AWS IoT Analytics는 IoT 데이터에서 분석을 실행 및 운용하는 데 필요한 모든 단계를 자동화합니다. AWS IoT Analytics는 IoT 디바이스의 데이터를 분석하는 데 필요한 까다로운 각 단계를 자동화합니다. AWS IoT Analytics는 BatchPutMessage API를 사용하여 Amazon Kinesis, S3 또는 타사 도구를 포함한 모든 소스의 데이터를 받을 수 있고 AWS IoT Core와 완전히 통합되므로 손쉽게 데이터를 수집하고 분석을 수행할 수 있습니다. 먼저 MQTT 주제 필터를 사용하여 채널을 정의하고, 저장 및 분석하려는 데이터만 지정합니다. 채널이 설정되면 데이터를 처리하도록 파이프라인을 구성합니다. 파이프라인은 데이터 변환을 수행하고, 조건문을 실행하며, 외부 소스의 데이터로 메시지를 보강할 수 있습니다.

AWS IoT Analytics는 데이터를 처리한 후 분석을 위해 시계열 데이터 스토어에 저장합니다. 그런 다음 내장된 SQL 쿼리 엔진을 사용하여 임시 또는 예정된 쿼리를 실행해 특정 비즈니스 질문에 답하거나 보다 정교한 분석 및 기계 학습을 수행할 수 있습니다.

주요 기능

수집

AWS IoT Core를 비롯하여 모든 소스에서 데이터를 수집 - AWS IoT Core에서 AWS IoT Analytics로 데이터를 직접 수집합니다. 또는 BatchPutMessage API를 사용하여 Amazon S3, Amazon Kinesis 또는 기타 소스에서 AWS IoT Analytics로 데이터를 전송합니다. AWS IoT Analytics는 AWS IoT Core 및 API와 완전히 통합되므로 연결된 디바이스에서 스트리밍되는 대로 손쉽게 메시지를 수신할 수 있습니다.

저장 및 분석하고자 하는 데이터만 수집AWS IoT Analytics 콘솔을 사용하여 AWS IoT Analytics가 연결된 디바이스로부터 MQTT 주제 필터를 통해 다양한 형식 및 빈도로 메시지를 수신하도록 구성할 수 있습니다. AWS IoT Analytics는 사용자가 정의한 특정 파라미터 내에서 데이터를 확인하고, 채널을 생성합니다. 그런 다음 메시지 처리, 변환, 보강을 위해 적절한 파이프라인으로 채널을 라우팅합니다.

처리

정리 및 필터링 - AWS IoT Analytics를 사용하면 누락된 데이터가 AWS IoT Analytics에 감지될 때 트리거되는 AWS Lambda 함수를 정의하고, 코드를 실행하여 차이를 추정하고 메울 수 있습니다. 또한 최대/최소 필터 및 백분위 임계값을 정의하여 데이터 내 특이값을 제거할 수 있습니다.

변환 – AWS IoT Analytics는 사용자가 정의한 수학 또는 조건 논리를 사용하여 메시지를 변환할 수 있습니다. 따라서 섭씨에서 화씨로의 변환과 같은 일반적인 계산을 수행할 수 있습니다.
 
보강 - AWS IoT Analytics는 일기 예보 정보와 같은 외부 데이터 소스를 통해 데이터를 보강하고, 데이터를 AWS IoT Analytics 데이터 스토어로 라우팅할 수 있습니다.
 
재처리 - AWS IoT Analytics는 파이프라인에 연결된 채널의 원시 데이터를 재처리할 수 있습니다. 원시 데이터를 재처리하면 새로운 파이프라인을 생성하거나 이전 파이프라인을 다시 방문할 수 있으므로 새로운 데이터 및 기록 데이터를 캡처하거나, 파이프라인을 변경하거나, 단순히 데이터를 다른 방식으로 처리할 수 있습니다. 이러한 기능은 더 깊은 통찰력을 확보하거나 가설을 테스트하는 데 주로 필요합니다. 파이프라인을 재처리할 해당 채널에 연결하기만 하면 됩니다.
 

저장

시계열 데이터 스토어 - AWS IoT Analytics는 분석을 위해 IoT에 최적화된 시계열 데이터 스토어로 디바이스 데이터를 저장합니다. 액세스 권한을 관리하고, 데이터 보존 정책을 구현하고, 데이터를 외부 액세스 포인트로 내보낼 수 있습니다.

처리된 데이터 및 원시 데이터 저장 - AWS IoT Analytics는 처리된 데이터를 저장하며, 원시 수집 데이터 또한 자동으로 저장하여 나중에 이를 처리할 수 있습니다.

분석

임시 또는 예정된 SQL 쿼리 실행 – AWS IoT Analytics는 내장 SQL 쿼리 엔진을 제공하므로 임시 또는 예정된 쿼리를 실행하고 결과를 빠르게 얻을 수 있습니다. 예를 들어 플릿의 각 디바이스당 월 유효 사용자가 몇 명인지 알기 위해 빠르게 쿼리를 실행할 수 있습니다.

시계열 분석 - AWS IoT Analytics는 시계열 분석을 지원합니다. 따라서 시간에 따른 디바이스의 성능을 분석하고 디바이스가 어떻게 사용되는지 이해할 수 있습니다. 또한 지속적으로 디바이스 데이터를 모니터링하여 유지 관리 문제를 예측하고, 센서를 모니터링하여 환경 조건을 예측하고 대응할 수 있습니다.

호스팅된 노트북을 통한 정교한 분석 및 기계 학습 - AWS IoT Analytics에는 통계 분석 및 기계 학습을 위한 Jupyter 노트북 호스팅 지원 기능이 포함되어 있습니다. 이 서비스에는 AWS가 만든 기계 학습 모델과 시각화를 포함하는 사전 작성된 노트북 템플릿 집합이 포함되어 있습니다. 이는 디바이스 고장 프로파일링, 고객의 제품 포기의 신호가 될 수 있는 낮은 사용량 등의 이벤트 예측 또는 고객 사용 수준(예: 과중 사용자, 주말 사용자)이나 디바이스 상태를 기준으로 한 디바이스 세분화와 관련된 IoT 사용 사례를 시작하는 데 도움이 됩니다.

통계 분류는 로지스틱 회귀라고 하는 방법을 통해 수행할 수 있습니다. 시간이 지나면서 변화하는 프로세스의 출력 또는 상태를 예측하기 위한 강력한 신경망 기법인 LSTM(Long-Short-Term Memory)도 사용할 수 있습니다 사전 빌드된 노트북 템플릿은 또한 디바이스 세그먼트화에 대해 K-평균 클러스터링 알고리즘을 지원합니다. 이는 디바이스를 유사한 디바이스 집단으로 클러스터링합니다. 이러한 템플릿은 일반적으로 초콜릿 공장의 HVAC 장치 또는 풍력 터빈 블레이드의 마모 같은 디바이스 상태를 프로파일링하는 데 사용됩니다.

사용자 지정 컨테이너 사용 - AWS IoT Analytics는 AWS IoT Analytics 또는 Matlab이나 Octave와 같은 타사 제품에 빌드된 사용자 지정 작성 코드 컨테이너를 가져와 경쟁에서 돋보이는 데 집중하는 시간을 제공합니다. 타사 도구에서 생성된 기존 분석을 재생성할 필요가 없습니다. 단순히 AWS IoT Analytics에 있는 분석 컨테이너를 가져와 필요한 대로 실행하면 됩니다.

Jupyter 노트북을 사용하는 경우 버튼 클릭 몇 번만으로 Jupyter 노트북 코드의 실행 가능한 컨테이너 이미지를 생성하고 AWS IoT Analytics 콘솔에서 컨테이너 분석을 시각화합니다.

컨테이너 실행 자동화 - AWS IoT Analytics를 사용하여 사용자 지정 작성 분석 코드 또는 Jupyter 노트북을 호스팅하는 컨테이너 실행을 자동화하여 지속적인 분석을 수행할 수 있습니다. 비즈니스 요구 사항에 맞는 반복 일정으로 사용자 지정 분석 실행을 예약할 수 있습니다.

사용자 지정 시간대를 통한 증분 데이터 캡처 - AWS IoT Analytics를 통해 사용자는 지난 분석 이후 캡처된 새 증분 데이터에 대한 분석을 수행할 수 있습니다. 새 데이터를 정밀하게 스캔하여 분석 효율성을 개선하고 비용을 줄일 수 있습니다. 마지막 분석을 언제 실행했는지에 관계없이 사용자 지정 시간대로 마지막 분석 이후 새 데이터를 캡처합니다.

시각화

QuickSight 통합 - AWS IoT Analytics는 Amazon QuickSight 커넥터를 제공하여 QuickSight 대시보드에서 데이터를 시각화할 수 있습니다. 또한 결과나 AWS IoT Analytics 콘솔 내에 내장된 Jupyter 노트북의 특별 분석을 시각화할 수 있습니다.

AWS IoT Analytics 요금에 대해 자세히 알아보기

요금 페이지로 이동하기
시작할 준비가 되셨습니까?
무료로 시작하기
추가 질문이 있으십니까?
AWS에 문의