P.: ¿Qué es AWS IoT Analytics?

AWS IoT Analytics es un servicio de análisis de la IoT completamente administrado que recolecta, preprocesa, enriquece, almacena y analiza los datos del dispositivo de IoT a escala. IoT Analytics puede realizar consultas simples ad hoc como así también análisis complejo, y es la manera más simple de ejecutar el análisis de la IoT para casos de uso como la comprensión del desempeño de los dispositivos, la predicción de las fallas del dispositivo y el aprendizaje automático. Está diseñado específicamente para la IoT y captura y almacena automáticamente la marca temporal del mensaje de manera que es fácil realizar el análisis de series temporales.  IoT Analytics también puede enriquecer los datos con metadatos del dispositivo específico como el tipo de dispositivo y la ubicación al usar el registro de AWS IoT. IoT Analytics almacena los datos en un almacenamiento de datos optimizado de IoT de manera que pueda ejecutar consultas en conjuntos de datos grandes.

P.: ¿Cómo funciona AWS IoT Analytics?

AWS IoT Analytics está completamente integrado con AWS IoT Core de manera que sea fácil comenzar. Primero, define un canal y selecciona los datos que desea recolectar de manera que solo almacena y analiza los datos de interés, como la temperatura del sensor. Cuando se establece un canal, configura las canalizaciones para procesar sus datos. Las canalizaciones admiten transformaciones como la conversión de Celsius a Fahrenheit, enunciados condicionales, filtrado de los mensajes, enriquecimiento de mensajes al usar fuentes de datos externos y funciones de AWS Lambda.

Después de procesar los datos en la canalización, IoT Analytics los almacena en un almacenamiento de datos optimizado de la IoT para analizarlos. Puede consultar los datos que usa el motor de consultas SQL incorporado para responder preguntas empresariales específicas. Por ejemplo, quizás quiera conocer cuántos usuarios mensuales existen en cada dispositivo de su flota. Mediante la integración con Amazon SageMaker, IoT Analytics admite un análisis más sofisticado, como la inferencia bayesiana y el aprendizaje automático. Además, es fácil crear visualizaciones y paneles, y obtener información empresarial rápidamente de sus datos de IoT Analytics ya que está integrado con Amazon QuickSight.

P.: ¿Qué diferencias existen entre AWS IoT Analytics y Amazon Kinesis Analytics?

AWS IoT Analytics está diseñado específicamente para la IoT y captura y almacena automáticamente la marca temporal del mensaje de manera que es fácil realizar el análisis de las series temporales. IoT Analytics también puede enriquecer los datos con metadatos del dispositivo específico como el tipo de dispositivo y la ubicación al usar el registro de AWS IoT y otras fuentes de datos públicos. IoT Analytics almacena los datos del dispositivos en un almacenamiento de datos optimizado de IoT de manera que pueda ejecutar consultas en conjuntos de datos grandes.

Amazon Kinesis Analytics es una herramienta de uso general diseñada para procesar fácilmente los datos de streaming desde dispositivos de la IoT así como así también desde otras fuentes de datos en tiempo real.

Tabla 1: Comparación de características entre AWS IoT Analytics y Kinesis Analytics

Características AWS IoT Analytics
Amazon Kinesis Analytics
Almacenamiento de datos de series temporales X  
Particiones de datos automáticos mediante la fecha del mensaje y la id. del dispositivo X  
Enriquecimiento de datos del dispositivo específico X  
Consultas sobre los conjuntos de datos grandes X  
Análisis de streaming   X
Procesamiento en tiempo real Latencias de minutos o segundos Latencias de segundos o milisegundos
Operaciones de ventana de tiempo   X
Analiza datos sin estructurar y crea automáticamente un esquema JSON y CSV JSON y CSV

P.: ¿Cuándo uso AWS IoT Analytics y cuándo uso AWS IoT Analytics?

Puede usar AWS IoT Analytics para el análisis de la IoT. Algunos casos de uso incluyen la comprensión del desempeño del dispositivo a largo plazo, el informe comercial y el análisis ad hoc, y el mantenimiento predictivo de la flota. IoT Analytics se adapta mejor a estos casos de uso porque recolecta, prepara y almacena datos desde los dispositivos sobre las marcas temporales en un almacenamiento de datos optimizado para la IoT. IoT Analytics también enriquece los datos con metadatos del dispositivo específico como el tipo de dispositivo y la ubicación al usar el registro de AWS IoT y otras fuentes de datos públicos.

Sin embargo, si necesita analizar los datos de la IoT en tiempo real para los casos de uso como la monitorización del dispositivo, puede usar Amazon Kinesis Analytics.

Tabla 2: Casos de uso de AWS IoT Analytics frente a Kinesis Analytics

Caso de uso
AWS IoT Analytics Amazon Kinesis Analytics
Comprender las características de desempeño del dispositivo a largo plazo Sí.  Enriquecer los datos de la IoT con metadatos específicos de la IoT como el tipo de dispositivo y ubicación al usar el registro de AWS IoT y otras fuentes de datos públicos. Por ejemplo, los operadores de viñedo necesitan enriquecer los datos del sensor de humedad con la lluvia pronosticada en los viñedos de manera que sepan cuándo regar los cultivos.   No. Más adecuado para el análisis de streaming en tiempo real.
Informe comercial y análisis ad hoc de los datos de la IoT Sí. Recolectar, procesar y almacenar los datos de la IoT e integrarlos con AWS QuickSight para crear paneles e informar o usar el motor de consulta SQL incorporado para las consultas ad hoc.  Por ejemplo, agregar las fallas del sensor en una flota para informar sobre el desempeño de la flota cada semana. No. Más adecuado para desempeñar consultas de streaming en los datos de la IoT, tal como generar alertas cuando falla el sensor. 
Mantenimiento predictivo de la flota Sí. Recolectar, procesar y almacenar los datos de la IoT y usar planillas prediseñadas para crear e implementar modelos predictivos.  Por ejemplo, predecir cuándo fallarán los sistemas de climatización en los vehículos conectados de manera que el vehículo pueda redirigirse y acoplarse rápidamente para prevenir el daño del cargamento. No. El mantenimiento predictivo necesita un análisis histórico de los datos a largo plazo para crear modelos. 
Monitorización del dispositivo en tiempo real No. Sí. Kinesis Analytics puede agregar datos en las ventanas de tiempo continuamente, detectar anomalías y realizar acciones tal como el envío de alertas. Por ejemplo, Kinesis Analytics puede calcular promedios de 10 segundos escalonados cada 5 minutos de las temperaturas de la válvula en un equipo industrial y detectar cuando la temperatura excede determinados umbrales predeterminados. Entonces puede avisar a los sistemas de control para que apaguen automáticamente la maquinaria y evitar accidentes. 

P.: ¿Cuándo uso AWS IoT Analytics y AWS IoT Analytics juntos?

Use AWS IoT Analytics y Amazon Kinesis juntos cuando necesite análisis históricos y en tiempo real. Por ejemplo, use Kinesis Analytics para calcular promedios de 10 segundos escalonados de las temperaturas de la válvula en un equipo industrial y detectar cuando la temperatura excede determinados umbrales predeterminados. Kinesis Analytics entonces puede avisar a los sistemas de control que apaguen automáticamente la maquinaria para evitar accidentes. Luego, use Kinesis Streams para enviar datos a IoT Analytics. Usa IoT Analytics para entender las tendencias y también para predecir cuándo debe reemplazar o reparar las válvulas.

P.: Al trabajar con los datos de la IoT, ¿cuándo debería usar AWS IoT Analytics frente a Amazon Kinesis Streams, Amazon Kinesis Analytics y Amazon Kinesis Firehose?

Amazon Kinesis Streams es una fuente de datos para AWS IoT Analytics. Los clientes pueden usar Kinesis Streams para capturar datos de streaming de la IoT y enviarlos a IoT Analytics para su procesamiento, almacenamiento y análisis.

Amazon Kinesis Analytics está diseñada para el análisis de streaming mientras que IoT Analytics está diseñado para el análisis de datos en descanso. Los clientes que necesiten tiempo real y análisis de la IoT pueden usar una combinación de Kinesis Analytics y IoT Analytics.

Amazon Kinesis Firehose es la manera más fácil de cargar datos de streaming en los almacenes de datos de AWS Amazon S3, Amazon Redshift y Amazon Elasticsearch Service al habilitar el análisis casi en tiempo real con las herramientas de inteligencia comercial existentes. IoT Analytics no admite Kinesis Firehose como una fuente de datos.

P.: ¿Cuándo uso AWS IoT Analytics y cuándo uso Amazon Kinesis Video Streams?

Amazon Kinesis Video Streams facilita transmitir videos, audios y otros datos codificados por tiempo de manera segura desde fuentes como cámaras, sensores de profundidad y radares a AWS para el procesamiento del lote en tiempo real en aprendizaje automático, análisis y otras aplicaciones. Kinesis Video Streams está particularmente diseñado para asimilar datos de video desde los dispositivos mientras que AWS IoT Analytics está diseñado para analizar datos de la IoT que no sean de video. En GA, no existe una integración directa entre Kinesis Video Streams y AWS IoT Core o IoT Analytics. Sin embargo, los clientes pueden consultar Kinesis Video Streams y IoT Analytics desde sus aplicaciones al usar las API.

Descubra más sobre las características de AWS IoT Analytics

Visite la página de recursos
¿Listo para comenzar?
Inscríbase para obtener la vista previa
¿Tiene más preguntas?
Contacte con nosotros