkol sa slide na ito ay para lamang ipahiwatig na kakailanganin nating pamantayan sa mga kaganapan. Kailangan nating, sa pinakadulo, kakailanganin natin ito. Kami ay magkakaroon ng oras na naganap ang kaganapan, ang lokasyon ng heograpiya na naganap, virtual o lohikal na lokasyon ng proseso na nilikha nito, ang mapagkukunan na aparato na nilikha nito, aparato ng ID upang alam mo nang eksakto kung aling mapagkukunan ang nilikha nito, pagmamay-ari ng data at aktor, ang mga taong may karapatang gamitin ang data sa ilang paraan o iba pa, kakailanganin nitong dalhin ang mga pahintulot na kasama nito, na nangangahulugang ito, kailangang magdala ng seguridad kasama nito, at pagkatapos ay mayroong ang data mismo. At kapag tiningnan mo ito, napagtanto mo na, alam mo, kahit na mayroon kang isang sensor na walang ginagawa kaysa sa pag-uulat ng temperatura ng isang bagay bawat segundo o higit pa, mayroong talagang maraming data upang makilala mismo kung saan ang data nagmula at kung ano talaga ito. Sa pamamagitan ng paraan, hindi ito isang kumpletong listahan.
Kaya, sa mga tuntunin ng hinaharap na tanawin ng IT, ang paraan na nakikita ko ito ay: na ito ay hindi lamang sa internet ng mga bagay, mayroon ding katotohanan na tayo ay magiging isang mundo ng aktibidad na hinihimok ng kaganapan, at samakatuwid kami ay magkakaroon ng mga arkitektura na hinihimok ng kaganapan, at ang mga arkitektura na iyon ay kailangang sumasaklaw sa mga malalaking network. At ang iba pang bagay ay real-time na lahat, hindi kinakailangan na maging dahilan para maging real-time tayo ngunit mayroong isang bagay na tinutukoy ko bilang oras ng negosyo na kung saan ang oras sa loob ng data na talagang dapat ihain at handa upang maproseso. Hindi iyon maaaring, alam mo, isang millisecond matapos itong malikha. Ngunit palaging mayroong tulad ng isang oras para sa bawat piraso ng data at sa sandaling mayroon kang isang arkitektura na hinihimok ng kaganapan nagsisimula itong maging mas matalinong mag-isip sa mga tuntunin ng isang real-time na diskarte sa paraang gumagana ang mundo.
Kaya kumukulo ito, dahil ang talagang pinag-uusapan natin ay ang analytics sa IoT. Sa kabila ng lahat ng ito, pa rin ang tungkol sa oras upang maunawaan, at hindi lamang oras upang maunawaan, ang pananaw ay dapat na sundin ng mga aksyon. Kaya, oras upang maunawaan at oras upang kumilos ay kung ano ang gagawin ko itong pakuluan. Pagkasabi nito, ipapasa ko ang bola sa Dez.
Dez Blanchfield: Salamat, Robin. Nakakatawa tulad ng dati. Gustung-gusto ko ang katotohanan na ito ay isang mahirap na gawa upang sundin sa bawat pagkakataon, ngunit gagawin ko ang aking makakaya.
Isa sa mga bagay na nakikita ko, at madalas akong naaaliw sa pamamagitan nito, upang maging matapat, at hindi sa isang hindi nakakagambalang at negatibong pormang pahilig, ngunit mayroong maraming pag-aalala at gulat tungkol sa internet ng mga bagay na kumukuha sa mundo at pag-slot sa amin at sisimulan mong mawala ang iyong data, kaya nais kong magkaroon ng kaunting pagtingin sa ilan sa mga bagay na nagawa namin dati sa huling dalawa hanggang tatlong dekada na naging malapit sa internet ng mga bagay, ngunit marahil hindi masyadong sa parehong sukat. At upang ipakita lamang sa ating sarili na kami ay talagang narito at nalutas ang ilan sa mga problema, hindi sa antas ng sukat na ito at hindi sa bilis na ito. Dahil nangangahulugan ito na maaari nating talagang malutas ang problema at alam natin kung ano ang ilan sa mga sagot; kailangan lang namin mag-hunker down at mag-aplay muli ng ilan sa mga natutunan namin dati. At alam kong ito ang buong pag-uusap na malapit na tayong magkaroon at nakakuha ako ng isang buong hanay ng mga nakakatuwang bagay para lamang makipag-chat sa seksyon ng Q&A.
Ngunit kung iisipin natin ang tungkol sa internet ng mga bagay sa bilog, mayroong isang malaking pakikitungo sa sentralisasyon na kasalukuyang nasa antas ng disenyo na isinulat sa mga unang araw. Ang mga aparatong Fitbit, halimbawa, lahat ay may posibilidad na pumunta sa isang gitnang lugar at malamang na mai-host sa isang platform ng ulap sa isang lugar at lahat ng data na iyon mula sa lahat ng mga aparatong iyon ay pareho, sabihin natin, harap ng dulo ng isang salansan, kasama ang web at app at batay sa data na serbisyo. Ngunit sa paglipas ng panahon ang scale na ito ay mangangailangan ng isang re-engineering upang makaya sa dami ng data na darating sa kanila at muling mag-engineer sila kaya't maraming mga dulo ng harap at maraming mga kopya ng salansan sa maraming lokasyon at rehiyon. At nakikita namin ito at mayroong maraming mga halimbawa na ibibigay ko sa iyo na maaari nating talakayin.
Ang pangunahing punto nito ay kahit na nakita namin ang ilan sa mga solusyon na malapit kong sakupin, ang sukat at dami ng data at ang trapiko sa network na bubuo ng internet ng mga bagay ay agarang nangangailangan ng isang paglilipat mula sa gitnang upang maipamahagi ang mga arkitektura sa aking pagtingin, at alam namin ito ngunit hindi namin kinakailangang maunawaan kung ano ang solusyon. Kung iniisip natin ang tungkol sa konsepto ng kung ano ang internet ng mga bagay, ito ay isang malaking modelo ng network. Marami at maraming mga bagay na gumagawa ngayon ng ingay. Ang mga bagay na hindi nag-ingay hanggang kamakailan. At sa katunayan, sa palagay ko kahapon, nagbibiro ako tungkol sa salansan, ngunit nagpunta ako upang bumili ng isang bagong toaster at dumating ito na may isang pagpipilian na maaaring sabihin sa akin ang iba't ibang mga bagay, kasama na kapag kailangan itong maglinis. At ang isang bagong microwave na may katulad na tampok at maaaring aktwal na mag-ping ng isang app sa aking telepono upang sabihin na ang bagay na muling pag-init ay tapos na ngayon. At marami akong opinyon na kung mayroong isang pares ng mga bagay na hindi ko nais na makipag-usap sa akin ito ang aking refrigerator, microwave at toasters. Medyo komportable ako sa kanila na mga pipi. Ngunit mayroon akong bagong kotse kamakailan, isang maliit na Audi, at nakikipag-usap ito sa akin at nasisiyahan ako sa iyon, dahil ang mga bagay na pinag-uusapan ay mga bagay na interesado. Tulad ng pag-update ng mga mapa sa real-time upang sabihin sa akin kung saan mayroong isang mas mahusay na ruta upang makuha mula sa punto A hanggang point B dahil napansin ang trapiko sa pamamagitan ng iba't ibang mga mekanismo na may data na ipinadala.
Mayroon akong slide na ito. Nakita na namin ang mga modelo ng high-volume na network ay nangangailangan ng isang paglipat mula sa gitnang na ibinahagi sa pagkuha at paghahatid ng mga data sa pagpoproseso at mga modelo ng analytics. Nakita namin ang mga bagay na lumipat mula sa tatlong maliit na diagram ng graph doon sa kanang sulok kung saan nakuha namin, ang isa sa kaliwa sa labas ng tatlo, mayroong isang sentralisadong modelo kasama ang lahat ng mga maliit na aparato na dumating sa gitnang lokasyon at mangolekta ng data at ang sukat ay hindi napakahusay, nakayanan nila ang maayos doon. Sa gitna mayroon kaming isang bahagyang mas desentralisado modelo at hub at nagsalita, na kung saan sa palagay ko ay kakailanganin namin sa internet ng mga bagay sa susunod na henerasyon. At pagkatapos ay sa kanang bahagi ay nakuha namin ito ng buong ipinamamahagi at malambot na network na kung saan ang internet ng mga bagay at machine-to-machine ay pupunta sa napakaikling term sa hinaharap, ngunit hindi kami lubos doon para sa isang iba't ibang mga kadahilanan. At higit sa lahat dahil gumagamit kami ng mga platform sa internet para sa karamihan ng mga komunikasyon hanggang ngayon at hindi kami talagang nagtayo ng isang pangalawang network upang magdala ng maraming data na ito.
Mayroong pangalawang network na umiiral na tulad ng Batelco network. Ang isang pulutong ng mga tao ay hindi nag-iisip tungkol sa katotohanan na ang mga telecoms 'network ay hindi internet. Ang internet ay isang hiwalay na bagay sa maraming paraan. Nagsusubaybay sila ng data mula sa mga smartphone sa mga network ng telepono, at pagkatapos ay sa mga network ng telepono at sa internet sa pangkalahatan kung saan sila ay talagang inilalagay ang mga ito sa dalawang network. Ngunit ganap na posible at malamang na ang internet ng mga bagay ay kakailanganin ng isa pang network. Pinag-uusapan namin ang tungkol sa pang-industriya na internet bilang isang paksa sa pangkalahatan, na hindi namin makikita sa detalye ngayon, ngunit mahalagang pinag-uusapan namin ang tungkol sa isa pang network na partikular na idinisenyo para sa mga uri ng karwahe para sa data o internet ng mga bagay at machine-to-machine komunikasyon.
Ngunit ang ilan sa mga halimbawa na nais kong ibahagi kung saan nakita namin ang mga network na may mataas na dami at ipinamamahagi nang maayos ang data ay mga bagay tulad ng internet. Ang internet ay partikular na idinisenyo at nai-arkitektura mula sa araw ng una upang may kakayahang makaligtas sa isang digmaang nukleyar. Kung ang mga bahagi ng US ay sumabog, ang internet ay dinisenyo upang ang data ay maaaring lumipat sa paligid ng internet nang walang pagkawala ng packet para sa mga kadahilanan na konektado pa rin kami. At umiiral pa rin ngayon sa isang global scale. Ang internet ay may maraming mga kakayahan sa paligid ng kalabisan at mga packing packet. At sa katunayan ang kontrol ng internet sa pamamagitan ng isang bagay na tinatawag na BGP, Border Gateway Protocol, at ang Border Gateway Protocol, BGP, ay partikular na idinisenyo upang makayanan ang alinman sa isang router o switch o bumaba ang server. Kapag nagpadala ka o tumanggap ng isang email, kung magpadala ka ng tatlong mga email nang sunud-sunod na walang garantiya na ang bawat isa sa mga email ay susundin ang parehong ruta sa parehong patutunguhan. Maaari silang lumipat sa iba't ibang mga bahagi ng internet sa iba't ibang mga kadahilanan. Maaaring magkaroon ng isang outage, maaaring magkaroon ng mga window ng pagpapanatili kung saan ang mga offline ay na-upgrade, maaaring magkaroon ng kasikipan sa network, at nakita namin na sa mga bagay tulad ng mga network ng trapiko na may mga kotse at pampublikong transportasyon at mga barko at eroplano. Nakakakuha kami ng nilalaman sa aming mga aparato tulad ng aming mga laptop at tablet at computer sa pamamagitan ng mga browser at iba pa araw-araw sa pamamagitan ng mga network ng paghahatid ng nilalaman. Ang mga network ng paghahatid ng nilalaman ay tungkol sa pagkuha ng mga kopya ng nilalaman mula sa iyong pangunahing paghahatid ng platform tulad ng web server at paglipat ng mga kopya ng iyon at ang maliit na cache sa gilid ng network at ihahatid lamang ito sa iyo mula sa pinakamalapit na bahagi ng gilid.
Anti-spam at cybersecurity - kung maganap ang isang kaganapan sa spam sa Canada at nakita ito ng Microsoft at makita na maraming mga kopya ng parehong email ang ipinadala sa isang grupo ng mga random na tao, ang mga tseke ay nakuha sa iyon, isang pirma para sa mensahe na iyon ay nilikha at ilagay sa isang network at ipinamahagi kaagad. At sa gayon ang email ay hindi nakapasok sa aking inbox, o kung nagagawa ito, mai-tag ito bilang spam kaagad dahil napansin ito sa ibang lugar sa gilid ng network. At kaya ang iba pang mga bahagi ng gilid ng network ay sinabi tungkol sa pirma ng mensahe ng spam na ito at inilalagay sa isang index ng isang database at kung ang mga mensahe ay nagsisimula na lumitaw sa kabilang panig ng planeta, nakita namin ang mga ito at alam namin ang mga ito ay spam. At ang parehong naaangkop sa cybersecurity. Ang isang hack na nagaganap sa isang bahagi ng planeta ay napansin at nakarehistro at na-map at lahat ng biglaang sa iba pang bahagi ng network ay maaari nating labanan ito at isampa ang mga patakaran at patakaran at baguhin upang makita kung maaari nating harangan ito. Lalo na sa bagong epekto ng mga bagay tulad ng pagtanggi ng serbisyo o ipinamamahagi ng pagtanggi sa serbisyo kung saan libu-libong mga makina ang ginagamit upang atakehin ang isang gitnang website.
Ang Bitcoin at ang blockchain, ay sa pamamagitan ng default, sa likas na katangian nito ay isang ipinamamahagi na ledger, ang blockchain, at nakikipag-cop sa anumang mga pagkagambala o mga breakage sa network. Ang pag-iwas at pag-iwas sa pandaraya, mga utility ng kuryente at tubig - nakikita namin, alam mo ang power network, kung ang isang bahagi ng network ay nakakakuha ng isang puno ng lupa dito at kumuha ng isang poste at isang wire, nakakakuha pa rin ng kapangyarihan ang aking bahay. Hindi ko alam ang tungkol dito, madalas na hindi ko ito nakikita sa balita. At nasanay na kaming lahat sa mga network ng transportasyon kung saan orihinal na mayroong isang sentralisadong modelo, "Lahat ng mga kalsada ay humantong sa Roma, " tulad ng sinasabi nila, at sa kalaunan ay kailangan naming pumunta sa desentralisado na modelo na may mga hub at tagapagsalita, at pagkatapos ay nagpunta kami. sa isang meshed network kung saan makakakuha ka mula sa isang bahagi ng lungsod patungo sa iba pa sa pamamagitan ng iba't ibang mga ruta ng mesed at iba't ibang mga interseksyon. At kaya kung ano ang nakikita natin dito ay ang sentralisadong modelo ng kung ano ang ginagawa namin ngayon sa internet ng mga bagay ay kailangang itulak sa gilid ng network. At nalalapat ito sa analytics nang higit sa dati, at iyon ay kailangan nating itulak ang analytics sa network. At upang gawin ito ay nangangailangan ng isang ganap na bagong diskarte sa kung paano namin ma-access at iproseso ang data na iyon at ang mga daloy ng data, sa aking pananaw. Pinag-uusapan namin ang tungkol sa isang sitwasyon kung saan naniniwala ako na nakikita namin ang limitadong katalinuhan na itinulak sa gilid ng network sa mga aparatong konektado sa internet, ngunit malapit na naming makita ang mga kagamitang iyon na tumaas sa katalinuhan at dagdagan ang antas ng analytics na nais nila gagawin. At bilang isang resulta ng kailangan namin upang itulak ang mga smarts nang higit pa at higit pa sa pamamagitan ng network.
Halimbawa, ang mga matalinong apps at social media - kung iisipin natin ang tungkol sa social media at ilan sa mga matalinong apps, napakahalaga pa rin nila. Alam mo, mayroon lamang dalawa o tatlong mga sentro ng data para sa mga gusto ng Facebook. Ang Google ay nakakakuha ng higit pang desentralisado, ngunit mayroon pa ring isang limitadong bilang ng mga sentro ng data sa buong mundo. Pagkatapos kapag iniisip namin ang tungkol sa pag-personalize ng nilalaman, kailangan mong mag-isip pababa sa isang napaka lokal na antas. Maraming ginagawa sa iyong browser o sa isang layer ng network ng paghahatid ng nilalaman. At iniisip namin ang tungkol sa mga tracker ng kalusugan at fitness - maraming data na kinokolekta mula sa kanila ay nasuri nang lokal at kaya ang mga bagong bersyon ng mga aparatong Garmin at Fitbit na inilagay mo sa iyong pulso, nagiging mas matalinong at mas matalinong sa aparato . Hindi nila pinadalhan ngayon ang lahat ng data tungkol sa rate ng iyong puso pabalik sa isang sentralisadong server upang subukan at gawin ang mga analytics; binubuo nila ang intelihensiyang iyon nang direkta sa aparato. In-car nabigasyon, dati na ang sasakyan ay patuloy na makakakuha ng mga pag-update at mga mapa mula sa isang sentral na lokasyon, ngayon ang mga smarts ay nasa kotse at ang mga pagpapasya ng kotse ay nag-iisa lamang at sa huli ang mga kotse ay mesh. Makikipag-usap ang mga kotse sa bawat isa sa pamamagitan ng mga wireless network ng ilang form, na maaaring higit sa isang 3G o isang wireless na network ng 4G sa susunod na henerasyon, ngunit sa kalaunan ay magiging aparato ito sa aparato. At ang tanging paraan lamang upang makayanan ang dami nito ay sa pamamagitan ng paggawa ng mas matalinong mga aparato.
Mayroon kaming mga emergency system ng babala na mangongolekta ng impormasyon sa lokal at magpapadala nito sa gitna o sa isang network ng mesh at magpapasya tungkol sa nangyayari sa lokal. Halimbawa, sa Japan, mayroong mga application na pinapatakbo ng mga tao sa kanilang mga smartphone na may mga accelerometer sa smartphone. Ang mga accelerometer sa smartphone ay makakakita ng mga panginginig at paggalaw at maaaring matukoy ang pagkakaiba sa pagitan lamang ng normal na paggalaw ng pang-araw-araw at ang panginginig at pagyanig ng isang lindol. At ang teleponong iyon ay magsisimulang alertuhan ka kaagad, lokal. Alam ng aktwal na app na nakita nito ang mga lindol. Ngunit ibinabahagi din nito ang data sa pamamagitan ng isang network sa isang ipinamamahagi na hub at nagsalita ng modelo upang ang mga tao na malapit sa iyo ay agad na binalaan o sa lalong madaling panahon hangga't ang data ay dumadaloy sa network. At pagkatapos ay kapag nakarating ito sa isang sentral na lokasyon o isang ipinamamahalang kopya ng gitnang lokasyon ay itinutulak ito pabalik sa mga taong wala sa kagyat na lugar, ay hindi napansin ang paggalaw ng planeta, ngunit kailangang mabigyan ng babala tungkol dito baka may darating na tsunami.
At matalinong imprastraktura ng lungsod - ang konsepto ng intelihenteng imprastraktura, nagtatayo na kami ng talino sa matalinong mga gusali at matalinong imprastruktura. Sa katunayan, kahapon ay ipinark ko ang aking sasakyan sa lungsod sa isang bagong lugar kung saan bahagi ng lungsod na naayos at itinayo muli. At nagawa na nila ang lahat ng mga kalye, at may mga sensor sa mga lansangan, at ang aktwal na metro ng paradahan ay nakakaalam na kapag pinalayas ako ng isang kotse, alam nito na kapag pumunta ako upang i-refresh ang dalawang oras na limitasyon na ang kotse ay hindi lumipat, at hindi talaga ito papayagan at manatili ng isa pang dalawang oras. Kailangang sumakay ako sa kotse, hilahin mula sa puwang at pagkatapos ay bumalik sa loob upang linlangin ito upang pahintulutan akong manatili roon ng isa pang oras. Ngunit ang nakakaakit ay sa kalaunan ay pupunta kami sa puntong hindi lamang nakikita ang kotse na pumapasok sa lugar bilang isang naisalokal na sensor, ngunit ang mga bagay tulad ng mga optical na katangian kung saan ang pagkilala ay ilalapat sa mga camera na tumitingin sa aking plaka ng lisensya, at malalaman nito na sa totoo lang ay hinila na lang ako at hinila pabalik at dinaya ito, at hindi lamang nito papayagan akong magpabago at magpapatuloy ako. At pagkatapos ay ipamahagi nito ang data at tiyaking hindi ko magagawa iyon kahit saan pa at linlangin din ang network sa patuloy na batayan. Dahil mayroon itong, sa pamamagitan ng likas na katangian, makakuha ng mas matalinong, kung hindi man ay magpapatuloy tayong lahat na lokohin ito.
Mayroong isang halimbawa nito na ako ay aktwal na nanirahan sa kung saan sa teknolohiya ng firewall, sa huli '80s at unang bahagi ng' 90s, isang produkto na tinatawag na Check Point FireWall-1. Isang napaka-simpleng teknolohiya ng firewall na ginamit namin upang lumikha ng mga patakaran at bumuo ng mga patakaran at panuntunan sa paligid ng ilang mga bagay upang sabihin na ang mga uri ng trapiko sa pamamagitan ng ilang mga port at IP address at network na makarating sa bawat isa, ang trapiko sa web mula sa isang lugar patungo sa isa pa, pagpunta sa dulo ng browser at client hanggang sa pagtatapos ng aming server. Nalutas namin ang problemang ito sa pamamagitan ng aktwal na pagkuha ng lohika sa labas ng mga firewall mismo at aktwal na inililipat ito sa ASIC, ang partikular na integrated circuit ng application. Kinokontrol nito ang mga port sa Ethernet switch. Natagpuan namin na ang mga computer ng server, ang mga computer na aktwal na ginagamit namin bilang mga server upang gumawa ng mga pagpapasya bilang mga firewall, ay hindi sapat na malakas upang hawakan ang dami ng trapiko na dumadaan sa kanila para sa bawat kaunting inspeksyon ng packet. Nalutas namin ang problema sa pamamagitan ng paglipat ng lohika na kinakailangan upang mag-inspeksyon ng packet at mga deteksyon sa internet sa mga switch ng network na ipinamamahagi at makayanan ang dami ng data na dumadaan sa antas ng network. Hindi namin nababahala tungkol dito sa sentralisadong antas na may mga firewall, inilipat namin ito sa mga switch.
At sa gayon mayroon kaming mga tagagawa na bumuo ng kakayahan para sa amin upang itulak ang mga landas at mga patakaran at mga patakaran sa switch ng Ethernet upang sa aktwal na antas ng port ng Ethernet, at marahil isang pulutong ng mga tao sa pool ang hindi pamilyar sa ito dahil kami ay lahat ng naninirahan sa isang wireless na mundo ngayon, ngunit sa isang pagkakataon ang lahat ay kailangang mag-plug sa pamamagitan ng Ethernet. Ngayon sa antas ng port ng Ethernet nagsasagawa kami ng inspeksyon ng mga packet upang makita kung pinapayagan kahit ang mga packet ay pinapayagan na lumipat sa switch at sa network. Ang ilan sa mga ito ang tinutukoy namin ngayon sa paligid ng hamon na ito ng pagkuha ng data sa network, partikular na mula sa mga aparato ng IRT, at sinuri ito at paggawa ng pagsusuri tungkol dito at marahil ang mga analytics tungkol dito sa tunay na oras upang gumawa ng mga pagpapasya dito. At ang ilan sa mga ito ay upang makakuha ng mga pananaw sa katalinuhan ng negosyo at impormasyon kung paano gumawa ang mga tao ng mas mahusay na mga pagpapasya at iba pang analytics at pagganap para sa mga bagay-bagay na antas ng machine-to-machine kung saan ang mga aparato ay nakikipag-usap sa mga aparato at nagpapasya.
At ito ay magiging isang kalakaran na dapat nating tingnan sa paglutas sa agarang hinaharap dahil kung hindi tayo, magtatapos lang tayo sa delubyong ito ng ingay. At nakita namin sa malaking data ng mundo, nakita namin ang mga bagay tulad ng mga lawa ng data na nagiging mga swamp ng data na natatapos lamang namin sa isang malaking baha ng ingay na hindi namin naisip kung paano malulutas ang pagproseso ng mga analytics para sa isang sentralisado fashion. Kung hindi namin malutas ang problemang ito, sa aking pananaw, kasama ang IoT kaagad at mabilis na makakuha ng isang solusyon sa platform nang napakabilis na magtatapos tayo sa isang napaka, napakasamang lugar.
At sa isip ko ay sasarain ko ang aking punto na kung saan ay naniniwala ako na ang isa sa mga pinakamalaking pagbabago na nagaganap sa malaking data at espasyo ng analytics ngayon ay hinihimok ng agarang pangangailangan upang umepekto sa epekto ng internet ng mga bagay sa high-volume at real-time na analytics, na kailangan nating ilipat ang analytics sa network at pagkatapos ay sa gilid ng network lamang upang makayanan ang manipis na dami nito, para maproseso lamang ito. At pagkatapos, sa paglaon, inaasahan namin, inilalagay namin ang talino sa network at ang gilid ng network sa isang hub at nagsalita ng modelo na maaari naming talagang pamahalaan ito at makakuha ng mga pananaw sa totoong oras at makakuha ng halaga mula dito. At sa pagpunta ko ay ipapasa ako sa aming panauhin at tingnan kung saan dadalhin kami ng pag-uusap na ito.
Shawn Rogers: Maraming salamat. Ito ang Shawn Rogers mula sa Dell Statistica, at batang lalaki, para lamang magsimula, lubos kong sumasang-ayon sa lahat ng mga pangunahing paksa na naantig dito. At Rebecca, sinimulan mo ang isa sa paligid ng ideya ng, alam mo, hindi bago ang data na ito, at kapansin-pansin sa akin kung gaano karaming oras at enerhiya ang ginugol upang talakayin ang data, ang data, ang data ng IoT. At tiyak na nauugnay ito, alam mo, gumawa si Robin ng isang mahusay na punto, kahit na kung gumagawa ka ng isang bagay na talagang simple at nag-tap ka sa isang termostat minsan sa isang segundo, alam mo, ginagawa mo iyon 24 na oras sa isang araw at mayroon ka talagang, alam mo, ang ilang mga kagiliw-giliw na mga hamon sa data. Ngunit, alam mo, sa huli - at sa palagay ko maraming tao sa industriya ang pinag-uusapan ang data sa ganitong paraan - na hindi talaga lahat iyon kawili-wili at, sa punto ni Rebecca, ito ay nasa paligid ng isang magandang, mahabang panahon, ngunit hindi pa namin nakagawa ng mahusay na paggamit nito. At sa palagay ko ang advanced na industriya ng analytics at ang industriya ng BI sa pangkalahatan ay nagsisimula na talagang iikot ang kanilang mga ulo patungo sa IoT. At si Dez, sa iyong pangwakas na punto, ito ay bahagi ng o isa sa mga mapaghamong mga punto ng malaking data na nasa palagay ko ay tunay na totoo. Sa palagay ko ay tuwang-tuwa ang lahat tungkol sa kung ano ang magagawa namin sa ganitong uri ng data, ngunit sa parehong oras, kung hindi namin malaman kung paano mag-apply ng pananaw, gumawa ng aksyon at, alam mo, kumuha ng analytics kung saan ang data, sa palagay ko magkakaroon kami ng mga hamon na hindi nakikita ng mga tao na talagang darating.
Gamit ang sinabi, sa advanced na puwang ng analytics kami ay mga tagahanga ng kung ano sa palagay namin ay maaaring mangyari sa data ng IoT, lalo na kung nag-a-apply kami ng mga analytics dito. At mayroong maraming impormasyon sa slide na ito at hahayaan ko na lamang ang lahat na manghuli at mag-ikot sa paligid, ngunit kung titingnan mo ang iba't ibang mga sektor tulad ng tingian hanggang sa malayo, ay nakikita ang kanilang pagkakataon na lumitaw sa paligid ng pagiging mas makabagong o pagkakaroon ng ilang Ang pagtitipid ng gastos o pag-optimize ng proseso o pagpapabuti ay napakahalaga at nakakakita sila ng maraming mga kaso para sa paggamit. Kung titingnan mo, alam mo, pakaliwa pakanan papunta sa kanang slide, makikita mo kung paano ang bawat isa sa mga indibidwal na industriya na ito ay naghahabol ng mga bagong kakayahan at mga bagong pagkakaiba-iba ng mga pagkakataon para sa kanilang sarili kapag nag-aaplay sila ng analytics sa IoT. At sa palagay ko sa ilalim ng linya ay, kung susumahin mo ang landas na kailangan mong hindi lamang mag-alala tungkol sa data, tulad ng napag-usapan namin, at ang arkitektura, ngunit kailangan mo ring tingnan kung paano pinakamahusay na ilapat ang analytics dito at kung saan kailangang maganap ang analytics.
Para sa marami sa amin sa tawag ngayon, alam mo, ang Robin at ako ay nakilala ko sa bawat isa nang napakatagal na oras at nagkaroon ng hindi mabilang na mga pag-uusap tungkol sa tradisyonal na mga arkitektura sa nakaraan, ang mga nasa paligid ng mga sentralisadong database o mga bodega ng data ng negosyo at iba pa, at tulad namin ' natagpuan sa nakaraang dekada o kaya't ginagawa namin ang isang magandang magandang trabaho ng pag-unat ng mga limitasyon ng mga imprastrukturang iyon. At hindi sila kasing matatag o kasing lakas ng gusto namin sa kanila ngayon upang suportahan ang lahat ng mahusay na analytics na inilalapat namin sa impormasyon at siyempre ang pagsira ng impormasyon sa arkitektura rin, alam mo, ang bilis ng data, ang dami ng data at iba pa, ay tiyak na lumalawak ang mga limitasyon ng ilan sa aming mas tradisyunal na pamamaraan at diskarte sa ganitong uri ng trabaho. At sa palagay ko ito ay uri ng nagsisimula na tumawag para sa pangangailangan ng mga kumpanya na kumuha ng mas maliksi at marahil mas nababaluktot na pananaw nito at iyon ang bahagi, sa palagay ko, nais kong pag-usapan ang tungkol sa isang maliit na bahagi sa tabi ng IoT.
Bago ko gawin, maglaan ako ng ilang sandali upang hayaan ang lahat na tumawag, bigyan ka ng kaunting background sa kung ano ang Statistica at kung ano ang ginagawa namin. Tulad ng nakikita mo sa pamagat ng slide na ito, ang Statistica ay isang mahuhulaan na analytics, malaking data at paggunita para sa platform ng IoT. Ang produkto mismo ay isang maliit na higit sa 30 taong gulang at nakikipagkumpitensya kami sa iba pang mga pinuno sa merkado na marahil pamilyar ka sa mga linya ng kakayahang mag-aplay ng mga mahuhusay na analytics, advanced na analytics sa data. Nakita namin ang isang pagkakataon upang mapalawak ang aming pag-abot ng kung saan inilalagay namin ang aming analytics at nagsimulang magtrabaho sa ilang mga teknolohiya ng isang habang pabalik na nakapagposisyon sa amin nang maayos upang samantalahin ang parehong pinag-usapan nina Dez at Robin tungkol sa ngayon, na ito ang bagong diskarte at kung saan mo ilalagay ang analytics at kung paano mo ito matutunaw sa data. Kasama sa panig na iyon ay dumating ang iba pang mga bagay na kailangan mong matugunan ang platform, at tulad ng nabanggit ko, ang Statistica ay nasa merkado ng magandang panahon. Napakaganda namin sa data ng timpla ng mga bagay at sa palagay ko, alam mo, hindi namin masyadong napag-usapan ang tungkol sa pag-access sa data ngayon, ngunit nakarating sa buong magkakaibang mga network at makuha ang iyong mga kamay sa tamang data sa tamang oras ay nagiging higit pa at mas kawili-wili at mahalaga sa mga gumagamit ng pagtatapos.
Panghuli, kukuha ako ng puna ng isa pang piraso dito, dahil ang ginawa ni Dez ay isang magandang punto tungkol sa mga network mismo, pagkakaroon ng ilang antas ng kontrol at seguridad sa mga modelo ng analitiko sa buong iyong kapaligiran at kung paano nila ikakabit ang kanilang sarili sa pagiging napakahalaga ng data. Kapag nakarating ako sa industriya na ito ng ilang taon pabalik - halos 20 Sa tingin ko sa puntong ito - nang pag-usapan namin ang mga advanced na analytics, ito ay sa isang napaka-curated na paraan. Ilan lamang sa mga tao sa samahan ang may kamay sa mga ito, ipinagtalaga nila ito at binigyan nila ang sagot ng mga tao kung kinakailangan o magbigay ng mga pananaw kung kinakailangan. Iyon ay talagang nagbabago at ang nakikita natin ay maraming mga tao na nagtatrabaho sa isa o higit pang magkakaibang at mas nababaluktot na paraan ng pag-abot ng data, paglalapat ng seguridad at pamamahala sa data at pagkatapos ay makikipagtulungan dito. Iyon ang ilan sa mga mahahalagang bagay na tinitingnan ni Dell Statistica.
Ngunit nais kong sumisid sa paksa na medyo malapit sa pamagat ngayon na kung paano, paano natin matutugunan ang mga datos na nagmumula sa internet ng mga bagay at kung ano ang maaari mong hahanapin kapag naghahanap ka ng iba't ibang mga solusyon. Ang slide na nakuha ko sa harap mo ngayon ay uri ng tradisyonal na pagtingin at kapwa sina Dez at Robin na uri ng hinawakan dito, alam mo, ang ideyang ito ng pakikipag-usap sa isang sensor, maging isang sasakyan o isang toastista o isang turbine ng hangin, o kung ano ang mayroon ka, at pagkatapos ay ilipat ang data na mula sa mapagkukunan ng data sa kabuuan sa iyong network pabalik sa isang sentralisadong uri ng pagsasaayos, habang binabanggit ni Dez. At maayos ang mga network nito at maraming mga kumpanya ang pumapasok sa puwang ng IoT na nagsisimula na gawin ito sa modelong iyon.
Ang iba pang bagay na dumating, kung titingnan mo sa ilalim ng slide, ay ang ideya na ito ng pagkuha ng iba pang mga tradisyonal na mapagkukunan ng data, pagdaragdag ng iyong IoT data at pagkatapos ay sa ganitong uri ng core, kung ang iyong pangunahing nangyayari ay maging isang sentro ng data o ito maaaring nasa ulap, hindi mahalaga, kukuha ka ng isang produkto tulad ng Statistica at pagkatapos ay mag-apply ng analytics dito sa puntong iyon at pagkatapos ay ibigay ang mga pananaw na iyon sa mga mamimili sa kanan. At sa palagay ko ito ang mga talakayan ng talahanayan sa puntong ito. Ito ay isang bagay na kailangan mong gawin at kailangan mong magkaroon ng isang bukas na arkitektura para sa isang advanced na platform ng analytics at makipag-usap sa lahat ng mga ito, uri ng, magkakaibang mga mapagkukunan ng data, lahat ng mga sensor na ito at lahat ng iba't ibang mga patutunguhan na kung saan mayroon kang data. At sa palagay ko ito ay isang bagay na kailangan mong gawin at sa palagay ko makikita mo ito na totoo na maraming mga namumuno sa merkado ang magagawa ang ganitong uri ng mga bagay. Dito sa Statistica kami ay uri ng pag-uusap tungkol dito bilang pangunahing analytics. Pumunta makuha ang data, ibalik ang data sa core, iproseso ito, magdagdag ng mas maraming data kung kinakailangan o kung may pakinabang, at gawin ang iyong analytics at pagkatapos ay ibahagi ang impormasyong iyon para sa pagkilos o para sa pananaw.
At sa palagay ko ang mga ito ay tiyak na mula sa isang punto ng pag-andar, nais namin marahil ang lahat ay sumasang-ayon na, alam mo, ito ay ang kinakailangang pangangailangan at dapat gawin ng lahat. Kung saan nagsisimula itong makakuha ng uri ng kawili-wili ay kung saan mayroon kang napakalaking halaga ng data, alam mo, na nagmumula sa magkakaibang mga mapagkukunan ng data, tulad ng mga sensor ng IoT, tulad ng nabanggit ko, kung ito ay isang kotse o security camera o isang proseso ng pagmamanupaktura, nagsisimula na maging isang kalamangan sa magagawa ang analytic kung saan ang data ay aktwal na ginawa. At ang kalamangan sa karamihan ng mga tao, sa palagay ko, kapag sinimulan nating ilipat ang analitiko mula sa core hanggang sa gilid ay ang kakayahang ito ng pagkakalat ng ilan sa mga hamon ng data na nangyayari, at malamang na magkomento si Dez at Robin sa dulo ngayon, ngunit sa palagay ko kailangan mong subaybayan at gumawa ng aksyon sa data sa gilid upang hindi palaging kinakailangan upang ilipat ang lahat ng data na iyon sa iyong network. Napag-usapan ito ni Robin, ayon sa, mga larawan ng arkitektura na iginuhit niya, kung saan mayroon ka ng lahat ng iba't ibang mga mapagkukunan ngunit karaniwang mayroong ilang punto ng pagsasama-sama. Ang pinagsama-samang punto na nakikita natin madalas ay alinman sa antas ng sensor, ngunit mas madalas sa isang antas ng gateway. At ang mga gateway na ito ay umiiral bilang isang uri ng isang tagapamagitan sa daloy ng data mula sa mga mapagkukunan ng data bago ka bumalik sa core.
Isa sa mga oportunidad na sinamantala ni Dell Statistica ay ang aming kakayahang mag-export ng isang modelo mula sa aming sentralisadong advanced na platform ng analytics upang makagawa ng isang modelo at pagkatapos ay isakatuparan ang modelong iyon sa gilid sa ibang platform, tulad ng isang gateway o sa loob ng isang database, o kung ano ang mayroon ka. At sa palagay ko na ang kakayahang umangkop na nagbibigay sa amin ay kung ano ang talagang kawili-wiling punto ng pag-uusap ngayon, mayroon ka bang sa iyong imprastruktura ngayon? May kakayahan ka bang paglipat ng isang analitiko sa kung saan nakatira ang data kumpara sa palaging paglipat ng data sa kung saan nakatira ang iyong analytics? At iyon ay isang bagay na nakatutok sa Statistica ng medyo matagal na panahon, at habang tinitingnan mo ang mga slide ay makikita mo na mayroong ilang iba pang teknolohiya mula doon mula sa aming kapatid na kumpanya, si Dell Boomi. Ang pagsasama ng data at platform ng pagsasama ng application ni Dell Boomi sa ulap at aktwal nating ginagamit si Dell Boomi bilang isang aparato sa trafficking upang ilipat ang aming mga modelo mula sa Dell Statistica, sa pamamagitan ng Boomi at off sa mga gilid na aparato. At sa tingin namin na ito ay isang maliksi na diskarte na ang mga kumpanya ay magiging hinihingi, hangga't gusto nila ang bersyon na ipinakita ko sa iyo isang minuto ang nakaraan, na kung saan ay ang uri ng pangunahing ideya ng paglipat ng data mula sa mga sensor sa lahat ng paraan pabalik sa sentro, sa parehong oras ang mga kumpanya ay nais na magawa ito sa paraang ako ay uri ng pagbalangkas dito. At ang mga bentahe para sa paggawa nito ay sa ilan sa mga puntong ginawa nina Robin at Dez, na kung saan, maaari kang gumawa ng isang pagpapasya at gumawa ng aksyon sa bilis ng iyong negosyo? Maaari mong ilipat ang analytics mula sa isang lugar patungo sa isa pa at mai-save ang iyong sarili sa oras, pera at enerhiya at pagiging kumplikado ng patuloy na paglipat ng data sa gilid na iyon pabalik sa core.
Ngayon ako ang unang sasabihin na ang ilan sa mga data ng gilid ay palaging may sapat na karapat-dapat na kung saan ay magkakaroon ng kahulugan upang maiimbak ang data na iyon at panatilihin ito at ibalik ito sa iyong network, ngunit kung anong gilid ng analytics ang magpapahintulot sa iyo na ang kakayahang gumawa ng mga pagpapasya sa bilis na ang data ay talagang darating, di ba? Na magagawa mong ilapat ang pananaw at ang pagkilos nang mabilis kung saan ang pinakamataas na posibleng halaga. At sa palagay ko, iyon ay isang bagay na hinahanap namin lahat pagdating sa paggamit ng mga advanced na analytics at data ng IoT ay ang pagkakataong ito upang lumipat sa bilis ng negosyo o ang bilis na hinihiling ng customer. Sa palagay ko ang posisyon namin, ay sa palagay ko kailangan mong magawa pareho. At sa palagay ko ay medyo madali at napakabilis ng mas maraming mga kumpanya ang tumitingin sa mas magkakaibang mga set ng data, lalo na sa mga mula sa IoT side, magsisimula silang tingnan ang espasyo ng vendor at hinihingi kung ano ang may kakayahang gawin ni Statistica. Alin ang mag-deploy ng isang modelo sa pangunahing, tulad ng nakagawian na namin nang maraming taon, o upang ma-deploy ito sa mga platform na marahil ay walang katuturan, tulad ng isang gateway na IoT, at talagang makakapag-puntos at mag-apply ng analytics sa data sa gilid bilang ginawa ng data. At sa palagay ko na kung saan nakakapasok ang kapana-panabik na bahagi ng pag-uusap na ito. Dahil sa pamamagitan ng pag-apply ng isang analitiko sa gilid sa oras na ang data ay lalabas ng isang sensor, ay nagbibigay-daan sa amin upang kumilos nang mas mabilis hangga't kailangan namin, ngunit nagbibigay-daan din sa amin upang magpasya, kailangan ba ng data na ito upang bumalik sa core? Maaari ba natin itong batch dito at pagkatapos ay maibalik ito sa mga piraso at mga bahagi at gumawa ng karagdagang pag-aaral sa ibang pagkakataon? At iyon ang nakikita namin ng maraming ginagawa ng aming nangungunang mga customer.
Ang paraan na ginagawa ito ni Dell Statistica ay may kakayahan tayong magamit, kaya sabihin halimbawa na bumuo ka ng isang neural network sa loob ng Statistica at nais mong ilagay ang neural network sa ibang lugar sa iyong data landscape. Mayroon kaming kakayahang outputting ang mga modelong iyon at lahat ng mga wika na napansin mo sa kanang sulok doon - ang Java, PPML, C at SQL at iba pa, kasama rin namin ang Python at nakakapag-export din kami ng aming mga script - at habang inililipat mo ang off ng aming platform na kung saan ay nakatuon, maaari mong i-deploy ang modelong iyon o ang algorithm na kung saan mo kailangan ito. At tulad ng nabanggit ko kanina, ginagamit namin si Dell Boomi upang ilagay ito at iparada ito kung saan kailangan naming patakbuhin ito at pagkatapos ay maibabalik namin ang mga resulta, o makakatulong kami na ibalik ang data, o puntos ang data at gumawa ng aksyon na ginagamit ang aming mga patakaran engine . Ang lahat ng mga bagay na iyon ay nagiging uri ng mahalagang kapag sinisimulan nating tingnan ang ganitong uri ng data at muli nating iniisip.
Ito ay isang bagay na kailangang gawin ng karamihan sa iyo sa telepono dahil ito ay magiging napakamahal at magbubuwis sa iyong network, tulad ng nabanggit ni Dez, upang ilipat ang data mula sa kaliwa ng mga diagram na ito sa kanan ng mga diagram na ito oras. Hindi ito tunog tulad ng maraming ngunit nakita namin ang mga customer sa pagmamanupaktura na may sampung libong sensor sa kanilang mga pabrika. At kung mayroon kang sampung libong sensor sa iyong pabrika, kahit na ginagawa mo lamang ang mga ito sa isang pangalawang uri ng mga pagsusuri o signal, pinag-uusapan mo ang tungkol sa walong apat na libong mga hilera ng data mula sa bawat isa sa mga indibidwal na sensor sa bawat araw. At sa gayon ang data ay tiyak na nakasalansan at Robin uri ng nabanggit na. Upfront Nabanggit ko ang isang pares ng mga industriya kung saan nakikita namin ang mga tao na nakakakuha ng ilang mga kagiliw-giliw na mga bagay na nagawa gamit ang aming software at data ng IoT: pagbuo ng automation, enerhiya, mga utility ay isang talagang mahalagang espasyo. Nakikita namin ang maraming trabaho na ginagawa sa pag-optimize ng system, kahit na ang serbisyo sa customer at siyempre pangkalahatang operasyon at pagpapanatili, sa loob ng mga pasilidad ng enerhiya at sa loob ng gusali para sa automation. At ito ang ilang mga kaso ng paggamit na nakikita nating medyo malakas.
Nagsagawa kami ng mga gilid ng analytics bago, sa palagay ko, ang term ay naisa. Tulad ng nabanggit ko, mayroon kaming malalim na ugat sa Statistica. Ang kumpanya ay itinatag halos 30 taon na ang nakakaraan kaya nakuha namin ang mga customer na bumalik ng kaunting oras na isinasama ang data ng IoT sa kanilang analytics at matagal na. At ang Alliant Energy ay isa sa aming mga kaso ng paggamit o sangguniang mga customer. At maaari mong isipin ang isyu ng isang kumpanya ng enerhiya na may isang pisikal na halaman. Ang pag-scale sa kabila ng mga pader ng ladrilyo ng isang pisikal na halaman ay mahirap at kaya ang mga kumpanya ng enerhiya tulad ng Alliant ay naghahanap ng mga paraan upang ma-optimize ang kanilang output ng enerhiya, na karaniwang pinahusay ang kanilang proseso ng paggawa at pag-optimize ito sa pinakamataas na antas. At ginagamit nila ang Statistica upang pamahalaan ang mga hurno sa loob ng kanilang mga halaman. At para sa ating lahat na bumalik sa aming mga unang araw sa klase ng agham alam nating lahat na ang mga hurno ay gumagawa ng init, ang init ay gumagawa ng singaw, ang mga turbines ay umiikot, nakakakuha tayo ng koryente. Ang problema para sa mga kumpanya tulad ng Alliant ay aktwal na na-optimize kung paano nagpainit at nasusunog ang mga bagay sa loob ng mga malalaking hurno ng bagyo. At ang pag-optimize ng output upang maiwasan ang labis na gastos ng polusyon, pag-aalis ng carbon, at iba pa. At sa gayon kailangan mong subaybayan ang loob ng isa sa mga hurno ng cyclone na may lahat ng mga aparatong ito, sensor, at pagkatapos ay gawin ang lahat ng data ng sensor na iyon at gumawa ng mga pagbabago sa proseso ng enerhiya sa isang patuloy na batayan. At iyon mismo ang ginagawa ni Statistica para kay Alliant mula noong mga 2007, bago maging ang tanyag na IoT ay sobrang sikat.
Sa punto ni Rebecca nang maaga, tiyak na hindi bago ang data. Ang kakayahang iproseso ito at gamitin nang tama ay talagang kung saan nagaganap ang mga kapana-panabik na bagay. Napag-usapan namin nang kaunti ang tungkol sa pangangalaga sa kalusugan sa pre-call ngayon at nakikita namin ang lahat ng mga uri ng mga aplikasyon para sa mga tao na gawin ang mga bagay tulad ng mas mahusay na pangangalaga ng pasyente, pagpigil sa pagpigil, pagpapanatili ng supply chain at mga kahusayan sa pagpapatakbo sa pangangalaga sa kalusugan. At iyon ay nagpapatuloy at mayroong maraming iba't ibang mga kaso sa paggamit. Ang isa na napaka-ipinagmamalaki namin dito sa Statistica ay kasama ang aming customer na Shire Biopharmaceutical. At gumagawa si Shire ng mga espesyal na gamot para sa mga talagang mahirap na pagtrato sa mga sakit. At kapag lumikha sila ng isang batch ng kanilang gamot para sa kanilang mga customer, ito ay isang napaka mahal na proseso at ang sobrang mahal na proseso ay tumatagal din ng oras. Kapag iniisip mo ang tungkol sa isang proseso ng pagmamanupaktura na nakikita mo ang mga hamon na pinagsama ang buong data, na sapat na nababaluktot sa iba't ibang mga paraan ng paglalagay ng data sa system, pagpapatunay ng impormasyon at pagkatapos ay magagawang mahulaan tungkol sa kung paano namin matulungan ang customer. At ang mga proseso na kumukuha ng karamihan sa impormasyon mula sa aming mga sistema ng pagmamanupaktura at syempre ang mga aparato at sensor na nagtutulak sa mga sistemang ito sa pagmamanupaktura. At ito ay isang mahusay na kaso ng paggamit para sa kung paano ang pag-iwas sa mga kumpanya ng pagkawala at pag-optimize ng kanilang mga proseso ng pagmamanupaktura gamit ang isang kumbinasyon ng data ng sensor, data ng IoT at regular na data mula sa kanilang mga proseso.
Kaya alam mo, isang magandang halimbawa kung saan ang paggawa, at lalo na ang high-tech manufacturing, ay nakikinabang sa industriya ng pangangalaga sa kalusugan sa paligid ng ganitong uri ng trabaho at data. Sa palagay ko nakakuha lang ako ng iba pang mga puntos na nais kong gawin bago ko ibalot ito at ibalik kay Dez at Robin. Ngunit alam mo, sa palagay ko na ang ideyang ito na magagawang itulak ang iyong analytic kahit saan sa loob ng iyong kapaligiran ay isang bagay na magiging napakahalaga para sa karamihan ng mga kumpanya. Ang pagiging tethered sa tradisyonal na format ng data ng ETL-ing mula sa mga mapagkukunan pabalik sa mga sentral na lokasyon ay palaging magkakaroon ng isang lugar sa iyong diskarte, ngunit hindi dapat ang iyong tanging diskarte. Kailangan mong gumawa ng isang mas nababaluktot na diskarte sa mga bagay ngayon. Upang mailapat ang seguridad na nabanggit ko, iwasan ang pagbubuwis ng iyong network, upang mapamahalaan at mai-filter ang data habang nagmula sa gilid, at matukoy kung ano ang data na nagkakahalaga ng pagpapanatili para sa pangmatagalang, kung ano ang data ay nagkakahalaga ng paglipat sa buong sa aming network, o kung ano ang data na kailangan lamang upang masuri sa oras na nilikha ito, para sa amin upang gumawa ng pinakamahusay na posibleng mga pagpapasya. Ito sa lahat ng dako at kahit saan analitang diskarte ay isang bagay na isinasapuso natin sa Statistica at ito ay isang bagay na napakahusay natin. At bumalik ito sa isa sa mga slide na nabanggit ko nang mas maaga, ang kakayahang i-export ang iyong mga modelo sa iba't ibang wika, upang maaari silang magkatugma at ihanay sa mga platform kung saan nilikha ang data. At pagkatapos siyempre ang pagkakaroon ng isang aparato sa pamamahagi para sa mga modelo na kung saan ay din ng isang bagay na dinadala namin sa talahanayan at na labis kaming nasasabik. Sa palagay ko, ang pag-uusap ngayon ay, kung talagang magtatagumpay tayo tungkol sa data na ito na napunta sa aming mga system ng isang mahabang panahon at nais naming makahanap ng isang mapagkumpitensya na gilid at isang makabagong anggulo upang magamit ito, kailangan mong mag-aplay ilang teknolohiya dito na nagpapahintulot sa iyo na lumayo sa ilan sa mga nakahihigpit na modelo na ginamit namin sa nakaraan.
Muli, ang aking punto na kung gagawin mo ang IoT, sa palagay ko kailangan mong gawin ito sa pangunahing, at dalhin ang data at tutugma ito sa iba pang data at gawin ang iyong analytics. Ngunit gayon din, pantay na mahalaga o marahil mas mahalaga ay, kailangan mong magkaroon ng kakayahang umangkop na ito upang mailagay ang analitiko gamit ang data at ilipat ang analytic mula sa gitnang bahagi ng iyong arkitektura papunta sa gilid para sa mga pakinabang na nabanggit ko bago. Iyan ay isang maliit na tungkol sa kung sino tayo at kung ano ang ginagawa namin sa palengke. At kami ay nasasabik tungkol sa IoT, sa palagay namin ay tiyak na darating ang edad at mayroong magagandang pagkakataon para sa lahat na maimpluwensyahan ang kanilang mga analytics at kritikal na mga proseso sa ganitong uri ng data.
Rebecca Jozwiak: Shawn, maraming salamat, iyon ay isang talagang kamangha-manghang pagtatanghal. At alam kong malamang na namamatay si Dez upang magtanong sa iyo ng ilang mga katanungan kaya Dez, papayagan muna kita.
Dez Blanchfield: Mayroon akong isang milyong katanungan ngunit ilalagay ko ang aking sarili dahil alam kong magkakaroon din si Robin. Ang isa sa mga bagay na nakikita ko sa malayo at malawak ay isang tanong na lumalabas at talagang gusto kong makakuha ng ilang pananaw sa iyong karanasan sa naibigay na tama ka sa gitna ng mga bagay. Ang mga samahan ay nahihirapan sa hamon, at tumingin sa ilan sa kanila na basahin lamang ang mga gusto ng Klaus Schwab na "Ang Ika-apat na Rebolusyong Pang-industriya" at pagkatapos ay nagkaroon ng panic atake. At ang mga hindi pamilyar sa librong ito, mahalagang kaalaman ng isang ginoo, ni Klaus Schwab, na sa palagay ko ay isang propesor, na siyang nagtatag at Tagapangulo ng Ehekutibo ng World World Forum mula sa memorya, at ang aklat ay mahalagang tungkol sa ang buong kamangha-manghang internet ng pagsabog ng mga bagay at ilan sa mga epekto sa mundo sa pangkalahatan. Ang mga samahan na kinakausap ko ay hindi sigurado kung dapat silang magtungo at mag-retrofit sa kasalukuyang kapaligiran o mamuhunan ng lahat sa pagbuo ng lahat ng bagong kapaligiran, imprastraktura at platform. Sa Dell Statistica din, nakikita mo ba ang mga tao na muling bawiin ang kasalukuyang mga kapaligiran at inilalabas ang iyong platform sa umiiral na imprastraktura, o nakikita mo bang inilipat nila ang kanilang pokus sa pagbuo ng lahat ng mga bagong imprastraktura at naghahanda para sa delubyo na ito?
Shawn Rogers: Alam mo, kami ay nagkaroon ng pagkakataon na maghatid ng parehong uri ng mga customer at sa merkado hangga't mayroon kami, nakakakuha ka ng mga pagkakataong iyon upang lumakad. Mayroon kaming mga customer na lumikha ng mga bagong halaman ng halaman sa huling ilang taon at nilagyan ang mga ito ng data ng sensor, IoT, analytics mula sa gilid, pagtatapos hanggang sa buong proseso na iyon. Ngunit sasabihin ko na ang karamihan sa aming mga customer ay ang mga tao na ginagawa ang ganitong uri ng trabaho nang matagal ngunit napilitang huwag pansinin ang data na iyon. Alam mo, ginawa ni Rebecca ang punta sa harap - hindi ito bagong data, ang uri ng impormasyon na ito ay uri ng magagamit sa maraming iba't ibang mga format sa loob ng mahabang panahon, ngunit kung saan ang problema ay kumonekta dito, paglipat nito, dalhin ito sa isang lugar kung saan makakagawa ka ng isang bagay na matalino dito.
At kaya sasabihin ko na ang karamihan sa aming mga customer ay tinitingnan kung ano ang mayroon sila ngayon, at Dez, ginawa mo ang puntong ito bago, na ito ay bahagi ng malaking rebolusyon ng data at sa palagay ko kung ano talaga ito, ay tungkol sa lahat rebolusyon ng data, di ba? Hindi namin kailangang balewalain ang ilang data ng system o data ng pagmamanupaktura o pagbuo ng data ng automation, mayroon na tayong tamang mga laruan at tool upang makuha ito at pagkatapos ay gawin itong mga matalinong bagay. At sa palagay ko, maraming mga driver sa puwang na ito ang nangyayari at ang ilan sa kanila ay teknolohikal. Alam mo, ang malaking solusyon sa impormasyong pang-imprastraktura tulad ng Hadoop at iba pa ay ginawang medyo mas mura at medyo madali para sa ilan sa amin na isipin ang tungkol sa paglikha ng isang data lawa ng uri ng impormasyon. At naghahanap kami ngayon sa paligid ng negosyo na pupunta, "Uy, mayroon kaming analytics sa aming proseso ng pagmamanupaktura, ngunit mapapahusay ba ito kung maaari kaming magdagdag ng ilang pananaw mula sa mga prosesong ito?" At iyon, sa palagay ko, ano ang karamihan sa ginagawa ng aming mga customer. Hindi gaanong lumilikha mula sa ground up, ngunit pinalaki at pag-optimize ang analytics na mayroon na sila ng data na bago sa kanila.
Dez Blanchfield: Oo, mayroong ilang mga kapana-panabik na mga bagay na dumarating sa ilan sa mga pinakamalaking industriya na nakita namin, at binanggit mo, ang kapangyarihan at mga kagamitan. Ang Aviation ay dumadaan lamang sa boom na ito kung saan ang isa sa aking lahat-ng-oras na mga paboritong aparato na pinag-uusapan ko nang regular, ang Boeing 787 Dreamliner, at tiyak na katumbas ng Airbus, ang A330 ay bumaba sa parehong ruta. Mayroong tulad ng anim na libong sensor sa 787 nang una itong pinalaya, at sa palagay ko ngayon ay pinag-uusapan nila ang labinlimang libong sensor sa bagong bersyon nito. At ang nakakaintriga na bagay tungkol sa pakikipag-usap sa ilan sa mga katutubong nasa mundo na iyon ay ang ideya ng paglalagay ng mga sensor sa mga pakpak at iba pa, at ang kamangha-manghang bagay tungkol sa 787 sa isang platform ng disenyo ay, alam mo, muling binuhay nila ang lahat sa ang eroplano. Tulad ng mga pakpak, halimbawa, kapag ang eroplano ay tumanggal sa mga pakpak na nabaluktot hanggang sa labindalawa at kalahating metro. Ngunit sa matindi ang mga pakpak ay maaaring umangkop sa dulo hanggang sa 25 metro. Ang bagay na ito ay parang isang ibon na nag-flap. Ngunit ang wala silang oras upang makapagayos ay ang inhinyero ng analytics ng lahat ng data na ito, kaya mayroon silang mga sensor na gumawa ng mga LED na flash green at pula kung may masamang mangyari, ngunit hindi sila talagang nagtatapos sa malalim na mga pananaw sa totoong oras. At hindi rin nila malutas ang problema kung paano ilipat ang dami ng data sa paligid dahil sa domestic airspace sa US sa pang araw-araw na mayroong 87, 400 na flight. Kapag ang bawat eroplano ay nakakakuha ng mga pambili ng isang 787 Dreamliner, iyon ang 43 petabytes sa isang araw ng data, dahil ang mga eroplano ay kasalukuyang lumikha ng halos kalahati ng isang terabyte ng data bawat isa. At kapag pinarami mo ang 87, 400 na flight sa isang araw na domestically sa US sa pamamagitan ng punto lima o kalahating terabyte, nagtatapos ka sa 43.5 petabytes ng data. Hindi kami maaaring ilipat sa paligid. Kaya sa pamamagitan ng disenyo kailangan nating itulak ang analytics sa aparato.
Ngunit ang isa sa mga bagay na kawili-wili kapag tiningnan ko ang buong arkitektura na ito - at masigasig akong makita kung ano ang iniisip mo tungkol dito - kami ay inilipat patungo sa pamamahala ng data ng master, uri ng, unang mga prinsipyo ng pamamahala ng data, paghila ang lahat sa isang sentral na lokasyon. Mayroon kaming mga lawa ng data, at pagkatapos ay lumikha kami ng kaunting mga lawa ng data kung gusto mo, mga extract ng na ginagawa namin ang analytics sa, ngunit sa pamamagitan ng pamamahagi sa gilid, isa sa mga bagay na patuloy na darating, lalo na mula sa mga taong database at mga tagapamahala ng data. o mga tao sa negosyo ng pamamahala ng impormasyon, ano ang mangyayari kapag nakuha ko ang maraming ibinahagi na maliit na maliit na mga lawa ng data? Anong uri ng mga bagay ang inilalapat sa pag-iisip na may kaugnayan sa gilid ng analytics sa iyong solusyon, sa na, ayon sa kaugalian, ang lahat ay darating sa gitna ng data lake, ngayon magtatapos kami sa mga maliliit na puddles ng data saanman, at kahit na maaari naming magsagawa ng analytics sa mga ito nang lokal upang makakuha ng ilang lokal na pananaw, ano ang ilan sa mga hamon na iyong hinarap at kung paano mo malutas iyon, pagkakaroon ng naipamahagi na data set, at lalo na kung nakukuha mo ang mga microcosms ng mga lawa ng data at ipinamamahagi na mga lugar?
Shawn Rogers: Sa palagay ko ay isa ito sa mga hamon, di ba? Sa paglayo namin, alam mo, ang trak ng lahat ng data pabalik sa lokasyon ng sentro o ang pangunahing halimbawa ng analytic na ibinigay ko at pagkatapos ay ginagawa namin ang ipinamamahagi na bersyon ay tapusin mo ang lahat ng mga maliit na silos, di ba? Tulad ng iyong inilalarawan, di ba? Gumagawa sila ng kaunting trabaho, ang ilang mga analytics ay tumatakbo, ngunit paano mo ibabalik ang mga ito? At sa palagay ko ang susi ay magiging orkestasyon sa lahat ng iyon at sa palagay ko ay sasang-ayon ka sa akin, ngunit masaya ako kung hindi mo, na iniisip ko na napanood namin ang evolution na ito ilang oras.
Bumalik sa mga araw ng aming mga kaibigan G. Inmon at G. Kimball na tumulong sa lahat sa arkitektura ng kanilang mga unang puhunan sa bodega ng data, na ang punto na nawala kami mula sa sentralisadong modelo sa loob ng mahabang panahon. Namin pinagtibay ang bagong ideya na ito na payagan ang data na ipakita ang grabidad nito kung saan pinakamahusay na dapat na tumira sa loob ng iyong ekosistema at ihanay ang data sa pinakamahusay na posibleng platform para sa pinakamahusay na posibleng kinalabasan. At sinimulan namin ang uri ng paggastos, sa palagay ko, isang mas orkestra na diskarte sa aming ekosistema bilang isang overarching uri ng paraan ng paggawa ng mga bagay, tulad ng kung saan sinusubukan naming ihanay ang lahat ng mga piraso nang sabay-sabay. Anong uri ng analytic o trabaho ang gagawin ko sa data, kung anong uri ng data ito, makakatulong ito sa pagdidikta kung saan ito dapat mabuhay. Saan ito ginawa at anong uri ng gravity ang data?
Alam mo, nakikita namin ang maraming mga halimbawang data na ito kung saan pinag-uusapan ng mga tao ang pagkakaroon ng mga lawa at data na 15-petabyte. Mahusay kung mayroon kang isang lawa ng data na malaki, napaka-hindi praktikal para sa iyo upang ilipat ito at sa gayon kailangan mong magdala ng analytics dito. Ngunit kapag ginawa mo iyon, sa pangunahing punto ng iyong katanungan, sa palagay ko ay nagtaas ito ng maraming bagong mga hamon para sa lahat na mag-orkestra sa kapaligiran at mag-aplay ng pamamahala at seguridad, at maunawaan kung ano ang kailangang gawin sa data na iyon upang mai-curate ito at makuha ang pinakamataas na halaga nito. At upang maging matapat sa iyo - Gustung-gusto kong marinig ang iyong opinyon dito - sa palagay ko maaga kaming mga araw doon at sa palagay ko mayroong maraming magandang gawain na magagawa. Sa palagay ko ang mga programa tulad ng Statistica ay nakatuon sa pagbibigay ng mas maraming mga tao sa pag-access sa data. Tiyak na nakatuon kami sa mga bagong personas tulad ng mamamayang data scientist na nais na humimok ng mga predictive analytics sa mga lugar sa loob ng samahan na maaaring hindi pa noon. At sa palagay ko na ang ilan sa mga unang araw sa paligid nito, ngunit sa palagay ko ay kailangan na magpakita ng isang mataas na antas o orkestasyon at pagkakahanay sa pagitan ng mga platform, at isang pag-unawa sa kung ano ang nasa kanila at kung bakit. At iyon ay isang problema sa edad para sa ating lahat na mga tao ng data.
Dez Blanchfield: Sa katunayan ito ay at ganap na sumasang-ayon ako sa iyo at sa palagay ko ang magagandang bagay na naririnig natin dito ngayon ay hindi bababa sa harap ng dulo ng problema ng aktwal na pagkuha ng data sa, hulaan ko, antas ng gateway sa gilid ng network at ang kakayahang gumawa ng analytics sa puntong iyon ay mahalagang nalutas na ngayon. At pinakawalan na tayo ngayon upang aktwal na simulan ang pag-iisip tungkol sa susunod na hamon, na kung saan ay ipinamamahagi ng mga lawa ng data. Maraming salamat sa iyo, ito ay isang kamangha-manghang pagtatanghal. Pinahahalagahan ko talaga ang pagkakataon na makipag-chat sa iyo tungkol dito.
Pupunta ako ngayon kay Robin dahil alam kong mayroon siya, at pagkatapos ay nakuha din ni Rebecca ang isang mahabang listahan ng mga magagandang katanungan mula sa madla pagkatapos ni Robin. Robin?
Robin Bloor: Okay. Shawn, nais kong sabihin nang kaunti at hindi ko sinusubukan na bigyan ka ng pagkakataon na mag-anunsyo, ngunit ito ay talagang napakahalaga. Interesado akong malaman kung anong oras sa oras na aktwal na nabuo ng Statistica ang kakayahan sa pag-export ng modelo. Ngunit ako din, nais kong sabihin mo ang tungkol sa Boomi dahil ang lahat ng sinabi mo sa malayo tungkol sa Boomi ay ito ay ETL, at ito ay talagang ETL. Ngunit ito ay talagang may kakayahang ETL at para sa uri ng mga oras na pinag-uusapan natin, at ang ilan sa mga sitwasyon na tinatalakay natin dito, iyon ay isang napakahalagang bagay. Maaari mong makipag-usap sa mga dalawang bagay para sa akin?
Shawn Rogers: Oo naman, oo, talagang kaya ko. Alam mo, ang aming paggalaw sa direksyon na ito ay tiyak na nakapagpahiwatig at ito ay uri ng isang hakbang-hakbang na proseso. Naghahanda na lang kami ngayong darating na linggo upang ilunsad ang Bersyon 13.2 ng Statistica. At mayroon itong pinakabagong mga update sa lahat ng mga kakayahan na pinag-uusapan natin ngayon. Ngunit bumalik sa Bersyon 13, isang taon na ang nakararaan noong Oktubre, inanunsyo namin ang aming kakayahang i-export ang mga modelo mula sa aming platform, at tinawag namin itong NDAA. Ang acronym ay nanindigan para sa Native Distributed Analytics Architecture. Ang ginawa namin ay naglalagay kami ng maraming oras, enerhiya at nakatuon sa pagbukas ng aming platform na may pagkakataon na gamitin ito bilang isang sentral na sentro ng utos para sa iyong advanced na analytics, ngunit din upang mag-deploy mula doon. At ang mga unang lugar, Robin, na ipinadala namin ginawa namin ang isang talagang, talagang mahusay na karagdagan sa platform sa paligid ng pag-aaral ng makina. At sa gayon mayroon kaming kakayahang mag-deploy mula sa Statistica hanggang sa Azure Cloud ng Microsoft upang magamit ang kapangyarihan ng Azure sa pag-aaral ng power machine, tulad ng alam mo, ay masinsinang at ito ay isang mahusay na paraan upang magamit ang mga teknolohiyang ulap. At sa gayon ay ang unang bit.
Ngayon ay nai-export namin ang aming mga modelo sa Azure at ginagamit ang Azure upang patakbuhin ang mga ito at pagkatapos ay ipadala ang data, o ang mga resulta, bumalik sa platform ng Statistica. At pagkatapos ay lumipat kami sa ibang mga wika na nais naming ma-export mula sa, at siyempre ang isa sa kanila na ang Java ay nagbubukas ng pintuan para sa amin upang magsimula na i-export ang aming mga modelo papunta sa iba pang mga lokasyon tulad ng Hadoop, kaya't ibinigay nito kami ng isang play din doon.
At sa wakas nakatuon kami sa pagiging output ng aming mga modelo na may paglabas sa mga database. At sa gayon ay ang unang pag-ulit at maging matapat sa iyo, ang pagtatapos ng laro ay IoT ngunit hindi pa kami naroroon sa Bersyon 13 noong nakaraang Oktubre. Simula noon nakarating kami doon at may kinalaman sa kakayahang gawin ang lahat ng mga bagay na nabanggit ko lang, ngunit pagkatapos ay magkaroon ng ilang uri ng aparato sa transportasyon. At babalik sa tanong ni Dez, alam mo, ano ang hamon at paano natin ito gagawin kapag mayroon tayong lahat ng mga analytics na ito? Mahusay na ginagamit namin ang Boomi bilang uri ng isang pamamahagi ng hub at kaya dahil nasa ulap at dahil napakalakas, tulad ng nabanggit ko dati, ito ay isang platform ng pagsasama ng data, ngunit ito rin ay isang platform ng pagsasama ng aplikasyon, at gumagamit ito ng JVM upang pahintulutan kami upang iparada at magtrabaho kahit saan na makakapunta ka sa isang Java virtual machine. Iyon ang talagang nagbukas ng pintuan na bukas para sa lahat ng mga gateway na ito at mga platform sa computing sa gilid at mga server ng gilid, dahil ang lahat ng mga ito ay mayroong compute at platform na magagamit upang magpatakbo ng isang JVM. At dahil maaari nating patakbuhin ang JVM kahit saan, naka-on ang Boomi out upang maging isang kahanga-hangang pamamahagi at, gamit ang aking salita mula sa mas maaga, isang aparato ng orkestra.
At napakahalaga ito dahil lahat tayo, alam mo, sa palagay ko ang senaryo ng eroplano isang minuto ay nakaraan, at nabanggit ko, alam mo, ang mga tagagawa tulad ni Shire na may sampung libong sensor sa isa sa kanilang mga pabrika, ikaw kailangang simulan ang pagtugon sa uri ng gitnang diskarte sa advanced na analytics sa ilang mga punto. Ang pagiging ad hoc tungkol dito ay hindi na talaga gumagana. Ginamit ito kung kailan ang dami ng mga modelo at algorithm na pinapatakbo namin ay minimal, ngunit ngayon ito ay nasa maximum. Mayroong libu-libo sa kanila sa isang samahan. Kaya mayroon kami, bahagi ng aming platform ay batay sa server at kapag mayroon kang aming software ng negosyo mayroon ka ring kakayahang mag-tweak at puntos at pamahalaan ang iyong mga modelo sa buong kapaligiran. At bahagi din iyon ng bagay na orkestra. Kailangan naming magkaroon ng isang layer, Robin, sa lugar na hindi ka pinahihintulutan kang makakuha ng isang modelo doon sa unang lugar, ngunit binigyan ka rin ng conduit upang i-tweaking ang mga modelo at palitan ang mga ito sa isang patuloy na batayan nang madalas hangga't kailangan mo, dahil ito ay hindi isang bagay na maaari mong gawin nang manu-mano. Hindi ka makalakad sa paligid ng isang refinery na may thumb drive na sumusubok na mag-upload ng mga modelo sa mga gateway. Kailangan mong magkaroon ng isang sistema ng transportasyon at pamamahala sa pagitan nito, at sa gayon ang kumbinasyon ng Statistica at Boomi ay nagbibigay sa aming mga customer.
Robin Bloor: Oo. Mahusay na magiging maikli ako ngunit, alam mo, ang pahayag na ito ay ginawa bago ang tungkol sa lawa ng data at ang ideya ng pag-iipon ng mga petabytes sa anumang naibigay na lugar, at ang katotohanan na mayroon itong grabidad. Alam mo, kapag sinimulan mong pag-usapan ang tungkol sa orkestasyon ay sinimulan ko lamang na isipin ang tungkol sa napaka-simpleng katotohanan na, alam mo, ang paglalagay ng isang data ng lawa na napakalaki sa isang lugar marahil ay nangangahulugang kailangan mong i-back up ito at marahil ay nangangahulugang kailangan mo ring ilipat ang maraming data sa paligid pa rin. Alam mo, ang tunay na arkitektura ng data ay higit pa, sa aking palagay, higit pa sa direksyon na pinag-uusapan mo. Alin ang ipamahagi ito sa mga makatuwirang lugar, marahil ang bagay na sasabihin ko. At mukhang nakakuha ka ng isang napakagandang kakayahan na gawin ito. Ibig kong sabihin, na-briefed ako sa Boomi kaya ito ay uri ng, sa isang paraan o sa iba pa, halos hindi patas na nakikita ko ito at marahil ay hindi makakaya ng madla. Ngunit ang Boomi ay napakahalaga, sa aking pagtingin, sa mga tuntunin ng iyong ginagawa dahil mayroon itong mga kakayahan sa aplikasyon. At dahil din sa katotohanan ng bagay na hindi mo ginagawa ang mga kalkulasyong ito na analytic nang hindi mo nais na kumilos ng isang bagay sa isang lugar o sa iba pa. At si Boomi ay gumaganap ng isang bahagi sa iyon, di ba?
Shawn Rogers: Oo, talagang. At sa pagkakaalam mo mula sa mga nakaraang pag-uusap, ang Statistica ay may isang full-blown na mga panuntunan sa negosyo sa loob nito. At sa palagay ko iyan ay talagang mahalaga kapag bumaba tayo kung bakit natin ito ginagawa. Alam mo, nagbiro ako sa harap na wala talagang dahilan upang gawin ang IoT kahit na kung susuriin mo, magamit ang data upang makagawa ng mas mahusay na mga pagpapasya o gumawa ng mga aksyon. At kung ano ang nakatuon namin sa hindi lamang mai-mailagay ang modelo doon ngunit nagawang ma-tag kasama ito, isang set ng panuntunan. At dahil ang Boomi ay napakalakas sa mga kakayahan nito upang ilipat ang mga bagay mula sa isang lugar patungo sa isa pa, sa loob ng isang Boomi atom maaari rin nating i-embed ang kakayahang mag-trigger, mag-alerto at gumawa ng aksyon.
At kaya't sinisimulan nating makuha ang ganoong uri ng sopistikadong pagtingin sa data ng IoT kung saan sinasabi natin, "Okay, ang data na ito ay nagkakahalaga ng pakikinig." Ngunit talagang, alam mo, alam na "ang ilaw ay nasa, ang ilaw ay nasa, ang ilaw ay naka-on, ang ilaw ay nasa "hindi kagiliw-giliw na sa kung kailan ang ilaw ay lumabas o kapag ang usong detektor ay nawawala o kung anuman ang mangyayari sa aming proseso ng pagmamanupaktura ay nawala sa ispes. Kapag nangyari iyon nais naming makagawa ng agarang pagkilos. At ang data ay nagiging halos pangalawa dito sa puntong ito. Dahil hindi ito napakahalaga na nai-save namin ang lahat ng mga iyon, "okay, okay, okay" signal, kung ano ang mahalaga ay napansin namin ang "Hoy, masama" at gumawa kami ng agarang aksyon. Nagpapadala man ito ng isang email sa isang tao o maaari naming makisangkot sa kadalubhasaan ng domain, o nagtatakda tayo o hindi ng isang serye ng iba pang mga proseso upang makagawa ng agarang pagkilos, maging corrective ito o bilang tugon sa impormasyon. At sa palagay ko na ang dahilan kung bakit kailangan mong magkaroon ng orchestrated view na ito. Hindi mo lamang mai-focus ang pakikitungo sa iyong mga algorithm sa buong lugar. Kailangan mong mag-coordinate at mag-orkest sa kanila. Kailangan mong makita kung paano sila gumaganap. At talagang, pinaka-mahalaga, ibig sabihin ko, kung bakit ang gayat ay gagawin mo ito kung hindi ka maaaring magdagdag ng pagkakataon na gumawa ng ilang agarang pagkilos laban sa data?
Robin Bloor: Okay, Rebecca, naniniwala ako na mayroon kang mga katanungan mula sa madla?
Rebecca Jozwiak: Ginagawa ko. Mayroon akong isang tonelada ng mga katanungan ng madla. Shawn, alam kong hindi mo nais na mag-hang sa sobrang haba ng nakaraan sa tuktok ng oras. Ano sa tingin mo?
Shawn Rogers: Masaya ako. Sige lang. Maaari akong sumagot ng kaunti.
Rebecca Jozwiak: Tingnan natin. Alam ko ang isa sa mga bagay na iyong nabanggit ay ang IoT ay sa mga unang araw at mayroon itong isang antas ng kapanahunan na magaganap at ito ay uri ng pagsasalita sa tanong na ito na hiniling ng isang dadalo. Kung ang balangkas ng IPv6 ay magiging sapat na matatag upang mapaunlakan ang paglaki ng IoT sa susunod na lima o sampung taon?
Shawn Rogers: Oh, hahayaan kong palitan ng sagot ang Dez dahil sa palagay ko mas malapit siya sa ganitong uri ng impormasyon na ako. Ngunit lagi kong naisip na kami ay nasa napakabilis na track upang yumuko at masira ang karamihan sa mga frameworks na nasa lugar namin. At habang iniisip ko ang pagdaragdag ng bagong uri ng ispes o direksyon na pupunta namin sa mga trangkaso ng IPv6 ay mahalaga, at binubuksan nito ang pintuan para sa amin upang magkaroon ng mas maraming mga aparato, at upang maibigay ang lahat na kami nais na magbigay ng isang address. Sa palagay ko na ang lahat ng binabasa at nakikita ko sa aking mga customer, at ang bilang ng mga address na kinakailangan, sa palagay ko sa ilang punto ay magdulot ng isa pang pagbabagong nasa tanawin na iyon. Ngunit hindi talaga ako isang eksperto sa networking kaya hindi ko masabi isang daang porsyento na masisira natin ito sa ilang mga punto. Ngunit ang aking karanasan ay nagsasabi sa akin na babalewalain namin ang modelong iyon sa ilang mga punto.
Rebecca Jozwiak: Hindi ako magtataka. Sa palagay ko ang mga frameworks ay uri ng pagsira sa ilalim ng bigat ng lahat ng mga uri ng mga bagay. At lohikal lang iyon, di ba? Ibig kong sabihin, hindi ka maaaring magpadala ng isang email gamit ang isang makinilya. Ang isa pang dumalo ay nagtatanong, "Maaari ka bang gumamit ng isang Hadoop balangkas?" Ngunit sa palagay ko maaari kong baguhin iyon upang sabihin, paano mo magagamit ang balangkas ng Hadoop para sa ipinamamahaging analytics?
Shawn Rogers: Buweno, binigyan ako ng Robin ng pabor sa pagtatanong sa akin ng isang makasaysayang tanong at mula pa noong Bersyon 13 tungkol sa isang taon na ang nakalilipas para sa Statistica, nagkaroon kami ng kakayahang palayasin ang mga modelo sa aming system at papunta sa Hadoop. At nagtatrabaho kami nang malapit sa lahat ng mga malalaking flavors ng Hadoop. Nakakuha kami ng talagang mahusay na mga kwento ng tagumpay sa paligid ng kakayahang magtrabaho kasama ang Cloudera bilang isa sa pangunahing mga pamamahagi ng Hadoop na pinagtatrabahuhan namin. Ngunit dahil maaari kaming mag-output sa Java, binibigyan namin ito ng kakayahang maging bukas at ilagay ang aming analytics kahit saan. Ang paglalagay ng mga ito sa isang kumpol ng Hadoop ay isang bagay na ginagawa natin sa isang normal at regular at pang-araw-araw na batayan para sa marami sa aming mga customer. Ang maikling sagot ay oo, ganap.
Rebecca Jozwiak: Magaling. At itatapon ko pa ang isa sa iyo at hayaan kang magpatuloy sa iyong bakasyon. Ang isa pang dumalo ay nagtatanong, kasama ang IoT analytics kasama ang pag-aaral ng makina, sa palagay mo ba ang lahat ng data ay kailangang maimbak para sa mga layuning pang-kasaysayan at paano magiging epekto ang arkitekturang solusyon?
Shawn Rogers: Well, hindi sa palagay ko ay dapat na naka-imbak ang lahat ng data. Ngunit sa palagay ko ay napaka-kagiliw-giliw na magkaroon ng kakayahang mag-aliw, makinig sa anumang mapagkukunan ng data na nais namin sa loob ng aming samahan, saan man nanggaling. At sa palagay ko na ang mga pagbabagong nakita namin sa palengke sa mga nakaraang taon ay nagpapagana sa amin na gawin ang lahat ng data na diskarte sa mga bagay, at mukhang talagang uri ito ng pagbabayad. Ngunit kakaiba ito para sa bawat kumpanya at bawat kaso ng paggamit. Alam mo, kapag tinitingnan namin ang data ng kalusugan, ngayon maraming mga isyu sa regulasyon, maraming mga isyu sa pagsunod sa dapat tandaan, at ginagawang i-save namin ang data na maaaring hindi maunawaan ng ibang mga kumpanya kung bakit kailangang mai-save, tama ? Sa mga proseso ng pagmamanupaktura, para sa marami sa aming mga customer sa pagmamanupaktura, mayroong isang tunay na kabaligtaran upang ma-kasaysayan nang suriin ang iyong mga proseso at makapag-isip muli ng malaking halaga ng data na ito upang malaman mula dito at upang makabuo ng mas mahusay na mga modelo mula rito.
Sa palagay ko, maraming mga data ang dapat panatilihin at sa palagay ko mayroon kaming mga solusyon na gumawa ng mas matipid at scalable ngayon. Ngunit sa parehong oras sa palagay ko ang bawat kumpanya ay makakahanap ng halaga sa data na hindi nila kailangang panatilihin sa isang antas ng atomic, ngunit nais nilang pag-aralan sa isang real-time na uri ng paraan at gumawa ng mga pagpapasya sa ito upang magmaneho ng pagbabago sa loob ang kanilang kumpanya.
Rebecca Jozwiak: Okay mabuti. Hindi, madla, hindi ako nakarating sa mga tanong ng lahat ngayon, ngunit ipapasa ko sila kasama si Shawn upang maabot niya ka nang direkta at sagutin ang mga tanong na iyon. Ngunit salamat sa lahat sa pagdalo. Maraming salamat kay Shawn Rogers mula sa Dell Statistica at mula sa lahat ng aming mga analyst, Dez Blanchfield at Dr. Robin Bloor. Maaari mong mahanap ang archive dito sa loobanalysis.com, SlideShare, sinimulan naming ilagay muli ang aming mga gamit, at binabago namin ang aming YouTube kaya't hahanapin din doon. Maraming salamat sa mga tao. At sa pamamagitan na ako ay mag-bid sa iyo ng paalam at magkita kami sa susunod.
