Consuma dados de qualquer fonte, incluindo o AWS IoT Core – Consuma dados diretamente do AWS IoT Core para o AWS IoT Analytics. Ou use a API BatchPutMessage API para enviar dados do AWS IoT Analytics para o Amazon S3, o Amazon Kinesis ou qualquer outra fonte. A integração completa do AWS IoT Analytics com o AWS IoT Core e a API permite obter facilmente mensagens de dispositivos conectados assim que seu streaming é recebido.

Coletar somente os dados que você deseja armazenar e analisar – Você pode usar o console do AWS IoT Analytics para configurar o AWS IoT Analytics para receber mensagens de dispositivos por meio de filtros de tópico MQTT em vários formatos e frequências. O AWS IoT Analytics valida que os dados estão dentro dos parâmetros específicos definidos e cria canais. Em seguida, o serviço direciona os canais para os pipelines adequados para o processamento, transformação e enriquecimento de mensagens.

Limpar e filtrar – O AWS IoT Analytics permite definir funções do AWS Lambda que podem ser acionadas quando o AWS IoT Analytics detecta dados ausentes, para que você possa executar códigos para estimar e preencher lacunas. Você também pode definir filtros máximos/mínimos e limites percentuais para remover exceções de seus dados.

Execute consultas SQL ad hoc ou programadas – O AWS IoT Analytics fornece um mecanismo incorporado de consultas SQL para que você possa executar consultas ad hoc ou programadas e obter resultados rapidamente. Por exemplo, você pode querer executar uma consulta rápida para descobrir quantos usuários ativos mensais existem para cada dispositivo em sua frota.

Análise de séries temporais – O AWS IoT Analytics é compatível com análises de séries temporais para que você possa analisar o desempenho de dispositivos ao longo do tempo e entender como e onde eles estão sendo usados, monitorar continuamente os dados do dispositivo para fazer previsões de problemas de manutenção e monitorar sensores para prever e reagir às condições ambientais.

Blocos de anotações hospedados para análise sofisticada e Machine Learning – O AWS IoT Analytics inclui suporte para blocos de anotações Jupyter hospedados para análise estatística e machine learning. O serviço inclui um conjunto de modelos de caderno pré-criados que contêm modelos de Machine Learning e visualizações de autoria da AWS para ajudar você a começar com os casos de uso de IoT relacionados ao perfil de falha do dispositivo, eventos de previsão, como o baixo uso que pode indicar que o cliente abandonará o produto ou segmentação de dispositivos por níveis de uso do cliente (por exemplo, usuários frequentes, usuários de fim de semana) ou a saúde do dispositivo.

Você pode fazer classificação estatística através de um método chamado regressão logística. Você também pode usar memória Long-Short-Term (LSTM), que é uma poderosa técnica de rede neural para prever a saída ou o estado de um processo que varia ao longo do tempo. Os modelos de blocos de anotações pré-criados também são compatíveis com o algoritmo de clustering K-means para segmentação de dispositivo, que agrupa seus dispositivos em grupos de dispositivos semelhantes. Esses modelos normalmente são usados para avaliar a integridade e o estado do dispositivo, como unidades de HVAC em uma fábrica de chocolate ou desgaste de lâminas em uma turbina eólica.

Traga seu contêiner personalizado – O AWS IoT Analytics importará seus contêineres de códigos personalizados criados no AWS IoT Analytics ou em um terceiro, como Matlab, Octave etc., fornecendo a você mais tempo para se concentrar no que o diferencia de seus concorrentes. Não há necessidade de recriar suas análises existentes geradas em ferramentas de terceiros. Basta importar seu contêiner de análises no AWS IoT Analytics e executá-lo conforme necessário.

Se estiver usando os blocos de anotações Jupyter, basta criar uma imagem de contêiner executável do seu código de blocos de anotações Jupyter com apenas um clique e visualizar sua análise de contêiner no console do AWS IoT Analytics.

Automatize a execução de contêineres – O AWS IoT Analytics permite automatizar a execução de contêineres que hospedam códigos analíticos criados personalizados ou blocos de anotações Jupyter para realizar análises contínuas. Você pode programar a execução de sua análise personalizada na programação recorrente que melhor atende às necessidades da sua empresa.

Captura incremental de dados com intervalos de tempo personalizáveis – O AWS IoT Analytics permite que os usuários realizem análises em novos dados incrementais capturados desde a última análise. Você pode melhorar a eficiência da análise e reduzir os custos digitalizando com precisão apenas os novos dados. Independentemente de quando você executou sua última análise, os intervalos de tempo personalizáveis vão capturar os novos dados para você desde sua última análise.

Integração do QuickSight – O AWS IoT Analytics fornece um conector para o Amazon QuickSight para que você possa visualizar seus conjuntos de dados em um painel do QuickSight. Você também pode visualizar os resultados ou sua análise ad-hoc nos blocos de anotações Jupyter incorporados no console do AWS IoT Analytics.