Características de AWS IoT Analytics

Ingiera datos de cualquier fuente, incluido AWS IoT Core: ingiera datos directamente de AWS IoT Core a AWS IoT Analytics. O bien, utilice la API BatchputMessage para enviar sus datos a AWS IoT Analytics desde Amazon S3, Amazon Kinesis o cualquier otra fuente. Gracias a la integración plena de AWS IoT Analytics con AWS IoT Core y la API, es fácil recibir mensajes desde dispositivos conectados a medida que se transmiten por streaming.

Recopile solo los datos que desea almacenar y analizar: utiliza la consola de AWS IoT Analytics para configurar AWS IoT Analytics para recibir mensajes de los dispositivos a través de filtros de temas de MQTT en varios formatos y frecuencias. AWS IoT Analytics comprueba que los datos están dentro de los parámetros específicos que se han definido y crea canales. Entonces, el servicio enruta los canales hacia las canalizaciones adecuadas para el procesamiento, la transformación y el enriquecimiento del mensaje.

Limpiar y filtrar : AWS IoT Analytics le permite definir las funciones de AWS Lambda que se pueden activar cuando AWS IoT Analytics detecta datos faltantes, de modo que puede ejecutar código para estimar y cubrir las brechas. También puede definir filtros máximos/mínimos y umbrales de percentiles para eliminar los valores atípicos en los datos.

Transformación: AWS IoT Analytics puede transformar los mensajes mediante la lógica matemática o condicional que usted defina, de modo que pueda realizar cálculos comunes, como la conversión de grados Celsius a Fahrenheit.

Enriquecer: AWS IoT Analytics puede enriquecer datos con orígenes de datos externos como, por ejemplo, información de previsión meteorológica y, a continuación, dirigir los datos al almacén de datos de AWS IoT Analytics.

Reprocesamiento: AWS IoT Analytics puede volver a procesar datos sin procesar desde el canal conectado a la canalización. Volver a procesar los datos sin procesar le brinda la flexibilidad para crear una canalización nueva o de retornar a una canalización más antigua para poder registrar datos nuevos e históricos, introducir cambios en la canalización o simplemente procesar los datos de una manera diferente. A menudo, esta capacidad se necesita para conseguir información más detallada o probar hipótesis. Tan solo debe conectar la canalización al canal correspondiente para llevar adelante el reprocesamiento.

Almacén de datos de series temporales: AWS IoT Analytics almacena los datos de los dispositivos en un almacén de datos de series temporales optimizado para IoT para su análisis. Puede administrar permisos de acceso, implementar políticas de retención de datos y exportar sus datos a puntos de acceso externos.

Almacenar datos procesados y sin procesar: AWS IoT Analytics almacena los datos procesados y además almacena automáticamente los datos sin procesar adquiridos para que pueda procesarlos más adelante.

Ejecute consultas SQL ad hoc o programadas: AWS IoT Analytics ofrece un motor de consultas SQL incorporado de manera que pueda ejecutar consultas ad hoc o programadas y obtener resultados rápidamente. Por ejemplo, quizás quiera ejecutar una consulta rápida para descubrir cuántos usuarios mensuales existen en cada dispositivo de su flota.

Análisis de series temporales: AWS IoT Analytics admite los análisis de series temporales para que pueda analizar el desempeño de dispositivos a lo largo del tiempo y entender cómo y dónde se están utilizando, supervisar continuamente datos de dispositivo para predecir problemas de mantenimiento y supervisar sensores para predecir y reaccionar a condiciones ambientales.

Blocs de notas alojados y análisis y aprendizaje automático sofisticados: AWS IoT Analytics incluye soporte para blocs de notas de Jupyter alojados para análisis estadístico y aprendizaje automático. El servicio incluye un conjunto de plantillas de bloc de notas prediseñadas que contienen modelos de aprendizaje automático escrito por AWS y visualizaciones para ayudarlo a comenzar con los casos de uso de la IoT relacionados a perfil de fallo del dispositivo, predicción de eventos, como el bajo uso que pueda señalar que el cliente abandonará el producto o la segmentación de dispositivos debido a los niveles de uso del cliente (por ejemplo, los grandes consumidores, los usuarios de fines de semana) o la salud del dispositivo.

Puede realizar clasificación estadística mediante un método denominado regresión logística. Puede también usar la memoria a corto y largo plazo (LSTM) que es una técnica de red neural poderosa para predecir la salida o el estado de un proceso que cambia con el paso del tiempo. Las planillas de bloc de notas prediseñadas también admiten el algoritmo de inclusión en clústeres de medios K para la segmentación del dispositivo, que agregan clústeres a sus dispositivos en cohortes de dispositivos similares. Estas planillas típicamente se usan para describir la salud y el estado del dispositivo como las unidades de climatización en una fábrica de chocolate o el uso y desgaste de las paletas de una turbina eólica.

Traiga su contenedor personalizado: AWS IoT Analytics importará sus contenedores de código escrito personalizado, integrados en AWS IoT Analytics o una herramienta de terceros, como Matlab, Octave, etc. permitiéndole que disponga de más tiempo para centrarse en lo que le diferencia de su competencia. No hay necesidad de recrear sus análisis existentes creados en herramientas de terceros. Sencillamente importe su contenedor de análisis en AWS IoT Analytics y ejecútelo según sea necesario.

Si está utilizando Jupyter Notebook, basta crear una imagen de contenedor ejecutable de su código de Jupyter Notebook con solo hacer clic en un botón y visualizar su análisis de contenedor en la consola de AWS IoT Analytics.

Automatizar la ejecución de contenedor: AWS IoT Analytics le permite automatizar la ejecución de contenedores que alojan código analítico personalizado o Jupyter Notebook para llevar a cabo un análisis continuo. Puede programar la ejecución de su análisis personalizado con la periodicidad que mejor se adapte a las necesidades de su empresa.

Captura de datos incremental con ventanas de tiempo personalizables: AWS IoT Analytics permite a los usuarios llevar a cabo análisis en nuevos datos incrementales capturados desde el último análisis. Puede mejorar la eficiencia del análisis y reducir costos explorando de forma precisa solo los datos nuevos. Con independencia de cuándo ejecutó el último análisis, las ventanas de tiempo personalizables capturarán los nuevos datos automáticamente desde el último análisis.

Integración de QuickSight: AWS IoT Analytics proporciona un conector para Amazon QuickSight de modo que pueda visualizar sus conjuntos de datos en un panel de QuickSight. También puede visualizar los resultados de su análisis ad hoc en los Jupyter Notebooks integrados en la consola de AWS IoT Analytics.