Autorius „Techopedia“ darbuotojai, 2016 m. Rugsėjo 22 d
„Takeaway“: Priimančioji Rebecca Jozwiak aptaria krašto analizę su dr. Robinu Blooru, Dezu Blanchfieldu ir „Dell Statistica“ atstovu Shawnu Rogersu.
Šiuo metu nesate prisijungęs. Jei norite pamatyti vaizdo įrašą, prisijunkite arba prisiregistruokite.
Rebecca Jozwiak: Ponios ir ponai, sveiki ir sveiki atvykę į 2016 m. „Hot Technologies“. Šiandien turime „Edge Analytics: pagaliau interneto ekonomika“. Mano vardas Rebecca Jozwiak. Aš būsiu jūsų šios dienos internetinės transliacijos moderatorius. Mes norime prisijungti prie „Twitter“ pokalbio su tviteriu su # HOTTECH16.
Taigi internetas, neabejotinai karšta šių metų tema ir daiktų internetas, iš tikrųjų yra susijęs su mašinos, jutiklių, žurnalo ir įrenginio duomenimis. Nei vienas iš jų nėra naujas, mes tokio tipo duomenis turėjome amžinai, tačiau iš tikrųjų mes negalėjome jų naudoti ir dabar matome tik daugybę naujų būdų, kaip naudoti tuos duomenis. Ypač medicinos pramonėje, finansų rinkose, kuriose yra naftos ir dujų, prekių, tai tik daugybė informacijos, kuri anksčiau nebuvo naudojama. Ir ne visi žmonės tikrai gerai suprato, kaip tai padaryti. Mes kalbame apie daugybę mažai duomenų, tačiau tai yra labai daug duomenų, ir, žinote, yra tinklo problemų, yra aparatūros arba ją reikia apdoroti. Kaip tai padaryti neužkimšant sistemos? Na, ką mes šiandien sužinosime.
Čia yra mūsų ekspertų grupė. Turime daktarą Robiną Bloorą, vyriausiąjį „The Bloor Group“ analitiką. Taip pat turime Dezą Blanchfieldą, mūsų „The Bloor Group“ duomenų mokslininką. Ir mes džiaugiamės, kad turime „Dell Statistica“ pasaulinės rinkodaros ir kanalų direktorių Shawną Rogersą. Ir kartu su tuo aš perleisiu kamuolį Robinui.
Dr Robin Bloor: Gerai, gerai, ačiū už tai. Aš paspauskite mygtuką ir išmesiu skaidrę. Net neįsivaizduoju, kodėl sukūriau šį apokaliptinį vaizdą daiktų internetui. Galbūt todėl, kad aš manau, kad tai baigsis chaotiškai. Judėsiu tiesiai. Tai lygi bet kokio dalyko dalyko dalyko dalyko pristatymo kursui. Jūs turite vienaip ar kitaip pasakyti ką nors piktinančio apie tai, kur viskas vyksta. Ir iš tikrųjų greičiausiai tai yra tiesa. Jei iš tikrųjų žiūrėsite į tai, kaip šios kreivės pamažu plečiasi. Žinote, asmeninių kompiuterių, išmaniųjų telefonų ir planšetinių kompiuterių greičiausiai ir toliau daugės. Išmaniųjų televizorių greičiausiai padaugės. Dėvimi, jie tikriausiai sprogsta dabar, palyginti su tuo, kas buvo prieš keletą metų. Prijungti automobiliai, neišvengiama, kad beveik visi automobiliai bus sujungti labai plačiai ir visą laiką kruopščiai perduodami duomenis. Ir visa kita. Ir būtent šis „BI Intelligence“ grafikas rodo, kad visa kita labai, labai greitai nusvers akivaizdžius dalykus.
Taigi ką pasakyti apie internetą? Pirmas dalykas yra tik architektūrinis punktas. Jūs žinote, kai turėsite duomenų ir vienaip ar kitaip apdorosite, turėsite abu sudėti. Dabar, kai turima daug duomenų ir jie renkami įvairiose vietose, jie jau nebėra natūraliai kartu. Manau, kad jie buvo senų kompiuterių dienomis. Taigi galite galvoti apie tai, ar yra apdorojimo, transportavimo ir duomenų sluoksniai. Vienaip ar kitaip, transporto sluoksnis šiais laikais ketina perkelti duomenų tvarkymą arba perkelti duomenis aplink tinklus. Taigi, čia yra pasirinkimai: Galite perkelti duomenis į tvarkymą, galite perkelti tvarkymą į duomenis, galite perkelti apdorojimą ir duomenis į patogų vykdymo tašką arba galite suformuoti duomenų tvarkymo funkciją ir suardyti duomenis. Kalbant apie daiktų internetą, duomenys jau yra suskaidyti gimstant ir tikėtina, kad bus padidinta didžiulė duomenų tvarkymo dalis, kad būtų galima vykdyti programas, kurias reikia paleisti.
Taigi aš nutapiau paveikslą. Įdomus dalykas apie internetą, šioje diagramoje kalbu apie agregavimo sritį ir atkreipiu dėmesį, kad yra subdomenai. Taigi galite įsivaizduoti, kad IoT 1 domenas čia yra kažkokio tipo automobilis, o 2 domenas ir 3 domenas ir 4 domenas yra kažkokio tipo automobiliai, o duomenis kaupsite vietoje, vykdysite vietines programas pagal tuos duomenis ir imsitės įvairių veiksmų. Bet, jei norite analizuoti visus automobilius, turėsite perduoti duomenis į centrą, nebūtinai visus duomenis, bet turėsite kaupti centre. Ir jei jūs apie tai pagalvosite, tada galbūt norėsite turėti daug, daug skirtingų agregavimo domenų, esančių tame pačiame daiktų internetiniame darbe. Ir patys domenai gali būti toliau kaupiami. Taigi galėtum turėti šią pasikartojančią hierarchiją. Iš esmės tai, ką mes turime, yra nepaprastai sudėtingas tinklas. Gerokai sudėtingesnis dalykas nei viskas, ką anksčiau turėjome.
Čia turiu užrašą apačioje. Visi tinklo mazgai, įskaitant lapų mazgus, gali būti duomenų kūrėjai, duomenų saugyklos ir apdorojimo taškai. Ir tai suteikia jums platinimo galimybę, tokio, kokio mes dar nematėme. Dezas apie tai kalbės šiek tiek plačiau, todėl pereisiu prie šio klausimo. Kai mes esame daiktų internete ir visi duomenys iš tikrųjų tampa įvykiais, šios skaidrės esmė yra tik parodyti, kad turėsime standartizuoti įvykius. Mes bent jau turėsime tai turėti. Turėsime įvykio įvykio laiką, jo geografinę vietą, jį sukūrusio proceso virtualią ar loginę vietą, jį sukūrusį šaltinio įrenginį, įrenginio ID, kad tiksliai žinotumėte, kuris šaltinio įrenginys jį sukūrė, nuosavybės teises duomenų ir dalyvių, tų žmonių, kurie turi teisę vienokiu ar kitokiu būdu naudoti duomenis, tai jis turės nešiotis savo leidimus, o tai reiškia, kad tai turės būti saugumas, tada bus patys duomenys. Pažvelgę į tai suprantate, kad net ir turėdami jutiklį, kuris nieko neveikia, tik praneša maždaug kas sekundę apie kažkokią temperatūrą, iš tikrųjų yra gana daug duomenų, kad būtų galima tiksliai nustatyti, kur yra duomenys atsirado ir kas tai yra iš tikrųjų. Beje, tai nėra baigtinis sąrašas.
Taigi, kalbant apie būsimą IT kraštovaizdį, manau, kad jis yra toks: kad tai ne tik daiktų internetas, bet ir tai, kad mes dalyvausime įvykių skatinamos veiklos pasaulyje, todėl mes turės būti įvykiams pritaikytos architektūros, ir tos architektūros turės apimti didelius tinklus. Kitas dalykas yra viskas realiu laiku, nebūtinai mums tai reikalinga realiuoju laiku, bet yra kažkas, ką aš vadinu verslo laiku, tai laikas, per kurį duomenys turi būti tvarkomi ir paruošiami. perdirbti. Tai gali būti ne, per milisekundę, kai ji bus sukurta. Bet visada yra toks laikas kiekvienam duomenų vienetui ir, kai tik turite įvykių pagrįstą architektūrą, tampa protingiau galvoti apie realiojo laiko požiūrį į pasaulio veikimą.
Taigi verdame, nes tai, apie ką mes iš tikrųjų kalbame, yra interneto analitika. Nepaisant to, vis dar reikia laiko įžvalgai ir ne tik laikas įžvalgai, o įžvalgai reikia sekti veiksmus. Taigi, laikas įžvalgai ir laikas veiksmams yra tai, į ką aš norėčiau atkreipti dėmesį. Tai pasakęs, aš perduosiu kamuolį Dezui.
Dez Blanchfield: Ačiū, Robinai . Įžvalgus kaip visada. Man patinka tai, kad sunku laikytis kiekvieno atvejo, bet aš padarysiu viską.
Vienas iš dalykų, kuriuos matau ir dažnai tuo mėgaujuosi, būdamas sąžiningas, o ne žvilgsnio ir negatyvo pavidalu, tačiau pasaulį apėmęs daiktų internetas kelia daug rūpesčių ir panikos. ir išplatinkite mus, ir jūs prarasite savo duomenis, todėl noriu šiek tiek atsigręžti į kai kuriuos dalykus, kuriuos anksčiau padarėme per pastaruosius du ar tris dešimtmečius ir kurie buvo artimi interneto faksimiliai. daiktų, bet galbūt ne visai tokiu pačiu mastu. Ir tik norėdami parodyti sau, kad mes iš tikrųjų čia buvome, ir išsprendėme kai kurias problemas ne tokiu mastu ir ne tokiu greičiu. Nes tai reiškia, kad iš tikrųjų galime išspręsti problemą ir kad žinome, kokie yra kai kurie atsakymai; mes ką tik turime nugrimzti į medžiotoją ir pakartotinai pritaikyti kai kuriuos anksčiau turimus mokymus. Ir aš žinau, kad tai yra visas pokalbis, kurį mes ketiname užmegzti, ir aš turiu daugybę linksmų dalykų, kad galėčiau tiesiog pabendrauti Q & A skyriuje.
Bet kai mes galvojame apie ratą turinčių daiktų internetą, šiuo metu egzistuoja labai didelis centralizavimas projektavimo lygmenyje, kuris buvo parašytas nuo pat pirmųjų dienų. Pvz., „Fitbit“ įrenginiai linkę eiti į vieną centrinę vietą ir greičiausiai bus laikomi kažkur debesies platformoje, o visi tų įrenginių duomenys atsidurs tame pačiame, sakykim, kamino priekyje, įskaitant internetą ir programų ir duomenų pagrindu teikiamos paslaugos. Tačiau laikui bėgant reikės tokio masto inžinerijos, kad būtų galima susidoroti su jomis gaunamų duomenų kiekiu, ir jie bus perprojektuoti taip, kad krūvos keliose vietose ir regionuose yra keli priekiniai galai ir kelios kopijos. Mes tai matome ir yra keletas pavyzdžių, kuriuos pateiksiu jums ir kuriuos galime aptarti.
Esminis dalykas yra tai, kad, nors mes matėme kai kuriuos iš šių sprendimų, kuriuos ketinu aprėpti, duomenų mastui ir apimčiai bei tinklo srautui, kurį sukurs daiktų internetas, skubiai reikia pereiti nuo centrinio mano nuomone, pasiskirsčiusioms architektūroms, ir mes tai žinome, tačiau nebūtinai suvokėme, koks yra sprendimas. Kai galvojame apie daiktų interneto koncepciją, tai yra didelio masto tinklo modelis. Dabar daug ir daug dalykų kelia triukšmą. Dalykai, kurie dar visai neseniai nekėlė triukšmo. Ir iš tikrųjų aš manau, kad tai buvo vakar, aš juokaudamas kalbėjau apie kaminą, bet nuėjau nusipirkti naujo skrudintuvo ir jis turėjo variantą, kuris man galėtų pasakyti įvairius dalykus, įskaitant ir tada, kai jį reikėjo valyti. Naujas mikrobangų krosnelė, turinti labai panašią funkciją ir netgi galinti ištiesti programėlę mano telefone, kad pasakytų, kad dalykas, kurį aš vėl kaitinau, buvo padarytas. Aš labai laikausi nuomonės, kad jei yra keletas dalykų, kurių nenorėčiau su manimi kalbinti, tai yra mano šaldytuvas, mikrobangų krosnelė ir skrudintuvai. Man labai patogu, kad jie yra kvaili įrenginiai. Tačiau neseniai gavau naują automobilį, mažą „Audi“, ir jis su manimi kalba, ir aš tuo esu visiškai patenkintas, nes dalykai, apie kuriuos kalbama, yra įdomūs. Kaip žemėlapių atnaujinimas realiuoju laiku, kad man būtų pranešta, kur yra geresnis maršrutas, kuriuo galima patekti iš taško A į tašką B, nes jis aptinkamas srautu per įvairius mechanizmus ir gaunami duomenys.
Aš turiu šią skaidrę. Mes jau matėme, kad didelės apimties tinklo modeliams reikia pereiti nuo centrinio prie paskirstyto duomenų apdorojimo ir analizės modelių fiksavimo ir pateikimo. Mes matėme, kaip viskas juda iš trijų mažų diagramų ten, dešinėje, kur mes turime, tas, kuris yra kairėje pusėje iš trijų, yra centralizuotas modelis su visais mažais prietaisais, esančiais centrinėje vietoje ir renka duomenis, o mastas nėra toks didelis, jie ten puikiai susidoroja. Viduryje turime šiek tiek decentralizuotą modelį, centrą ir kalbėjome, o tai, manau, mums reikės su naujos kartos daiktų internetu. Ir tada, dešinėje pusėje, mes turime šį visiškai paskirstytą ir tinklinį tinklą, kuriame ateityje ateis daiktų internetas ir kompiuteris-mašina, tačiau mes ne visai ten dėl daugybės priežasčių. Daugiausia todėl, kad iki šiol didžiąją dalį ryšių naudojame interneto platformas ir iš tikrųjų dar nesukūrėme antrojo tinklo, kad būtų galima perduoti daug šių duomenų.
Jau yra antrieji tinklai, tokie kaip „Batelco“ tinklas. Daugelis žmonių negalvoja apie tai, kad telekomunikacijų tinklai nėra internetas. Internetas daugeliu aspektų yra labai atskiras dalykas. Jie nukreipia duomenis iš išmaniųjų telefonų per telefonų tinklus, o tada per telefonų tinklus ir į internetą apskritai, kur jie iš tikrųjų kloja juos dviejuose tinkluose. Bet visiškai įmanoma ir tikėtina, kad daiktų internetui reikės kito tinklo. Mes paprastai kalbame apie pramoninį internetą kaip apie temą, kurios dabar detaliau nenagrinėsime, tačiau iš esmės mes kalbame apie kitą tinklą, kuris yra specialiai sukurtas duomenų ar daiktų interneto pernešimo tipams ir mašinoms nuo mašinos. bendravimas.
Bet keletas pavyzdžių, kuriais norėjau pasidalinti, kur matėme didelės apimties tinklus ir labai gerai veikia paskirstyti duomenys, yra tokie dalykai kaip internetas. Internetas buvo sukurtas ir sukurtas specialiai nuo pat pirmosios dienos, kad galėtų išgyventi branduolinį karą. Jei kai kurios JAV dalys bus susprogdintos, internetas buvo sukurtas taip, kad duomenys galėtų judėti internete neprarandant paketų dėl priežasčių, dėl kurių mes vis dar esame prisijungę. Ir tai vis dar egzistuoja šiandien pasauliniu mastu. Internetas turi daugybę galimybių, susijusių su duomenų perkėlimu ir maršrutų paketais. Ir iš tikrųjų internetą kontroliuoja daiktas, vadinamas BGP, „Border Gateway Protocol“ ir „Border Gateway Protocol“, BGP, specialiai sukurtas susidoroti su maršrutizatoriumi ar jungikliu, arba serveriu, kuris neveikia. Kai siunčiate ar gaunate el. Laišką, jei siunčiate tris el. Laiškus iš eilės, negarantuojama, kad visi šie el. Laiškai eis tuo pačiu maršrutu į tą pačią galutinę paskirties vietą. Dėl įvairių priežasčių jie gali judėti įvairiose interneto vietose. Gali įvykti neveikimas, gali būti priežiūros langai, kuriuose reikalinga atnaujinti reikalus neprisijungus, tinkle gali būti tiesiog spūsčių ir matome, kad tokie dalykai kaip eismo tinklai su automobiliais ir viešuoju transportu bei laivai ir lėktuvai. Savo turinį į savo įrenginius, tokius kaip nešiojamuosius kompiuterius, planšetinius kompiuterius ir kompiuterius, gauname per naršykles ir tt kiekvieną dieną per turinio pristatymo tinklus. Turinio pateikimo tinklai yra skirti iš jūsų pagrindinės aptarnavimo platformos, tokios kaip žiniatinklio serveris, paimti turinio kopijas, o šios kopijos ir talpyklos talpyklos perkelti į tinklo kraštą ir tik pristatyti jums iš artimiausios krašto dalies.
Kova su šlamštu ir kibernetinis saugumas - jei Kanadoje įvyksta šlamšto atvejis, o „Microsoft“ jį aptinka ir mato, kad daugybė to paties el. Laiško egzempliorių yra siunčiama atsitiktinių žmonių grupei, imamos kontrolinės sumos, parašytas tos žinutės parašas. sukūrė ir įdėjo į tinklą bei iš karto išplatino. Kad el. Laiškas niekada nepatektų į mano gautuosius arba, jei tai įvyktų, jis iškart būtų pažymėtas kaip šlamštas, nes jis buvo aptiktas kur nors kitoje tinklo pakraštyje. Taigi apie kitas šlamšto pranešimo parašą pranešama kitoms tinklo briaunų dalims ir jis įtraukiamas į duomenų bazės rodyklę. Jei tie pranešimai pradeda būti rodomi kitoje planetos pusėje, mes juos aptinkame ir žinome, kad jie yra šlamštas. Tas pats pasakytina ir apie kibernetinį saugumą. Aptikta ir užregistruota vienoje planetos pusėje esantis įsilaužimas, užregistruotas ir pažymėtas žemėlapyje. Staiga kitoje tinklo dalyje mes galime su tuo kovoti ir pateikti taisykles bei politiką ir pakeisti, kad pamatytume, ar galime ją užblokuoti. Ypač dėl naujų dalykų, tokių kaip paslaugų atsisakymas ar paskirstytas paslaugų atsisakymas, kai centrinei svetainei užpulti naudojami tūkstančiai mašinų, įtakos.
„Bitcoin“ ir „blockchain“ pagal nutylėjimą yra savo pobūdžiu paskirstyta knyga, „blockchain“ ir susiduria su bet kokiais tinklo pertrūkiais ar trūkumais. Sukčiavimo aptikimas ir prevencija, elektros energijos ir vandens tiekimas - matome, jūs žinote elektros tinklą, jei viena tinklo dalis ant jo užima medžių žemę ir išima stulpą bei laidą, mano namas vis tiek gauna energiją. Aš net apie tai nežinau, dažnai net nematau naujienų. Mes visi esame įpratę prie transporto tinklų, kur iš pradžių buvo centralizuotas modelis „Visi keliai vedė į Romą“, kaip sakoma, ir galiausiai mes turėjome pereiti prie decentralizuoto modelio su mazgais ir stipinais, o tada mes nuėjome į tinklinį tinklą, iš kurio būtų galima patekti iš vienos miesto pusės į kitą įvairiais tinkliniais maršrutais ir skirtingomis sankryžomis. Taigi tai, ką mes matome, yra tas, kad šis centralizuotas to, ką dabar darome su daiktų internetu, modelis turės išstumti į tinklo kraštą. Tai labiau nei bet kada taikoma analitikai, būtent tai, kad turime išstumti analizę į tinklą. Ir tam, mano manymu, reikalingas visiškai naujas požiūris į tai, kaip mes prieiname ir tvarkome tuos duomenis ir duomenų srautus. Dabar kalbame apie scenarijų, kuriame, manau, matome ribotą intelektą, išstumtą į tinklo kraštą prie interneto prijungtuose įrenginiuose, tačiau netrukus pamatysime, kad tie įrenginiai padidins intelektą ir padidins norimą analizės lygį. daryti. Dėl to mums reikės išstumti tuos kvapus toliau ir toliau per tinklą.
Pavyzdžiui, išmaniosios programos ir socialinė žiniasklaida - jei pagalvosime apie socialinę mediją ir kai kurias išmaniąsias programas, jos vis dar yra labai svarbios. Žinote, yra tik du ar trys duomenų centrai, skirti mėgstamiausiems „Facebook“. „Google“ tapo žymiai labiau decentralizuota, tačiau vis dar yra ribotas duomenų centrų skaičius visame pasaulyje. Tuomet, kai galvojame apie turinio personalizavimą, jūs turite galvoti apie tai vietos lygmeniu. Daug to daroma jūsų naršyklėje ar vietinio turinio pristatymo tinklo sluoksnyje. Mes galvojame apie sveikatos ir kūno rengybos stebėtojus - daugelis iš jų surenkamų duomenų analizuojami vietoje, todėl naujos „Garmin“ ir „Fitbit“ įrenginių versijos, kurias uždėjote ant riešo, tampa protingesnės ir protingesnės įrenginyje. . Dabar jie nesiunčia visų duomenų apie jūsų širdies ritmą atgal į centralizuotą serverį, kad pabandytų atlikti analizę; jie kaupia tą intelektą tiesiai į įrenginį. Automobilyje naudojama navigacija anksčiau būdavo, kad automobilis nuolatos gautų atnaujinimus ir žemėlapius iš centrinės vietos, dabar automobilyje yra gardėsių ir automobilis pats priima sprendimus, o galiausiai automobiliai pasislenka. Automobiliai kalbėsis tarpusavyje per tam tikros formos belaidžius tinklus, kurie gali būti naujos kartos 3G arba 4G belaidžiu tinklu, tačiau galiausiai tai bus įrenginys. Vienintelis būdas susitvarkyti su tuo, kad padarysime prietaisus protingesnius.
Jau turime įspėjimo apie ekstremalias situacijas sistemas, kurios surinks informaciją vietoje ir nusiųs tą informaciją centralizuotai arba į tinklą ir priims sprendimus dėl to, kas vyksta vietoje. Pavyzdžiui, Japonijoje yra programų, kurias žmonės naudoja savo išmaniuosiuose telefonuose su išmaniajame telefone esančiais pagreičio matuokliais. Išmaniojo telefono pagreičio matuokliai nustatys virpesius ir judesį ir gali nustatyti skirtumą tarp paprasto kasdienio judėjimo ir žemės drebėjimo drebėjimų bei sukrėtimų. Ir tas telefonas pradės jus įspėti iškart, vietoje. Tikroji programa žino, kad ji nustato žemės drebėjimus. Bet ji taip pat dalijasi šiais duomenimis per tinklą paskirstyto mazgo ir šnekamojo modelio tinkle, kad šalia esantys žmonės būtų įspėti iškart arba kuo greičiau, kai duomenys teka tinklu. Tada, gavęs į centrinę vietą arba išplatintą centrinės vietos kopiją, jis išstumia žmones, kurie nėra artimiausioje vietoje, nenustatė planetos judėjimo, tačiau reikia apie tai įspėti, nes gal artėja cunamis.
Išmanioji miesto infrastruktūra - intelektualiosios infrastruktūros koncepcija, mes jau statome intelektą į protingus pastatus ir išmaniąją infrastruktūrą. Tiesą sakant, vakar aš savo automobilį pastačiau mieste naujoje vietoje, kur dalis miesto buvo atnaujinta ir atstatyta. Jie iš naujo padarė visas gatves, o gatvėse yra jutikliai, o tikrasis stovėjimo matuoklis žino, kad kai aš įvažiuoju su automobiliu, jis žino, kad eidamas atnaujinti dviejų valandų ribą, kuri automobilis nejudėjo, ir tai iš tikrųjų neleistų man papildyti ir likti dar dvi valandas. Turėjau įsėsti į mašiną, išsitraukti iš vietos ir tada atsitraukti, kad ją apgaudinėčiau, kad galėčiau ten būti dar dvi valandas. Tačiau įdomu tai, kad galų gale mes einame į vietą, kurioje ne tik aptinkame į zoną įvažiuojantį automobilį kaip lokalų jutiklį, bet ir tokius dalykus kaip optinės charakteristikos, kai atpažinimas bus pritaikytas kameromis, žiūrinčiomis į mano valstybinį numerį, ir jis žinos kad aš iš tikrųjų ką tik išsitraukiau, patraukiau atgal ir apgavau, o tai tiesiog neleis man atsinaujinti ir aš judėsiu toliau. Tada jis išplatins tuos duomenis ir įsitikins, kad aš to negaliu padaryti niekur kitur, taip pat nuolat apgaudinėsiu tinklą. Todėl, kad jis iš prigimties turi būti protingesnis, kitaip mes visi ir toliau kvailysime.
Yra pavyzdys, kad aš iš tikrųjų asmeniškai gyvenau ten, kur buvo naudojama ugniasienių technologija, 80-ųjų pabaigoje ir 90-ųjų pradžioje, produktas, pavadintas „Check Point FireWall-1“. Labai paprasta ugniasienės technologija, kurią panaudojome kurdami taisykles ir kurdami strategijas bei taisykles, susijusius su tam tikrais dalykais, sakydami, kad srauto tipai per tam tikrus prievadus ir IP adresai bei tinklai norint patekti į ir iš vienos vietos, interneto srautas iš vienos vietos į kitą, pereinant iš naršyklės ir kliento pabaigos į mūsų serverio pabaigą. Mes išsprendėme šią problemą iš tikrųjų paimdami logiką iš pačių ugniasienių ir perkeldami ją į ASIC - konkrečios programos integruotą grandinę. Tai kontroliavo prievadus Ethernet komutatoriuose. Mes nustatėme, kad serverių kompiuteriai, kompiuteriai, kuriuos faktiškai naudojome kaip serverius, kad galėtų priimti sprendimus kaip ugniasienės, nebuvo pakankamai galingi, kad būtų galima valdyti per juos einantį srautą kiekvieną kartą, kai tikrinami paketai. Problemą išsprendėme perkeldami logiką, reikalingą atlikti paketų tikrinimą ir interneto aptikimą, į tinklo komutatorius, kurie buvo paskirstyti ir geba tvarkyti duomenų, einančių per tinklo lygį, apimtį. Nesijaudinome to centralizuotai su ugniasienėmis, mes perkėlėme jį į jungiklius.
Taigi gamintojai sukūrė mums galimybes nukreipti kelius, taisykles ir strategijas į „Ethernet“ jungiklį, kad dabartiniu Ethernet prievado lygiu ir galbūt daugeliui baseino žmonių tai nežinoma, nes mes esame visi gyvena belaidžio pasaulio dabar, bet kažkada viskas turėjo būti prijungtas per Ethernet. Dabar „Ethernet“ prievado lygiu mes tikrinome paketus, norėdami sužinoti, ar paketams net buvo leista judėti į jungiklį ir į tinklą. Kai ką iš to mes išsprendžiame dabar, kai reikia iššūkį - užfiksuoti duomenis tinkle, ypač iš IRT įrenginių, juos apžiūrėti ir analizuoti bei tikriausiai analizuoti realiu laiku, kad būtų galima priimti sprendimus. Dalis to - tai informacija apie verslo žvalgybą ir informacija apie tai, kaip žmonės priima geresnius sprendimus, ir kita analizė bei našumas, susijęs su mašinomis-mašinomis, kai įrenginiai kalbasi su įrenginiais ir priima sprendimus.
Tai bus tendencija, kurią turime ieškoti artimiausioje ateityje, nes jei to nepadarysime, mes tiesiog susidursime su šiuo triukšmo pliūpsniu. Ir mes matėme didžiųjų duomenų pasaulyje, matėme, kad tokie duomenų ežerai virsta duomenų pelkėmis, kurias tiesiog užklumpa triukšmas, kurios mes nesugalvojome, kaip išspręsti duomenų tvarkymo analizę centralizuotai. mada. Jei šios problemos neišspręsime, mano manymu, nedelsdami pasitelkdami internetą ir gavę platformos sprendimą labai greitai, atsidursime labai, labai blogoje vietoje.
Turėdamas tai omenyje, norėčiau baigti savo mintį, kuri, manau, yra vienas iš didžiausių pokyčių, vykstančių didžiųjų duomenų ir analizės erdvėje, todėl, kad reikia nedelsiant reaguoti į interneto poveikį. dalykų, susijusių su didelės apimties ir realiojo laiko analize, nes mes turime perkelti analizę į tinklą, o paskui galiausiai į tinklo kraštą, kad tik susitvarkytume su didžiuliu jo tūriu, o tik - kad jį apdorotume. Ir tada, tikiuosi, mes įdėjome žvalgybos duomenis į tinklą ir tinklo kraštą į centrą ir kalbėjome modeliu, kad iš tikrųjų galime jį valdyti ir įgyti įžvalgų realiu laiku bei iš to gauti naudos. Su tuo aš pereisiu prie mūsų svečio ir pažiūrėsime, kur šis pokalbis mus veda.
Shawnas Rogersas: labai ačiū. Tai yra Shawnas Rogersas iš „Dell Statistica“, o berniukas, tik pradėdamas, aš visiškai sutinku su visomis pagrindinėmis čia paliestomis temomis. O Rebeka, jūs pradėjote nuo idėjos, suprantate, kad šie duomenys nėra naujiena, ir man labai svarbu, kiek laiko ir energijos praleidžiama aptariant duomenis, duomenis, daikto internetą. Ir tai tikrai yra svarbu, žinote, Robinas pasakė gerą mintį, net jei darote ką nors labai paprasto ir kartą per sekundę įsmeigiate į termostatą, žinote, jūs darote tai 24 valandas per parą ir iš tikrųjų turite., žinote, keletas įdomių duomenų iššūkių. Bet, jūs žinote, galų gale - ir aš manau, kad daugybė pramonės atstovų šitaip kalba apie duomenis - kad tai nėra viskas taip įdomu ir, Rebecca nuomone, tai vyko jau gana seniai, bet praeityje mes negalėjome tuo puikiai pasinaudoti. Ir aš manau, kad pažangi analitikos pramonė ir apskritai BI pramonė pradeda iš tikrųjų pasukti galvą į IoT. Ir Deze, jūsų paskutinis punktas, manau, kad tai yra tiesa ir yra vienas iš iššūkių keliančių didelių duomenų kraštovaizdžio taškų ar vienas iš jų. Manau, visi labai džiaugiamės, ką galime padaryti su tokio tipo duomenimis, tačiau tuo pat metu, jei negalime išsiaiškinti, kaip pritaikyti įžvalgą, imtis veiksmų ir, žinote, gauti analizę ten, kur yra duomenys, manau mes susidursime su iššūkiais, kurių žmonės nemato, kad pasirodys savo kelią.
Atsižvelgiant į tai, pažengusioje analizės erdvėje esame dideli gerbėjai to, kas, mūsų manymu, gali nutikti su interneto duomenimis, ypač jei mes taikome analizę. Šioje skaidrėje yra daug informacijos ir aš leisiu visiems tiesiog medžioti ir tykoti, tačiau jei pažvelgsite į įvairius sektorius, pavyzdžiui, mažmeninę prekybą dešiniajame dešiniajame, pamatysi jų galimybę atsirasti aplink, kad galėtum būti novatoriškesnis ar turėti keletą labai svarbu sutaupyti lėšų arba optimizuoti procesą ar patobulinti procesą, ir jie tam naudoja daug atvejų. Jei pažiūrėsite, žinote, iš kairės į dešinę per skaidrę, pamatysite, kaip kiekviena iš šių atskirų pramonės šakų pretenduoja į naujas galimybes ir naujas diferenciacijos galimybes, kai taiko analizę IoT. Ir aš manau, kad esmė yra ta, kad jei jūs ketinate eiti šiuo keliu, turite ne tik jaudintis dėl duomenų, kuriuos jau aptarėme, ir architektūros, bet ir jūs turite pasidomėti, kaip geriausia pritaikykite analizę ten, kur reikia atlikti analizę.
Daugeliui mūsų šiandienos skambučio, žinote, mes su Robinu ir labai seniai pažinojome vienas kitą ir praeityje buvome nesuskaičiuojami nesusikalbėjimai apie tradicines architektūras, apie centralizuotas duomenų bazes ar įmonių duomenų sandėlius ir panašiai, o kaip mes ' maždaug per pastarąjį dešimtmetį padarėme gana gerą darbą, kad ištaisytume tų infrastruktūrų apribojimus. Ir jie nėra tokie tvirti ar tokie stiprūs, kaip mes norėtume, kad jie būtų šiandien, kad palaikytų visus puikius analizės metodus, kuriuos taikome šiai informacijai, ir, žinoma, informacija taip pat pažeidžia architektūrą, žinote, duomenų greitis, duomenų kiekis ir panašiai neabejotinai išstumia kai kurių tradiciškesnių požiūrių ir strategijų apribojimus tokio tipo darbui. Taigi, manau, kad savotiškai reikia, kad įmonės imtųsi lankstesnio ir galbūt lankstesnio požiūrio į tai, ir, manau, norėčiau šiek tiek papasakoti apie daiktinę internetą.
Prieš darydamas šiek tiek laiko leisiu visiems skambučiams, suteiksiu šiek tiek informacijos apie tai, kas yra „Statistica“ ir ką mes darome. Kaip matote šios skaidrės pavadinime, „Statistica“ yra nuspėjama analizė, dideli duomenys ir vizija IoT platformai. Pats produktas yra šiek tiek vyresnis nei 30 metų ir mes konkuruojame su kitais rinkos lyderiais, kuriuos tikriausiai esate pažįstami pagal galimybes pritaikyti nuspėjamąją analizę, pažangiąją analizę duomenims. Pamatėme galimybę išplėsti savo galimybes ten, kur pateikėme savo analizę, ir po kurio laiko pradėjome dirbti su kai kuriomis technologijomis, kurios mus gana gerai pozicionavo ir pasinaudojo tuo, ką šiandien kalbėjo tiek Dezas, tiek Robinas, tai yra šis naujas požiūris ir kur įdėsite analizę ir kaip ją sujungsite su duomenimis. Be to, ateina ir kiti dalykai, kuriuos turite mokėti spręsti naudodamiesi platforma, ir, kaip jau minėjau, „Statistica“ ilgą laiką buvo rinkoje. Mums labai gerai sekasi derinti duomenis, ir, manau, jūs žinote, kad per daug per mažai kalbėjome apie prieigą prie duomenų, tačiau galime susisiekti per šiuos įvairius tinklus ir panaudoti reikiamus duomenis tinkamas laikas tampa vis įdomesnis ir svarbesnis galutiniams vartotojams.
Galiausiai, aš čia pakomentuosiu dar vieną kūrinį, nes Dez atkreipė dėmesį į pačius tinklus, turėdamas tam tikrą kontrolės ir saugumo lygį visoje jūsų aplinkoje esančiuose analitiniuose modeliuose ir tai, kaip jie prisiriša prie duomenų, tampa labai svarbūs. Kai įsitraukiau į šią pramonės šaką prieš kelerius metus (manau, kad šiuo metu jų yra beveik 20), kai mes kalbėjome apie pažangias analitikas, ji buvo labai kurta. Tik pora organizacijos žmonių turėjo ranką, dislokavo ir davė žmonėms reikiamą atsakymą arba pateikė įžvalgas. Tai tikrai keičiasi ir tai, ką mes matome, yra daugybė žmonių, kurie dirbo su vienu ar daugiau įvairesnių ir lankstesnių būdų pasiekti duomenis, pritaikydami duomenis saugumui ir valdymui, tada galėdami bendradarbiauti. Tai yra keletas svarbių dalykų, į kuriuos žvelgia „Dell Statistica“.
Bet aš noriu pasinerti į temą, kuri yra šiek tiek arčiau šiandienos pavadinimo, kuri yra, kaip turėtume atkreipti dėmesį į duomenis, gaunamus iš daiktų interneto, ir to, ko galbūt norėtumėte ieškoti, kai ieškote kitokių sprendimų. Pristatymas, kurį aš atsikėliau priešais jus dabar, yra tradicinis vaizdas, ir tiek Dezas, tiek Robinas palietė šią mintį, kalbėdami su jutikliu, nesvarbu, ar tai būtų automobilis, ar skrudintuvas, ar vėjo jėgainę ar ką jūs turite, tada tuos duomenis perkelsite iš duomenų šaltinio į savo tinklą atgal į centralizuotą konfigūraciją, kaip minėjo Dezas. Ir tai veikia gana gerai, ir daugelis kompanijų, kurios iš pradžių patenka į daiktų internetą, pradeda tai daryti naudodamos šį modelį.
Kitas dalykas, kuris atėjo, jei pažvelgsite į skaidrės apačią, yra ta mintis paimti kitus tradicinius duomenų šaltinius, papildyti savo interneto duomenis ir tokiu būdu apsispręsti, ar jūsų šerdis yra duomenų centras, ar jis gali būti debesyje, tai visiškai nesvarbu, jūs pasiimtumėte tokį produktą kaip „Statistica“ ir tada pritaikytumėte jam analizę, o tada pateiktumėte šias įžvalgas vartotojams dešinėje. Ir aš manau, kad šiuo metu tai yra stalo statymai. Tai kažkas, ką jūs turite sugebėti padaryti, ir jūs turite turėti pakankamai atvirą architektūrą, skirtą pažengusiai analitikos platformai, ir kalbėtis su visais šiais, savitais, įvairiais duomenų šaltiniais, visais šiais jutikliais ir visomis šiomis skirtingomis vietomis. jūs turite duomenų. Aš manau, kad tai turite padaryti, ir aš manau, kad jums bus tiesa, kad daugybė rinkos lyderių sugeba atlikti tokio tipo veiksmus. Čia, „Statistica“, mes apie tai kalbame kaip apie pagrindinę analizę. Eikite gauti duomenis, sugrąžinkite duomenis į pagrindinius duomenis, tvarkykite juos, jei reikia arba, jei tai yra naudinga, pridėkite daugiau duomenų, atlikite analizę ir pasidalykite ta informacija, kad galėtumėte atlikti veiksmus ar įžvalgą.
Ir todėl aš manau, kad tai tikrai funkcijų požiūriu, turbūt visi sutiktume, kad tai, be abejo, yra būtinybė ir visi tai turi padaryti. Kai pradedate pasidaryti įdomu, turite daug duomenų, iš įvairių duomenų šaltinių, tokių kaip interneto jutikliai, kaip minėjau, nesvarbu, ar tai automobilis, ar apsaugos kamera, ar gamybos procesas, pranašumas, kai galima atlikti analizę ten, kur duomenys iš tikrųjų yra kuriami. Manau, kai daugumai žmonių pranašumas yra tas, kad mes galime išsklaidyti kai kuriuos duomenų iššūkius, kurie iškyla, ir Dez ir Robin tikriausiai pakomentuos tai pabaigoje. šiandien, bet aš manau, kad jūs turite sugebėti stebėti duomenis ir imtis veiksmų dėl jų ribų, kad ne visada reikia perkelti visus tuos duomenis į savo tinklą. Robinas apie tai kalbėjo savo sukurtuose architektūros paveiksluose, kuriuose yra visi šie skirtingi šaltiniai, tačiau paprastai yra tam tikras apibendrinimo taškas. Apjungimo taškas, kurį mes dažnai matome, yra jutiklio lygyje, bet dar dažniau - vartų lygyje. Ir šie vartai egzistuoja kaip tarpininkas duomenų sraute iš duomenų šaltinių, prieš grįžtant prie pagrindinės informacijos.
Viena iš galimybių, kuria pasinaudojo „Dell Statistica“, yra mūsų galimybė eksportuoti modelį iš mūsų centralizuotos pažangios analizės platformos, kad galėtume paimti modelį ir tada įvykdyti tą modelį, esantį kitoje platformoje, pavyzdžiui, vartuose ar viduje. duomenų bazės ar ką jūs turite. Ir aš manau, kad lankstumas, kuris mums suteikia, yra tai, kas iš tikrųjų yra įdomiausias šiandienos pokalbio momentas, ar šiandien to turite savo infrastruktūroje? Ar sugebate perkelti analitiką ten, kur yra duomenys, palyginti su visuomet perkeldami duomenis ten, kur gyvena jūsų analizė? Tai yra dalykas, į kurį „Statistica“ orientuojasi gana ilgą laiką, ir atidžiau pažvelgę į skaidres pamatysite, kad ten yra ir kita mūsų seserinės įmonės „Dell Boomi“ technologija. „Dell Boomi“ duomenų integravimo ir programų integravimo platforma „debesyje“ ir mes iš tikrųjų naudojame „Dell Boomi“ kaip prekybos žmonėmis įrenginį, kad perkeltume savo modelius iš „Dell Statistica“ per „Boomi“ ir į kraštinius įrenginius. Ir mes manome, kad tai yra judrus požiūris, kurio imsis įmonės, tiek, kiek joms patinka versija, kurią jums parodiau prieš minutę, kuri yra tokia pagrindinė idėja perkelti duomenis iš jutiklių atgal į centre, tuo pačiu metu įmonės norės sugebėti tai padaryti taip, kaip aš čia apibūdinu. Privalumai tai darant yra kai kurie Robino ir Dezo teiginiai, ty ar galite priimti sprendimą ir imtis veiksmų savo verslo greičiu? Ar galite perkelti analizę iš vienos vietos į kitą ir sugebėti sutaupyti laiko, pinigų, energijos ir sudėtingumo nuolat perkeldami tų kraštinių duomenis į pagrindinius.
Dabar aš pirmasis sakau, kad kai kurie kraštiniai duomenys visada bus pakankamai dideli, jei būtų prasminga tuos duomenis saugoti ir saugoti bei grąžinti atgal į jūsų tinklą, tačiau kokia kraštutinė analizė leis jums ar tai yra galimybė priimti sprendimus tokiu greičiu, kokiu duomenys iš tikrųjų gaunami, tiesa? Tai, kad sugebėsite įžvalgą ir veiksmą pritaikyti tokiu greičiu, kuriame yra didžiausia įmanoma vertė. Ir aš manau, kad tai yra kažkas, ko mes visi ieškosime, kai reikia panaudoti pažangias analitikos ir daiktų interneto duomenis, tai yra galimybė judėti verslo greičiu arba tokiu greičiu, kokio reikalauja klientas. Manau, kad mūsų pozicija yra ta, kad manau, kad reikia mokėti abiem. Ir aš manau, kad gana greitai ir labai greitai, kai vis daugiau bendrovių peržiūri įvairesnius duomenų rinkinius, ypač susijusius su internetine interneto puse, jie pradės ieškoti pardavėjų vietos ir reikalauti, ką „Statistica“ sugeba. Tai yra diegti pagrindinį modelį, kaip mes darome tradiciškai daugelį metų, arba diegti jį platformose, kurios galbūt yra netradicinės, pavyzdžiui, IoT vartai, ir faktiškai sugebėti surinkti duomenis ir pritaikyti juos analitikai. kai duomenys gaunami. Ir aš manau, kad būtent čia atsiranda jaudinanti šio pokalbio dalis. Kadangi, pritaikydami analizę krašte tuo metu, kai duomenys išeina iš jutiklio, leidžia mums veikti taip greitai, kaip mums reikia, bet taip pat leidžia mums nuspręsti, ar šiuos duomenis reikia nedelsiant sugrąžinti į pagrindinius dalykus? Ar galime čia pateikti paketą ir nusiųsti atgal dalimis ir dalimis bei vėliau atlikti papildomą analizę? Ir tai mes matome daugybę mūsų pagrindinių klientų.
Tai, kaip tai daro „Dell Statistica“, mes galime panaudoti, todėl tarkime, kad, pavyzdžiui, statote neuroninį tinklą „Statistica“ viduje ir norite, kad nervų tinklas būtų kur nors kitur, jūsų duomenų peizaže. Mes galime išvesti tuos modelius ir visas kalbas, kurias pastebėjote ten dešiniajame kampe - „Java“, PPML, C ir SQL ir pan., Mes taip pat įtraukiame „Python“ ir mes taip pat galime eksportuoti savo scenarijus - ir kai jūs perkeliate tai iš mūsų platformos, kuri yra centralizuota, galite įdiegti tą modelį ar algoritmą visur, kur jums to reikia. Ir kaip jau minėjau anksčiau, mes naudojame „Dell Boomi“, kad įdėtume ir pastatytume ten, kur reikia, kad galėtume paleisti, tada galėtume sugrąžinti rezultatus arba galėtume padėti sugrąžinti duomenis arba surinkti duomenis ir imtis veiksmų naudodami mūsų taisyklių variklį . Visi šie dalykai tampa tarsi svarbūs, kai pradedame žiūrėti į tokio tipo duomenis ir dar kartą galvojame.
Tai reikia padaryti daugumai jūsų telefonų, nes tai taps labai brangu ir, apmokestinus jūsų tinklą, kaip minėjo Dezas, perkelti duomenis iš šių diagramų kairės į dešinę nuo šių schemų laikas. Tai neatrodo labai daug, bet mes matėme gaminančius klientus, kurių gamyklose yra dešimt tūkstančių jutiklių. Ir jei jūsų gamykloje yra dešimt tūkstančių jutiklių, net jei jūs darote tik šiuos antrosios rūšies bandymus ar signalus, jūs kalbate apie aštuoniasdešimt keturis tūkstančius duomenų eilučių iš kiekvieno iš šių jutiklių per dieną. Taigi duomenys neabejotinai kaupiasi ir Robinas tarsi tai paminėjo. Iš pradžių paminėjau keletą pramonės sričių, kuriose matome, kaip žmonės gauna įdomių dalykų, naudodami mūsų programinę įrangą ir daiktų interneto duomenis: pastatų automatizavimas, energija, komunalinės paslaugos yra tikrai svarbi erdvė. Matome, kad daug dirbama optimizuojant sistemą, net klientų aptarnavimas ir, žinoma, visos operacijos ir priežiūra, tiek energetikos objektuose, tiek pastatuose, skirtuose automatizavimui. Tai yra keletas naudojimo atvejų, kurie, mūsų manymu, yra gana galingi.
Mes jau anksčiau atlikome krašto analizę, manau, terminas buvo sugalvotas. Kaip jau minėjau, „Statistica“ turime gilias šaknis. Bendrovė buvo įkurta prieš beveik 30 metų, todėl sulaukėme klientų, kurie grįžta atgal gana ilgą laiką ir kurie tam tikrą laiką jau integruoja internetinius duomenis su savo analitika. „Alliant Energy“ yra vienas iš mūsų vartojimo atvejų arba orientacinių klientų. Ir galite įsivaizduoti, kokią problemą energetikos įmonė turi fizinėje gamykloje. Sumažinti fizinės gamyklos plytų sienas yra sudėtinga, todėl tokios energetikos kompanijos kaip „Alliant“ ieško būdų, kaip optimizuoti savo energijos išeigą, iš esmės patobulinti gamybos procesą ir optimizuoti jį iki aukščiausio lygio. Jie naudoja „Statistica“ valdyti krosnis savo augaluose. Mes visi, kurie grįžtame į savo ankstyvąsias dienas gamtos mokslų klasėje, visi žinome, kad krosnys kaitina, šiluma verčia garuoti, turbinos sukasi, gauname elektrą. Tokių kompanijų kaip „Alliant“ problema iš tikrųjų yra optimizavimas, kaip viskas įkaista ir dega tose didelėse ciklono krosnyse. Išvesties optimizavimas siekiant išvengti papildomų išlaidų, susijusių su tarša, anglies pakeitimas ir pan. Taigi jūs turite sugebėti stebėti vienos iš šių cikloninių krosnių vidų su visais šiais prietaisais, jutikliais, tada paimti visus tuos jutiklio duomenis ir nuolat keisti energijos procesą. Būtent tai „Statistica“ daro „Alliant“ nuo maždaug 2007 m., Prieš net terminas IoT buvo labai populiarus.
Rebecca teigia anksti, kad duomenys tikrai nėra nauji. Galimybė ją tinkamai apdoroti ir tinkamai naudoti yra tikrai ten, kur vyksta įdomūs dalykai. Šiandien prieš skambutį mes šiek tiek kalbėjome apie sveikatos priežiūrą ir matome įvairias žmonių galimybes pritaikyti tokius dalykus, kaip geresnė pacientų priežiūra, prevencinė priežiūra, tiekimo grandinės valdymas ir sveikatos priežiūros veiksmingumas. Tai vyksta gana dažnai ir yra daugybė skirtingų naudojimo atvejų. Tuo, kuo mes labai didžiuojamės „Statistica“, yra mūsų klientas Shire Biopharmaceuticals. O Shire gamina specialius vaistus nuo tikrai sunkiai gydomų ligų. Kai jie sukuria savo vaistų partiją savo klientams, tai yra nepaprastai brangus procesas ir tam labai brangus procesas taip pat užtrunka. Kai pagalvoji apie gamybos procesą, matai, kad iššūkiai suvienodina visus duomenis, yra pakankamai lankstūs, naudodamiesi skirtingais būdais, kad pateiktumėte duomenis į sistemą, patvirtintumėte informaciją ir tada galėtumėte nuspėti, kaip mes padėsime tam klientui. Ir procesai, kurie iš mūsų gamybos sistemų ištraukė didžiąją dalį informacijos, ir, žinoma, įtaisai ir jutikliai, kurie varo šias gamybos sistemas. Tai puikus atvejis, kai įmonės vengia nuostolių ir optimizuoja savo gamybos procesus, naudodamos jutiklių duomenų, daiktų interneto duomenų ir įprastų savo procesų duomenų derinį.
Taigi, žinote, geras pavyzdys, kai gamyba ir ypač aukštųjų technologijų gamyba yra naudinga sveikatos priežiūros pramonei atliekant tokio tipo darbą ir duomenis. Manau, kad turiu tik keletą kitų aspektų, kuriuos norėčiau pareikšti prieš apvyniodamas ir atiduodamas Dezui bei Robinui. Bet jūs žinote, aš manau, kad ši mintis, kad sugebėsite pateikti savo analitiką bet kurioje savo aplinkos vietoje, yra tai, kas daugumai kompanijų taps nepaprastai svarbi. Pririšimas prie tradicinio ETL formato duomenų iš šaltinių atgal į centrinę vietą visada turės vietą jūsų strategijoje, tačiau tai neturėtų būti vienintelė jūsų strategija. Šiandien turite elgtis daug lanksčiau. Kad galėtumėte pritaikyti mano minėtą saugumą, venkite apmokestinimo savo tinklu, kad galėtumėte valdyti ir filtruoti duomenis, kilusius iš krašto, ir nustatyti, kokius duomenis verta saugoti ilgą laiką, kokius duomenis verta perkelti į mūsų tinklą ar kokius duomenis reikia tik analizuoti juos kuriant, kad galėtume priimti geriausius įmanomus sprendimus. Šis analitinis požiūris visur ir bet kur yra labai svarbus „Statistica“ ir tai, ką mes labai gerai mokame. Tai grįžta prie tų skaidrių, kurias jau minėjau anksčiau, apie galimybę eksportuoti savo modelius įvairiomis kalbomis, kad jie galėtų suderinti ir suderinti su platformomis, kur kuriami duomenys. Ir tada, žinoma, turime tų modelių paskirstymo įrenginį, kurį mes taip pat pristatome prie stalo ir dėl ko labai džiaugiamės. Manau, kad pokalbis šiandien yra, jei mes tikrai rimtai susimąstysime apie tuos duomenis, kurie ilgą laiką buvo mūsų sistemose, ir mes norėtume rasti konkurencinį pranašumą ir novatorišką požiūrį, kad juos panaudotume, turite kreiptis tam tikros technologijos, leidžiančios atsikratyti kai kurių tų ribojančių modelių, kuriuos mes anksčiau naudojome.
Vėl norėčiau pasakyti, kad jei ketinate daryti internetą, manau, kad jūs turite sugebėti tai padaryti iš esmės ir suderinti duomenis su kitais duomenimis bei atlikti savo analizę. Bet taip pat svarbu, o gal net dar svarbiau, kad galėtumėte naudoti analitiką su duomenimis ir analitiką perkelti iš centrinės jūsų architektūros pusės į pranašumą, kurį jau minėjau, turite turėti šį lankstumą. prieš tai. Tai šiek tiek apie tai, kas mes esame ir ką mes darome rinkoje. Ir mes labai džiaugiamės, kad internetas yra internetinis, mes manome, kad jis tikrai sensta ir kad čia yra puikių galimybių visiems paveikti savo analizę ir kritinius procesus tokio tipo duomenimis.
Rebecca Jozwiak: Shawn, ačiū labai, tai buvo tikrai fantastiškas pristatymas. Ir aš žinau, kad Dezas tikriausiai sutriko užduoti jums keletą klausimų, taigi Dezai, aš paleisiu tave pirmiausia.
Dezas Blanchfieldas: Turiu milijoną klausimų, bet aš jį įtrauksiu, nes žinau, kad Robinas taip pat turės. Vienas iš dalykų, kuriuos matau toli ir plačiai, yra iškilęs klausimas, ir aš labai noriu įgyti šiek tiek informacijos apie jūsų patirtį šioje srityje, atsižvelgiant į tai, kad esate teisus dalykų širdyje. Organizacijos susiduria su iššūkiu, ir atrodo, kad kai kurios iš jų ką tik perskaitė Klauso Schwabo „Ketvirtąją pramoninę revoliuciją“, o tada ištiko panikos priepuolis. Tie, kurie nėra susipažinę su šia knyga, iš esmės tai yra džentelmenų įžvalga, kurią pateikė Klausas Schwabas, kuris, manau, yra profesorius, Pasaulio ekonomikos forumo įkūrėjas ir vykdomasis pirmininkas iš atminties, o knyga iš esmės yra apie šitoks visuotinis daiktų interneto sprogimas ir tam tikras poveikis pasauliui apskritai. Organizacijos, su kuriomis aš kalbu, nėra tikri, ar jos turėtų pereiti į dabartinę aplinką, ar investuoti viską į naujos aplinkos, infrastruktūros ir platformų kūrimą. Taip pat „Dell Statistica“ jūs matote, kaip žmonės modifikuoja dabartinę aplinką ir naudoja jūsų platformą esamoje infrastruktūroje, ar matote, kad jie kreipia dėmesį į visos naujos infrastruktūros kūrimą ir ruošiasi šiam pliūpsniui?
Shawnas Rogersas: Jūs žinote, kad mes turėjome galimybę aptarnauti abiejų tipų klientus, o būdami rinkoje tol, kol turime, jūs gausite tas galimybes, kurios bus labai plačios. Turime klientų, kurie per pastaruosius kelerius metus sukūrė visiškai naujus „Fab“ augalus ir aprūpino juos jutiklių duomenimis, internetine analize, analize nuo krašto iki galo. Bet aš turėčiau pasakyti, kad dauguma mūsų klientų yra žmonės, kurie kurį laiką dirba tokio tipo darbus, tačiau buvo priversti ignoruoti tuos duomenis. Žinote, Rebecca atkreipė dėmesį tiesiai į priekį - tai nėra nauji duomenys, tokio tipo informacija ilgą laiką buvo prieinama daugybe skirtingų formatų, tačiau ten, kur kilo problema, yra prisijungimas prie jos, jį perkeldami, nunešdami jį ten, kur su juo būtų galima ką nors protingo padaryti.
Taigi, sakyčiau, kad dauguma mūsų klientų žvelgia į tai, ką turi šiandien, ir Dez, jūs jau minėjote, kad tai yra tos didžiųjų duomenų revoliucijos dalis ir aš manau, kad tai iš tikrųjų yra, ar tai susiję su visais duomenų revoliucija, tiesa? Mums nebereikia nekreipti dėmesio į tam tikrus sistemos ar gamybos duomenis, arba pastatų automatikos duomenis, dabar turime tinkamus žaislus ir įrankius, kad galėtume jį gauti, o paskui daryti išmaniuosius. Ir aš manau, kad šioje erdvėje yra daug vairuotojų, kurie priverčia įvykti, o kai kurie iš jų yra technologiniai. Žinote, tokie dideli duomenų infrastruktūros sprendimai, kaip „Hadoop“ ir kiti, šiek tiek pabrango ir kai kuriems iš mūsų pasidarė lengviau galvoti apie tokio tipo duomenų ežero sukūrimą. Dabar mes ieškome įmonės, kur eiti: „Ei, mes turime analizės metodų savo gamybos procese, bet ar jie būtų patobulinti, jei galėtume pridėti šiek tiek įžvalgos iš šių procesų?“ Ir tai, manau, yra dauguma mūsų klientai daro. Tai ne tiek kūrimas iš pagrindų, kiek jų turimos analizės papildymas ir optimizavimas, naudojant jiems naujus duomenis.
Dezas Blanchfildas: Taip, kai kuriuose didžiuosiuose pramonės sektoriuose, kuriuos mes matėme, ir jūs minėjote, yra keletas įdomių dalykų, susijusių su elektros energija ir komunalinėmis paslaugomis. Aviacija kaip tik ir eina per šį bumą, kur tuo pačiu keliu nuėjo vienas mano visų laikų mėgstamiausių prietaisų, apie kurį reguliariai kalbu, „Boeing 787 Dreamliner“ ir, be abejo, „Airbus“ atitikmuo, A330. Kai 787, kai jis pirmą kartą buvo išleistas, buvo kaip šeši tūkstančiai jutiklių, manau, kad jie dabar kalba apie penkiolika tūkstančių jutiklių naujoje jo versijoje. Keista, kalbant su kai kuriais tame pasaulyje gyvenančiais žmonėmis, buvo ta idėja, kad jutiklius reikia įdėti į sparnus ir pan., O nuostabi 787 projekto idėja yra ta, kad, žinote, jie išrado viską lėktuvas. Kaip ir sparnai, pavyzdžiui, kai lėktuvas nuima sparnus, lankstus iki dvylikos su puse metro. Tačiau kraštutinumu sparnai gali pasislinkti iki 25 metrų ilgio. Šis dalykas atrodo kaip paukštis plazdantis. Bet tai, ko jie neturėjo laiko išsiaiškinti, buvo visų šių duomenų analizės inžinerija, todėl jie turi jutiklius, kurie lemia, kad šviesos diodai mirksi žaliai ir raudonai, jei nutinka kas nors blogo, tačiau jie iš tikrųjų neduoda gilios įžvalgos realiu laiku. Jie taip pat neišsprendė problemos, kaip perkelti duomenų apimtį, nes JAV vidaus oro erdvėje kasdien vyksta 87 400 skrydžių. Kai kiekvienas lėktuvas sugauna savo 787 „Dreamliner“ pirkinius, tai yra 43 petaitai duomenų dienos duomenų, nes šiuo metu šie lėktuvai sukuria apie pusę terabaito duomenų. O padauginę iš 87 400 skrydžių per dieną JAV viduje iš penkių ar pusės terabaito taško, gauni 43, 5 petaitų duomenų. Mes fiziškai negalime to judėti. Taigi kurdami mes turime išstumti analizę į įrenginį.
Bet vienas iš dalykų, įdomių žiūrint į visą šią architektūrą - ir aš labai noriu sužinoti, ką jūs apie tai galvojate - yra tai, kad mes judame link pagrindinio duomenų tvarkymo, savotiškų, pirmųjų duomenų tvarkymo principų, viskas į centrinę vietą. Turime duomenų ežerų, o tada, jei norite, sukuriame mažai duomenų tvenkinių, ištraukų, kuriuose mes analizuojame, tačiau paskirstant kraštui vieną iš dalykų, kurie nuolat kyla, ypač iš duomenų bazių žmonių ir duomenų tvarkytojų ar informacijos tvarkymo verslo žmonėms, kas nutinka, kai turiu daug išplatintų mažų miniatiūrinių duomenų ežerų? Kokie dalykai buvo pritaikyti šiam mąstymui dėl kraštinių analizės jūsų sprendime, atsižvelgiant į tai, kad tradiciškai viskas susiklostytų centralizuotai kartu su duomenų ežeru, dabar mes visur turime šias mažas duomenų pudras ir, nors galime atlikite jų analizę vietoje, kad gautumėte vietinės įžvalgos, su kokiais iššūkiais susidūrėte ir kaip tai išsprendėte, turėdami tą paskirstytą duomenų rinkinį, ypač kai gaunate duomenų ežerų ir paskirstytų sričių mikrokosmosus?
Shawnas Rogersas: Aš manau, kad tai vienas iš iššūkių, tiesa? Tuomet, kai mes eisime toliau, jūs žinote, kad gabenant visus duomenis į centro vietą ar pagrindinį analitinį pavyzdį, kurį aš pateikiau, ir tada mes darome paskirstytą versiją, yra tai, kad jūs galų gale turėsite visas šias mažas silosines, tiesa? Kaip jūs vaizdavote, tiesa? Jie šiek tiek dirba, kai kurie analitikai vykdomi, bet kaip juos sugrąžinti? Ir aš manau, kad svarbiausia bus orkestruoti visa tai ir aš manau, kad jūs, vaikinai, sutiksite su manimi, tačiau esu laimingas, jei to nepadarysite, manau, kad mes gana ilgai stebėjome šią evoliuciją. kurį laiką.
Grįžtant prie mūsų dienų, p. Inmono ir p. Kimballo, kurie visiems padėjo kuriant ankstyvas investicijas į duomenų saugyklą, dienomis, taškas yra tas, kad mes jau seniai nutolome nuo to centralizuoto modelio. Mes priėmėme šią naują idėją - leisti duomenims parodyti jų sunkumą ten, kur jie geriausiai turėtų būti jūsų ekosistemoje, ir suderinti duomenis su kuo geresne platforma, kad būtų pasiektas geriausias rezultatas. Ir mes, manau, pradėjome savotiškai išleisti į savo ekosistemą labiau orientuotą požiūrį kaip į visa apimantį elgesio būdą, kaip ir ten, kur bandome suderinti visus tuos kūrinius iš karto. Kokio tipo analitiką ar darbą atlieku su duomenimis, kokio tipo jie yra, tai padės nustatyti, kur jie turėtų gyventi. Kur jis gaminamas ir kokio sunkumo duomenis turi duomenys?
Žinote, mes matome daugybę šių didelių duomenų pavyzdžių, kai žmonės kalba apie 10 ir 15 petaitų duomenų ežerus. Na, jei turite tokį didelį duomenų ežerą, jums labai nepraktiška jį perkelti, taigi jūs turite mokėti pateikti analitiką. Bet kai jūs tai darote, atsižvelgiant į jūsų klausimo esmę, manau, kad kiekvienam kyla daug naujų iššūkių, kaip sutvarkyti aplinką ir pritaikyti valdymą bei saugumą, ir suprasti, ką reikia daryti su tais duomenimis, kad jie būtų kuruojami ir kuriami. iš to gaukite didžiausią vertę. Ir jei nuoširdžiai tavęs atžvilgiu - norėčiau čia išgirsti tavo nuomonę - aš manau, kad ten esame ankstyvos dienos, ir manau, kad dar reikia nuveikti daug gero. Manau, kad tokios programos kaip „Statistica“ sutelkiamos į tai, kad kuo daugiau žmonių galėtų naudotis duomenimis. Mes, be abejo, sutelkiame dėmesį į šiuos naujus asmenis, pavyzdžiui, piliečių duomenų mokslininkus, norinčius nukreipti nuspėjamąją analizę į tas vietas organizacijoje, kurių anksčiau nebuvo. Ir aš manau, kad tai yra keletas ankstyvų dienų aplink tai, bet aš manau, kad brandos lankas turės įrodyti aukštą šių orkestrų lygį arba orkestravimą ir suderinimą tarp šių platformų bei supratimą, kas juose ir kodėl. Ir tai yra sena problema visiems mums, duomenų žmonėms.
Dez Blanchfield: Iš tikrųjų taip yra ir aš visiškai su tuo sutinku ir manau, kad puikus dalykas, kurį šiandien čia girdime, yra bent jau problemos, susijusios su faktiniu duomenų rinkimu, manau, „vartų“ krašte, pabaiga. tinklo galimybė ir galimybė analizuoti tuo metu yra iš esmės išspręsta. Ir tai mus išlaisvina, kad iš tikrųjų pradedame galvoti apie kitą iššūkį, kuris yra paskirstomi duomenų ežerai. Labai ačiū už tai, tai buvo fantastiškas pristatymas. Aš labai vertinu galimybę su jumis pabendrauti.
Dabar pereisiu prie Robino, nes žinau, kad jis turi, o tada Rebeka taip pat gavo ilgą sąrašą puikių klausimų iš auditorijos po Robino. Robinas?
Dr Robin Bloor: Gerai. Shawn, norėčiau, kad jūs pasakytumėte šiek tiek daugiau, ir nesistengiu suteikti jums galimybės tai reklamuoti, bet iš tikrųjų tai labai svarbu. Man įdomu žinoti, kada „Statistica“ iš tikrųjų sukūrė modelio eksporto galimybes. Bet aš taip pat norėčiau, kad jūs ką nors pasakytumėte apie „Boomi“, nes viskas, ką jūs iki šiol sakėte apie „Boomi“, yra tai, kad tai yra ETL, o iš tikrųjų yra ETL. Bet tai iš tikrųjų yra gana pajėgus ETL ir tam tikru laiku, apie kurį mes kalbame, ir kai kurios situacijos, apie kurias mes čia diskutuojame, tai yra labai svarbus dalykas. Ar galėtum pakalbėti už šiuos du dalykus už mane?
Shawnas Rogersas: Žinoma, taip, aš tikrai galiu. Žinote, mūsų judėjimas šia linkme tikrai buvo pasikartojantis ir tai buvo tarsi žingsnis po žingsnio procesas. Mes tik ruošiamės šią savaitę pristatyti „Statistica“ 13.2 versiją. Jame yra naujausi visų galimybių, apie kurias mes šiandien kalbame, atnaujinimai. Bet grįžę prie 13 versijos, prieš metus spalio mėn., Paskelbėme apie galimybę eksportuoti modelius iš savo platformos ir tuo metu pavadinome ją NDAA. Santrumpa reiškė „Native Distributed Analytics Architecture“. Tai, ką mes padarėme, yra tai, kad daug laiko, energijos ir dėmesio sutelkėme į savo platformos atvėrimą su galimybe ją naudoti kaip pagrindinį jūsų pažangios analizės valdymo centrą, bet ir diegti iš ten. O pirmosios vietos, Robin, kurias mes įdėjome, mes padarėme tikrai puikų platformos aplink mašinų mokymąsi papildymą. Taigi, mes turėjome galimybę diegti iš „Statistica“ į „Microsoft Azure Cloud“, kad, kaip žinote, „Azure“ galia būtų naudojama mašininiam mokymuisi, yra labai intensyvus ir tai puikus būdas panaudoti debesų technologijas. Ir tai buvo pirmas kartas.
Dabar mes eksportavome savo modelius į „Azure“ ir naudojome „Azure“ juos paleisdami, tada duomenis arba rezultatus išsiuntėme atgal į „Statistica“ platformą. Tada mes perėjome prie kitų kalbų, kurias norėjome sugebėti eksportuoti, ir, žinoma, viena iš jų, „Java“, atveria mums duris, kad mes dabar galėtume eksportuoti savo modelius į kitas vietas, pvz., „Hadoop“, taigi ten taip pat vaidiname.
Ir galiausiai mes sutelkėme dėmesį į galimybę išvesti savo modelius su tuo išleidimu į duomenų bazes. Taigi, tai buvo pirmoji iteracija ir, jei nuoširdžiai tavęs atžvilgiu, žaidimo pabaiga buvo IoT, bet mes dar nebuvome dar ten, kur praėjusio spalio mėn. Buvo 13 versija. Nuo to laiko mes ten susikūrėme ir tai turi būti susiję su galimybe atlikti visus mano ką tik minėtus dalykus, bet tada turėti tam tikrą transportavimo įrenginį. Grįždami prie Dezo klausimo, jūs žinote, koks yra iššūkis ir kaip mes galime tai padaryti, kai turime visas šias analizes? Na, mes naudojame „Boomi“ kaip tam tikrą paskirstymo mazgą ir todėl, kad jis yra debesyje ir todėl, kad yra toks galingas, kaip jau minėjau anksčiau, tai yra duomenų integravimo platforma, bet taip pat programų integravimo platforma, ir ji naudoja JVM, kad leistų mums stovėti ir dirbti bet kur, kur galite nusileisti „Java“ virtualiajai mašinai. Štai kas iš tikrųjų atvėrė duris visoms šiems šliuzams ir kraštų skaičiavimo platformoms bei kraštiniams serveriams, nes visi jie turi skaičiavimus ir platformą, kuri yra prieinama JVM paleisti. Ir kadangi mes galime paleisti JVM bet kurioje vietoje, Boomi pasuko kad tai nuostabus platinimas ir, naudojant mano ankstesnius žodžius, orkestravimo įrenginys.
Ir tai tampa labai svarbu, nes mes visi, žinote, manau, kad lėktuvo scenarijus prieš minutę buvo puikus, ir aš paminėjau, žinote, tokius gamintojus kaip „Shire“, kurie vienoje savo gamykloje turi dešimt tūkstančių jutiklių, jūs tam tikru metu turi pradėti nagrinėti tam tikras centrinis požiūris į išplėstinę analizę. Būti ad hoc apie tai iš tikrųjų nebeveikia. Anksčiau, kai mūsų naudojamų modelių ir algoritmų buvo nedaug, tačiau dabar jie yra maksimalūs. Jų yra tūkstančiai organizacijoje. Taigi, dalis mūsų platformos yra pagrįsta serveriais, o kai turite mūsų įmonės programinę įrangą, jūs taip pat turite galimybę pakoreguoti ir įvertinti bei valdyti savo modelius aplinkoje. Tai taip pat yra to orkestravimo dalyko dalis. Mums reikėjo turėti „Robin“ sluoksnį, kuris ne tik leido ten gauti modelį, bet ir suteikė galimybę patobulinti modelius ir juos nuolat keisti taip dažnai, kaip jums reikėjo, nes tai nėra kažkas, ką galite padaryti rankiniu būdu. Negalite vaikščioti po naftos perdirbimo įmonę nykščiu, bandydami įkelti modelius į šliuzus. Tarp jų turite būti transportavimo ir valdymo sistema, todėl „Statistica“ ir „Boomi“ derinys suteikia tai klientams.
Dr Robin Bloor: Taip. Aš gerai kalbėsiu trumpai, bet, žinote, šis teiginys, kuris buvo išsakytas anksčiau, apie duomenų ežerą ir mintį kaupti petabaitus bet kurioje konkrečioje vietoje ir apie tai, kad jis turi sunkumą. Jūs žinote, kai jūs pradėjote kalbėti apie orkestravimą, tai tiesiog mane privertė susimąstyti apie labai paprastą faktą, kad, jūs žinote, įdėję labai didelį duomenų ežerą vienoje vietoje, turbūt reiškia, kad jūs iš tikrųjų turite jį sukurti ir tai tikriausiai reiškia, kad bet kokiu atveju turite perkelti daug duomenų. Žinote, tikroji duomenų architektūra, mano manymu, bet kuriuo atveju yra kur kas daugiau ta linkme, kuria jūs kalbate. Tai yra paskirstyti protingose vietose, turbūt sakyčiau. Ir atrodo, kad jūs turite labai geras galimybes tai padaryti. Aš turiu omenyje, kad aš esu gerai informuotas apie „Boomi“, taigi tai yra vienaip ar kitaip beveik nesąžininga, kad matau tai, o galbūt auditorija negali. Bet „Boomi“, mano manymu, yra labai svarbi kalbant apie tai, ką jūs darote, nes ji turi taikymo galimybes. Taip pat todėl, kad tiesa yra ta, kad neatliekate šių analitinių skaičiavimų nenorėdami kažko imtis dėl kažkokių ar kitokių priežasčių. Ir Boomi tam turi reikšmės, tiesa?
Shawnas Rogersas: Taip, visiškai. Taigi, kaip žinote iš ankstesnių pokalbių, „Statistica“ turi išsamų verslo taisyklių variklį. Ir aš manau, kad tai tikrai svarbu, kai susimąstome, kodėl taip darome. Žinote, aš iš pradžių pajuokavau, kad iš tikrųjų nėra jokios priežasties daryti IoT, nebent ketinate analizuoti, naudoti duomenis priimant geresnius sprendimus ar imantis veiksmų. Taigi tai, į ką mes kreipėme dėmesį, buvo ne tik galimybė išleisti modelį, bet ir galimybė jį pažymėti, nustatyta taisyklė. Kadangi „Boomi“ yra tokios tvirtos savo galimybėmis perkelti daiktus iš vienos vietos į kitą, „Boomi“ atomo viduje mes taip pat galime įdiegti gebėjimą suaktyvinti, įspėti ir imtis veiksmų.
Taigi būtent tada mes pradedame susidaryti tokį sudėtingesnį IoT duomenų vaizdą, kuriame sakome: „Gerai, šiuos duomenis verta įsiklausyti.“ Bet tikrai, jūs žinote, žinodami, kad „šviesa įjungta, lemputė įjungta, lemputė įjungta, lemputė įjungta “nėra taip įdomu, kai užgęsta lemputė, kai užgęsta dūmų detektorius ar kada nutinka bet koks mūsų gamybos procesas. Kai tai įvyks, norime, kad galėtume nedelsdami imtis veiksmų. Ir šiuo metu duomenys tampa beveik antraeiliai. Kadangi nėra taip svarbu, kad išsaugojome visus tuos, „gerai, gerai, gerai“, signalus, todėl svarbu pastebėti „Ei, tai blogai“ ir mes nedelsdami ėmėmės veiksmų. Nesvarbu, ar tai siunčiate el. Laišką kam nors, ar galime įsitraukti į domenų ekspertizę, ar mes nustatėme keletą kitų procesų, kad galėtume imtis neatidėliotinų veiksmų, ar tai būtų taisoma, ar atsakoma į informaciją. Ir aš manau, kad būtent todėl jūs turite turėti šį orkestruotą vaizdą. Negalite tiesiog susitelkti ties savo algoritmų tvarkymu visur. Jūs turite mokėti juos koordinuoti ir orkestruoti. Jūs turite mokėti pamatyti, kaip jie veikia. Ir iš tikrųjų, svarbiausia, turiu omenyje, kodėl gi jūs taip pasielgtumėte, jei negalite pridėti galimybės nedelsdami imtis kokių nors veiksmų prieš duomenis?
Dr Robin Bloor: Gerai, Rebecca, aš tikiu, kad turite klausimų iš auditorijos?
Rebecca Jozwiak: Aš taip. Turiu daug klausytojų klausimų. Shawn, aš žinau, kad nenorėjai ilgai kabėti virš valandos. Ką tu manai?
Shawnas Rogersas: Aš laimingas. Pirmyn. Aš galiu atsakyti į keletą.
Rebecca Jozwiak: Pažiūrėkime. Aš žinau, kad vienas iš dalykų, kurį jūs minėjote, yra tas, kad internetas yra ankstyvas ir jis turi tam tikrą brandos laipsnį, kuris turi įvykti, ir jis tarsi kalba apie šį klausimą, kurį uždavė vienas dalyvis. Ar „IPv6“ sistema bus pakankamai tvirta, kad atitiktų interneto augimą per ateinančius penkerius ar dešimt metų?
Shawnas Rogersas: O, aš leisiu Dezui atskaityti mano atsakymą, nes manau, kad jis artimesnis tokio tipo informacijai, kokia esu. Bet aš visada galvojau, kad einame labai greitai, kad sulenktume ir sulaužytume didžiąją dalį turimų rėmų. Ir nors aš manau, kad svarbu pridėti tą naują specifikaciją ar kryptį, kuria mes einame su „IPv6“ sistemomis, ir tai atveria mums duris turėti daug daugiau įrenginių ir suteikti viską, ką galime noriu nurodyti adresą. Manau, kad viskas, ką skaitau ir matau su savo klientais, ir reikalingas adresų skaičius, manau, tam tikru momentu sukels dar vieną to kraštovaizdžio poslinkį. Bet aš iš tikrųjų nesu tinklo ekspertas, todėl negaliu šimtu procentų pasakyti, kad tam tikru momentu tai sulaužysime. Bet mano patirtis rodo, kad mes tam tikru metu sugadinsime tą modelį.
Rebecca Jozwiak: Nenustebčiau. Aš manau, kad rėmai yra tarsi lūžtantys po visų rūšių daiktus. Ir tai tik logiška, tiesa? Turiu omenyje, kad negalima siųsti el. Laiško su rašomąja mašinėle. Kitas dalyvis klausia: „Ar galite naudoti„ Hadoop “sistemą?“, Bet, manau, galėčiau tai pakeisti, kaip naudoti „Hadoop“ sistemą paskirstytai analizei?
Shawnas Rogersas: Na, Robinas man palankiai užduodavo istorinį klausimą ir todėl maždaug prieš metus „Statistica“ 13 versijai mes turėjome galimybę išstumti modelius iš savo sistemos į „Hadoop“. Ir mes labai glaudžiai bendradarbiaujame su visais dideliais „Hadoop“ skoniais. Mes turime tikrai puikių sėkmės istorijų apie galimybę dirbti su Cloudera kaip vieną pagrindinių Hadoop platintojų, su kuriuo mes dirbame. Bet kadangi mes galime pateikti „Java“, tai suteikia mums galimybę būti atviriems ir išdėstyti mūsų analizės duomenis bet kur. Įdėdami juos į „Hadoop“ klasterį, mes tai darome įprastai, reguliariai ir kasdien daugeliui savo klientų. Trumpas atsakymas yra taip, visiškai.
Rebecca Jozwiak: Puikiai. Aš tiesiog ketinu išmesti dar vieną tave ir leisti tau toliau atostogauti. Kitas dalyvis klausia, ar kartu su interneto analize ir kompiuteriniu mokymusi jūs manote, kad visus duomenis reikia saugoti istoriniais tikslais ir kaip tai paveiks sprendimo architektūrą?
Shawnas Rogersas: Na, aš nemanau, kad visi duomenys turi būti saugomi. Bet aš manau, kad labai įdomu turėti galimybę linksmintis, klausytis bet kokių duomenų šaltinių, kurių norime savo organizacijoje, kad ir kur jie kiltų. Ir aš manau, kad pokyčiai, kuriuos per pastaruosius kelerius metus matėme rinkoje, leido mums pritaikyti tą visų duomenų požiūrį į daiktus ir atrodo, kad tai tikrai atsiperka. Bet kiekvienoje įmonėje ir kiekvienu naudojimo atveju jis bus skirtingas. Žinote, kai mes žiūrime į sveikatos duomenis, dabar kyla daug norminių klausimų, daug atitikties problemų, todėl mums reikia išsaugoti duomenis, kurių kitos įmonės gali nesuprasti, kodėl juos reikia išsaugoti, tiesa ? Daugelio mūsų gamybos klientų gamybos procesai yra tikras aukštyn kojomis, kad istoriškai galėtumėte ištirti savo procesus ir atsigręžti į didelius šių duomenų kiekius, kad galėtumėte iš jų pasimokyti ir sukurti geresnius modelius.
Manau, kad reikės saugoti daugybę duomenų, ir manau, kad turime sprendimų, kurie šiandien daro ekonomiškesnius ir keičiamus. Bet tuo pat metu manau, kad kiekviena įmonė suras vertę duomenų, kurių nereikia laikyti atominiame lygyje, tačiau norės analizuoti realiu laiku ir priimti sprendimus, kad paskatintų inovacijas. jų kompanija.
Rebecca Jozwiak: Gerai, gerai. Ne, auditorija, aš šiandien nesigilinau į visų klausimus, tačiau perduosiu juos kartu su Shawnu, kad jis galėtų susisiekti su jumis tiesiogiai ir atsakyti į tuos klausimus. Bet ačiū visiems už dalyvavimą. Labai ačiū Shawnui Rogersui iš „Dell Statistica“ ir visiems mūsų analitikams Dezui Blanchfieldui ir dr. Robinui Bloorui. Archyvą galite rasti čia, tinklalapyje insideanalysis.com, „SlideShare“, mes vėl pradėjome kaupti savo medžiagą ten ir atnaujiname savo „YouTube“, todėl ieškokite to ir ten. Ačiū tiek daug žmonių. Su tuo aš atsisveikinsiu ir susitiksime kitą kartą.
