Dengan Staff Techopedia, 22 September 2016
Takeaway: Tuan Rumah Rebecca Jozwiak membincangkan analisis tepi dengan Dr. Robin Bloor, Dez Blanchfield dan Shawn Rogers Dell Statistica.
Anda tidak log masuk sekarang. Sila log masuk atau mendaftar untuk melihat video.
Rebecca Jozwiak: Tuan-tuan dan puan-puan, hello, dan selamat datang ke Hot Technologies 2016. Hari ini kita mendapat "Edge Analytics: Ekonomi IoT Akhirnya." Nama saya Rebecca Jozwiak. Saya akan menjadi moderator anda untuk siaran web hari ini. Kami tweet dengan hashtag # HOTTECH16 jika anda mahu menyertai perbualan Twitter.
Jadi IOT, pasti topik hangat tahun ini dan internet perkara, itu benar-benar mengenai data mesin, data sensor, data log, data peranti. Tidak ada yang baru, kita mempunyai jenis data yang selamanya, tapi itu sebenarnya kita tidak dapat menggunakannya dan sekarang kita melihat satu tan cara baru untuk menggunakan data itu. Terutama dalam industri perubatan, pasaran kewangan, dengan minyak dan gas, komoditi, itu hanya kekayaan maklumat yang sebelum ini belum dimanfaatkan. Dan tidak banyak orang telah mendapat pemahaman yang baik mengenai cara melakukannya dengan baik. Kami bercakap mengenai banyak data kecil, tetapi banyak data dan, anda tahu, ada masalah rangkaian yang terlibat, terdapat perkakasan yang terlibat, atau perlu diproses, dan bagaimana anda melakukannya tanpa menyumbat sistem anda? Baik itulah yang akan kita pelajari hari ini.
Inilah barisan pakar kami. Kami mempunyai Dr Robin Bloor, ketua penganalisis kami di The Bloor Group. Kami juga mempunyai Dez Blanchfield, saintis data kami di The Bloor Group. Dan kami dengan senang hati mempunyai Shawn Rogers, pengarah pemasaran global dan saluran dari Dell Statistica. Dan dengan itu, saya akan lulus bola kepada Robin.
Dr. Robin Bloor: Baiklah, terima kasih juga untuk itu. Saya akan menolak butang dan membuang slaid. Saya tidak tahu mengapa saya mencipta gambar apokaliptik ini untuk internet perkara. Mungkin kerana saya fikir ia akan menjadi huru-hara pada akhirnya. Saya akan bergerak terus. Ini adalah tuan untuk kursus dalam mana-mana persembahan IoT. Anda mempunyai, dalam satu cara atau yang lain, untuk mengatakan sesuatu yang keterlaluan tentang ke mana ia pergi. Dan sebenarnya, kebanyakan ini mungkin benar. Jika anda benar-benar melihat cara lengkung ini berkembang secara beransur-ansur. Anda tahu, komputer peribadi, telefon pintar dan tablet mungkin akan terus meningkat. TV pintar mungkin akan meningkat. Boleh pakai, mereka mungkin meletup sekarang, berbanding dengan apa yang mereka telah beberapa tahun lalu. Kereta yang disambungkan, tidak dapat dielakkan bahawa hampir semua kereta akan dihubungkan dengan teliti dan meluas sepanjang penghantaran data sepanjang masa. Dan segala-galanya. Dan graf ini oleh BI Intelligence menunjukkan bahawa segala-galanya akan melampaui hal-hal yang jelas sangat, sangat cepat.
Jadi apa yang perlu katakan tentang IoT? Perkara pertama hanyalah titik seni bina. Anda tahu, apabila anda mempunyai data dan anda telah memproses anda, dalam satu cara atau yang lain, anda perlu meletakkan kedua-duanya. Dan dengan data pada jilid itu sekarang, dan berkumpul di pelbagai tempat, kedua-dua tidak secara semula jadi bersama lagi. Mereka dulu berada di zaman mainframe lama, saya rasa. Oleh itu, anda boleh berfikir dari segi lapisan pemprosesan, lapisan pengangkutan dan lapisan data. Dan dalam satu atau lebih cara, lapisan pengangkutan pada masa ini akan memindahkan pemprosesan sekitar atau memindahkan data di seluruh rangkaian. Jadi, di sini adalah pilihan: Anda boleh memindahkan data ke pemprosesan, anda boleh memindahkan pemprosesan ke data, anda boleh memindahkan pemprosesan dan data ke titik pelaksanaan yang mudah, atau anda boleh mengawal pemprosesan dan mengharungi data. Dan berkenaan dengan perkara-perkara internet, data sudah cukup banyak diawasi pada saat lahir dan kemungkinannya adalah banyak sekali pemprosesan yang akan dijauhkan agar aplikasi yang perlu dijalankan dapat terjadi.
Jadi saya telah melukis gambar. Perkara menarik bagi saya mengenai IoT, saya bercakap tentang domain agregasi dalam rajah ini, dan saya menunjukkan bahawa terdapat sub-domain. Jadi, anda boleh bayangkan bahawa domain IoT 1 di sini adalah sejenis kereta, dan domain 2 dan domain 3 dan domain 4, adalah sejenis kereta, dan anda akan mengagregat data secara tempatan, anda akan menjalankan aplikasi setempat pada data tersebut, dan anda akan meletakkan pelbagai perkara ke dalam tindakan. Tetapi untuk mempunyai analisis tentang semua kereta, anda perlu memindahkan data ke pusat, tidak semestinya semua data, tetapi anda perlu mengagregat di pusat. Dan jika anda berfikir tentang perkara ini, maka anda mungkin ingin mempunyai banyak, banyak domain pengagregatan yang berbeza untuk satu set perkara IoT yang sama. Dan domain itu sendiri mungkin lebih agregat. Jadi anda boleh mempunyai hierarki yang berulang ini. Dan pada dasarnya apa yang kita ada ada rangkaian yang sangat kompleks. Jauh lebih rumit dari apa yang kita perlu lakukan sebelum ini.
Saya mendapat nota di bahagian bawah sini. Semua nod rangkaian, termasuk nodus daun, boleh menjadi pencipta data, kedai data dan titik pemprosesan. Dan itu memberi anda peluang pengedaran, seperti mana yang belum kita lihat sebelumnya. Dez akan bercakap sedikit lebih lanjut mengenai itu, jadi saya akan teruskan ke titik tertentu ini. Sebaik sahaja kita berada di internet perkara-perkara dan semua data sebenarnya telah diselesaikan menjadi peristiwa, titik mengenai slaid ini hanyalah untuk menunjukkan bahawa kita perlu menyeragamkan pada peristiwa. Kita perlu, sekurang-kurangnya, kita perlu mempunyai ini. Kami akan mempunyai masa acara itu berlaku, lokasi geografi yang berlaku, lokasi yang maya atau logik proses yang menciptanya, peranti sumber yang menciptanya, ID peranti supaya anda tahu dengan tepat mana peranti sumber yang dihasilkan, pemilikan daripada data dan pelaku, orang-orang yang berhak untuk menggunakan data dalam beberapa cara atau yang lain, ia perlu membawa kebenaran dengannya, yang bermaksud benar, ia perlu membawa keselamatan dengannya, dan kemudian ada data itu sendiri. Dan apabila anda melihat ini, anda menyedari bahawa, anda tahu, walaupun anda mempunyai sensor yang melakukan apa-apa yang lebih daripada melaporkan suhu sesuatu setiap saat atau lebih, sebenarnya terdapat banyak data hanya untuk mengenal pasti di mana data berasal dan apa sebenarnya. Dengan cara ini, ini bukan senarai lengkap.
Oleh itu, dari segi landskap IT masa depan, cara yang saya lihat adalah ini: bahawa bukan hanya internet perkara, tetapi juga hakikat bahawa kita akan berada dalam dunia aktiviti yang didorong oleh peristiwa, dan oleh itu kita perlu mempunyai arsitektur yang didorong oleh peristiwa, dan seni bina itu perlu mempunyai rangkaian besar. Dan perkara lain adalah segala-galanya yang sebenar-benarnya, tidak semestinya berlaku bagi kita untuk menjadi masa nyata tetapi ada sesuatu yang saya rujuk sebagai masa perniagaan yang merupakan masa di mana data sebenarnya harus disampaikan dan siap diproses. Itu tidak mungkin, anda tahu, satu milisaat selepas ia dicipta. Tetapi selalu ada masa untuk setiap data dan apabila anda mempunyai senibina yang didorong oleh peristiwa, ia mula menjadi lebih masuk akal untuk berfikir dari segi pendekatan masa nyata dengan cara yang berfungsi di dunia.
Jadi mendidihnya, kerana apa yang sebenarnya kita bicarakan adalah analisis pada IoT. Walaupun begitu, ia masih lagi tentang masa untuk wawasan, dan bukan hanya masa untuk wawasan, wawasan harus diikuti oleh tindakan. Jadi, masa untuk wawasan dan masa untuk bertindak adalah apa yang saya akan mendidihkannya. Setelah berkata demikian, saya akan lulus bola kembali ke Dez.
Dez Blanchfield: Terima kasih, Robin. Insightful seperti biasa. Saya suka hakikat bahawa ia adalah tindakan keras untuk mengikuti setiap contoh, tetapi saya akan melakukan yang terbaik.
Salah satu perkara yang saya lihat, dan saya sering dilayan olehnya, bersikap jujur, dan bukan dalam bentuk slant yang tidak jujur dan negatif, tetapi ada banyak kebimbangan dan panik tentang internet perkara yang mengambil alih dunia dan slotting kami dan anda akan mula kehilangan data anda, jadi saya ingin melihat sedikit kembali pada beberapa perkara yang telah kami lakukan sebelum ini dalam dua hingga tiga dekad terakhir yang merupakan faksimili yang dekat dengan internet perkara, tetapi mungkin tidak cukup pada skala yang sama. Dan hanya untuk menunjukkan diri kita bahawa kita sebenarnya telah berada di sini dan menyelesaikan beberapa masalah, bukan pada tahap skala ini dan bukan pada kelajuan ini. Kerana itu bermakna kita benar-benar dapat menyelesaikan masalah itu dan kita tahu apa beberapa jawapannya; kami baru sahaja dapat mengundurkan diri dan memohon semula beberapa pelajaran yang kami ada sebelum ini. Dan saya tahu ini adalah keseluruhan perbualan yang akan kami hadapi dan saya mempunyai pelbagai perkara yang menyeronokkan untuk berbual melalui seksyen Q & A.
Tetapi apabila kita berfikir tentang internet perkara-perkara dalam bulatan, terdapat banyak pusat pemusat pada tahap reka bentuk yang ditulis pada hari-hari awal. Peranti Fitbit, sebagai contoh, semua cenderung untuk pergi ke satu tempat utama dan kemungkinan akan menjadi tuan rumah di platform awan di suatu tempat dan semua data dari semua peranti tersebut mencecah yang sama, katakan saja, ujung depan timbunan, termasuk web dan aplikasi dan perkhidmatan berdasarkan data. Tetapi dari masa ke masa bahawa skala akan memerlukan kejuruteraan semula untuk mengatasi jumlah data yang akan datang kepada mereka dan mereka akan membuat kejuruteraan semula jadi sehingga terdapat beberapa hujung depan dan beberapa salinan timbunan di pelbagai lokasi dan wilayah. Dan kita melihat ini dan ada beberapa contoh yang akan saya berikan kepada anda bahawa kita boleh berbincang.
Titik utama ini ialah walaupun kita telah melihat beberapa penyelesaian yang akan saya hadapi, skala dan volum data dan trafik rangkaian yang internet akan menghasilkan sesuatu segera memerlukan perubahan dari pusat untuk mengagihkan seni bina dalam pandangan saya, dan kita tahu ini tetapi kita tidak semestinya memahami apa penyelesaiannya. Apabila kita berfikir tentang konsep tentang apa yang di internet, itu adalah model rangkaian berskala besar. Ia banyak dan banyak perkara yang kini membuat bunyi bising. Perkara-perkara yang tidak membuat bunyi sehingga baru-baru ini. Dan pada hakikatnya, saya fikir ia semalam, saya bercakap-cakap tentang timbunan, tetapi saya pergi membeli pembakar baru dan ia datang dengan pilihan yang boleh memberitahu saya pelbagai perkara, termasuk apabila diperlukan pembersihan. Dan microwave baru dengan ciri yang sangat serupa dan bahkan boleh ping aplikasi di telefon saya untuk mengatakan bahawa perkara yang saya sedang menyegarkan telah selesai. Dan saya sangat berpendapat bahawa jika ada beberapa perkara yang saya tidak mahu bercakap dengan saya, ia adalah peti sejuk saya, microwave dan toaster. Saya cukup selesa dengan mereka yang menjadi alat bodoh. Tetapi saya mempunyai sebuah kereta baru baru-baru ini, Audi kecil, dan ia bercakap dengan saya dan saya agak gembira dengan itu, kerana perkara yang ia ceritakan adalah perkara yang menarik. Seperti mengemas kini peta secara tepat masa untuk memberitahu saya di mana terdapat laluan yang lebih baik untuk mendapatkan dari titik A ke titik B kerana ia mengesan lalu lintas melalui pelbagai mekanisme dengan data yang dihantar.
Saya mempunyai slaid ini. Kami telah melihat model rangkaian volum tinggi memerlukan pergeseran dari pusat ke tangkapan teragih dan penghantaran data pemprosesan dan model analisis. Kami telah melihat perkara-perkara yang bergerak dari tiga gambar rajah grafik kecil di sana di tepi kanan di mana kita punya, satu di kiri dari ketiga, ada model berpusat dengan semua peranti kecil datang ke lokasi pusat dan mengumpul data dan skala tidak begitu hebat, mereka mengatasi dengan baik di sana. Di tengah-tengah kami mempunyai model dan hub yang lebih sentralistik dan bercakap, yang saya fikir kita akan memerlukan dengan internet perkara-perkara dalam generasi akan datang. Dan kemudian di sebelah kanan kami mendapat rangkaian yang diedarkan dan didistribusikan sepenuhnya di mana internet perkara dan mesin ke mesin akan berjalan dalam masa yang sangat singkat di masa depan, tetapi kami tidak cukup terdapat pelbagai alasan. Dan kebanyakannya kerana kami menggunakan platform internet untuk kebanyakan komunikasi setakat ini dan kami sebenarnya tidak membina rangkaian kedua untuk membawa banyak data ini.
Terdapat rangkaian kedua yang wujud seperti rangkaian Batelco. Ramai orang tidak berfikir tentang hakikat bahawa rangkaian telekomunikasi bukan internet. Internet adalah perkara yang sangat berasingan dalam banyak cara. Mereka mengarahkan data dari telefon pintar ke rangkaian telefon, dan kemudian melalui rangkaian telefon dan ke internet secara umum di mana mereka sebenarnya meletakkannya dalam dua rangkaian. Tetapi ia mungkin sepenuhnya dan kemungkinan bahawa internet perkara memerlukan rangkaian lain. Kami bercakap mengenai internet perindustrian sebagai topik umum, yang kami tidak akan terperinci sekarang, tetapi pada asasnya kami bercakap tentang rangkaian lain yang direka khusus untuk jenis pengangkutan data atau internet perkara dan mesin ke mesin komunikasi.
Tetapi beberapa contoh yang saya ingin kongsi di mana kita melihat rangkaian volum tinggi dan data yang diedarkan dengan baik adalah perkara seperti internet. Internet secara khusus direka bentuk dan diwarisi dari hari ke hari untuk dapat bertahan dalam perang nuklear. Jika bahagian-bahagian AS dibuang, internet direka supaya data dapat bergerak di internet tanpa kehilangan paket atas sebab-sebab yang masih kita sambungkan. Dan itu masih wujud pada skala global. Internet mempunyai pelbagai keupayaan di sekitar paket redundansi dan routing. Dan sebenarnya internet dikawal oleh satu perkara yang dipanggil BGP, Protokol Sempadan Gateway, dan Protokol Gateway Sempadan, BGP, direka khusus untuk menangani sama ada router atau suis atau pelayan sedang turun. Apabila anda menghantar atau menerima e-mel, jika anda menghantar tiga e-mel secara berturut-turut tidak ada jaminan bahawa setiap e-mel tersebut akan mengikuti laluan yang sama ke destinasi akhir yang sama. Mereka boleh bergerak melalui pelbagai bahagian internet untuk pelbagai sebab. Mungkin ada gangguan, mungkin terdapat tetingkap penyelenggaraan di mana keadaan di luar talian untuk dinaik taraf, hanya ada kesesakan di rangkaian, dan kita melihatnya dengan perkara seperti rangkaian trafik dengan kereta dan pengangkutan awam dan kapal dan kapal terbang. Kami mendapat kandungan pada peranti kami seperti komputer riba dan tablet dan komputer kami melalui pelayar dan sebagainya setiap hari menerusi rangkaian penghantaran kandungan. Rangkaian penghantaran kandungan adalah tentang mengambil salinan kandungan dari platform utama anda seperti pelayan web dan memindahkan salinan itu dan cache jumlah kecil ke tepi rangkaian dan hanya menyampaikannya kepada anda dari bahagian terdekat tepi.
Anti-spam dan keselamatan siber - jika peristiwa spam berlaku di Kanada dan Microsoft mengesannya dan melihat bahawa terdapat banyak salinan e-mel yang sama yang dihantar kepada sekumpulan orang rawak, pemeriksaan diambil pada itu, tanda tangan untuk mesej itu dicipta dan dimasukkan ke dalam rangkaian dan diedarkan dengan segera. Dan supaya e-mel tidak pernah masuk ke dalam peti masuk saya, atau jika ia dilakukan, ia akan ditandakan sebagai spam dengan segera kerana ia telah dikesan di tempat lain di tepi rangkaian. Dan sebagainya bahagian lain dari tepi rangkaian diberitahu mengenai tandatangan mesej spam ini dan ia dimasukkan ke dalam indeks pangkalan data dan jika mesej tersebut mula muncul di seberang planet ini, kami mengesannya dan kami tahu mereka spam. Dan yang sama berlaku untuk keselamatan siber. Rakaman yang berlaku di satu sisi planet ini dikesan dan didaftarkan dan dipetakan dan tiba-tiba di bahagian lain rangkaian yang kita boleh lawan dan memfailkan peraturan dan dasar dan menukar untuk melihat jika kita boleh menyekatnya. Terutama dengan impak baru perkara seperti penafian perkhidmatan atau perkhidmatan penafian yang diedarkan di mana beribu-ribu mesin digunakan untuk menyerang laman web pusat.
Bitcoin dan blockchain, secara lalai, sifatnya adalah lejar teragih, blok block, dan mengatasi apa-apa gangguan atau kerosakan dalam rangkaian. Pengesanan dan pencegahan penipuan, utiliti kuasa dan air - kita lihat, anda tahu rangkaian kuasa, jika satu bahagian rangkaian mendapat tanah pokok di atasnya dan mengambil tiang dan wayar, rumah saya masih mendapat kuasa. Saya tidak tahu tentangnya, saya sering tidak melihatnya dalam berita. Dan kita semua digunakan untuk rangkaian pengangkutan di mana pada asalnya terdapat model terpusat, "Semua jalan menuju ke Rom, " seperti yang mereka katakan, dan kemudian akhirnya kita terpaksa pergi ke model terdesentralisasi dengan hub dan spokes, dan kemudian kita pergi ke rangkaian meshed di mana anda boleh mendapatkan dari satu sisi bandar ke yang lain melalui pelbagai laluan dan pelbagai persimpangan. Dan apa yang kita lihat di sini adalah bahawa model terpusat ini yang kita lakukan sekarang dengan internet perkara akan terpaksa menolak ke tepi rangkaian. Dan ini terpakai untuk analisis lebih dari sebelumnya, dan itu adalah bahawa kita perlu menolak analisis ke dalam rangkaian. Dan untuk melakukannya, ia memerlukan pendekatan yang sepenuhnya baru dalam cara kita mengakses dan memproses data dan aliran data, pada pandangan saya. Kami bercakap tentang senario sekarang di mana saya percaya kita melihat kecerdasan terhad ditolak ke tepi rangkaian di peranti yang berkaitan dengan internet, tetapi kami tidak lama lagi akan melihat peranti tersebut meningkatkan kecerdasan dan meningkatkan tahap analisis yang mereka mahu untuk melakukan. Dan akibatnya, kita perlu mendorong orang pintar lebih jauh dan meneruskan rangkaian.
Sebagai contoh, aplikasi pintar dan media sosial - jika kita berfikir tentang media sosial dan beberapa aplikasi pintar, mereka masih sangat penting. Anda tahu, hanya ada dua atau tiga pusat data bagi orang-orang seperti Facebook. Google telah mendapat lebih banyak desentralisasi, tetapi masih terdapat beberapa pusat data yang terhad di seluruh dunia. Kemudian apabila kita berfikir tentang keperibadian kandungan, anda perlu memikirkan di peringkat tempatan. Banyak yang dilakukan dalam penyemak imbas anda atau pada lapisan rangkaian penghantaran kandungan tempatan. Dan kami berfikir tentang penjejak kesihatan dan kecergasan - banyak data yang dikumpulkan dari mereka mendapat dianalisis secara tempatan dan sebagainya versi baru peranti Garmin dan Fitbit yang anda pakai pada pergelangan tangan anda, mereka menjadi lebih pintar dan lebih bijak dalam peranti . Mereka kini tidak menghantar semua data mengenai kadar degupan jantung anda ke pelayan terpusat untuk mencuba dan mendapatkan analitik yang dilakukan; mereka membina kecerdasan itu terus ke dalam peranti. Navigasi dalam kereta, dulu kereta itu akan sentiasa mendapat kemas kini dan peta dari lokasi pusat, sekarang pintar berada di dalam kereta dan keputusan membuat kereta itu sendiri dan akhirnya kereta akan memasuki. Kereta akan bercakap antara satu sama lain melalui rangkaian wayarles beberapa bentuk, yang mungkin melebihi 3G atau rangkaian tanpa wayar 4G pada generasi akan datang, tetapi akhirnya ia akan menjadi peranti ke peranti. Dan satu-satunya cara kita akan menghadapi kelantangannya ialah dengan membuat peranti lebih pintar.
Kami sudah mempunyai sistem amaran kecemasan yang akan mengumpulkan maklumat secara tempatan dan menghantarnya ke tengah atau ke dalam rangkaian mesh dan membuat keputusan mengenai apa yang berlaku di dalam negara. Sebagai contoh, di Jepun, ada aplikasi yang dijalankan oleh orang ramai di telefon pintar mereka dengan pecutan di telefon pintar. Percepatan di dalam telefon pintar akan mengesan getaran dan pergerakan dan dapat menentukan perbezaan antara pergerakan sehari-hari yang normal dan gegaran dan kejutan gempa bumi. Dan telefon itu akan mula mengingatkan anda dengan serta-merta, secara tempatan. Aplikasi sebenar tahu bahawa ia mengesan gempa bumi. Tetapi ia juga berkongsi data melalui rangkaian di hab diedarkan dan bercakap model supaya orang-orang di dekat anda mendapat peringatan segera atau secepat mungkin kerana data mengalir melalui rangkaian. Dan kemudian apabila tiba di lokasi pusat atau salinan diedarkan di lokasi pusat, ia menolak kembali kepada orang-orang yang tidak berada di kawasan terdekat, tidak dapat mengesan pergerakan planet ini, tetapi perlu diberi peringatan kerana mungkin datang tsunami.
Dan infrastruktur bandar pintar - konsep infrastruktur pintar, kami sudah membina akal ke dalam bangunan pintar dan infrastruktur pintar. Malah, semalam saya meletak kereta saya di bandar itu di kawasan baru di mana sebahagian daripada bandar itu sedang diperbaharui dan dibina semula. Dan mereka telah melakukan semula semua jalan-jalan, dan terdapat sensor di jalan-jalan, dan meter letak kereta sebenar tahu bahawa ketika saya telah memandu dengan kereta, ia tahu bahawa ketika saya pergi untuk menyegarkan untuk batas dua jam itu kereta itu tidak bergerak, dan ia tidak akan membiarkan saya naik dan tinggal selama dua jam lagi. Saya terpaksa masuk ke dalam kereta, tarik keluar ruang dan kemudian tarik balik untuk menipu untuk membolehkan saya tinggal di sana selama dua jam lagi. Tetapi apa yang menarik ialah akhirnya kami pergi ke tempat di mana ia bukan hanya mengesan kereta memasuki kawasan itu sebagai sensor setempat, tetapi perkara-perkara seperti ciri-ciri optik di mana pengiktirafan akan digunakan dengan kamera yang melihat plat lesen saya, dan ia akan tahu bahawa saya sebenarnya hanya mengeluarkan dan menarik balik dan menipu itu, dan ia tidak akan membiarkan saya memperbaharui dan saya akan teruskan. Dan kemudian ia akan mengedarkan data itu dan memastikan bahawa saya tidak boleh melakukannya di tempat lain dan menipu rangkaian secara berterusan juga. Kerana ia harus, secara semula jadi, menjadi lebih bijak, jika tidak, kita semua akan terus menipunya.
Ada satu contoh ini yang sebenarnya saya tinggal di mana di dalam teknologi firewall, pada akhir '80an dan awal tahun 90an, produk yang dipanggil Check Point FireWall-1. Teknologi firewall yang sangat mudah yang kami gunakan untuk membuat peraturan dan membina dasar dan peraturan di sekeliling perkara tertentu untuk mengatakan jenis lalu lintas melalui port dan alamat IP dan rangkaian untuk mendapatkan dan antara satu sama lain, lalu lintas web dari satu tempat ke tempat lain, pergi dari pelayar dan pelanggan berakhir ke hujung pelayan kami. Kami menyelesaikan masalah ini dengan sebenarnya mengambil logik keluar dari firewall sendiri dan sebenarnya menggerakkannya ke ASIC, litar bersepadu spesifik aplikasi. Ia mengawal pelabuhan dalam suis Ethernet. Kami mendapati bahawa komputer pelayan, komputer yang sebenarnya kami gunakan sebagai pelayan untuk membuat keputusan sebagai firewall, tidak cukup kuat untuk mengendalikan jumlah lalu lintas yang melalui mereka untuk setiap sedikit pemeriksaan paket. Kami menyelesaikan masalah dengan memindahkan logik yang diperlukan untuk melakukan pemeriksaan paket dan pengesanan internet ke suis rangkaian yang diedarkan dan dapat mengendalikan jumlah data yang melalui tahap rangkaian. Kami tidak bimbang mengenainya pada tahap berpusat dengan firewall, kami memindahkannya ke suis.
Dan jadi kami mempunyai pengeluar membina keupayaan untuk kami menolak laluan dan peraturan dan dasar ke suis Ethernet supaya pada tahap pelabuhan Ethernet sebenar, dan mungkin banyak orang di kolam renang tidak biasa dengan ini kerana kami semua yang hidup di dunia tanpa wayar sekarang, tetapi pada satu masa dahulu semuanya terpasang melalui Ethernet. Sekarang di peringkat pelabuhan Ethernet kami melakukan pemeriksaan paket untuk melihat sama ada paket itu dibenarkan masuk ke suis dan masuk ke rangkaian. Sebahagian daripada ini adalah apa yang sedang kita selesaikan sekarang dalam menghadapi cabaran ini dalam menangkap data dalam rangkaian, khususnya dari peranti IRT, dan memeriksa dan melakukan analisis di atasnya dan mungkin menganalisisnya dalam masa nyata untuk membuat keputusan mengenainya. Dan sebahagian daripadanya untuk mendapatkan pandangan tentang kecerdasan perniagaan dan maklumat tentang bagaimana manusia membuat keputusan yang lebih baik dan analisis dan prestasi lain untuk perkara tahap mesin ke mesin di mana peranti bercakap dengan peranti dan membuat keputusan.
Dan ini akan menjadi trend yang kita perlu melihat penyelesaian dalam masa terdekat kerana jika kita tidak, kita hanya akan berakhir dengan banjir kebisingan ini. Dan kami telah melihat di dunia data yang besar, kami telah melihat perkara-perkara seperti tasik data bertukar menjadi paya data yang kami hanya berakhir dengan banjir bunyi yang kami tidak tahu cara menyelesaikan analisis pemprosesan dalam sentralisasi fesyen. Jika kita tidak menyelesaikan masalah ini, pada pandangan saya, dengan IoT serta-merta dan mendapatkan penyelesaian platform dengan cepat kita akan berakhir di tempat yang sangat buruk.
Dan dengan itu saya akan menutup dengan titik saya yang saya percaya bahawa salah satu perubahan terbesar yang berlaku dalam data besar dan ruang analitik sekarang sedang didorong oleh keperluan segera untuk bertindak balas terhadap kesan internet perkara-perkara dalam analitik kelantangan tinggi dan masa nyata, di mana kita perlu mengalihkan analisis ke rangkaian dan akhirnya ke tepi rangkaian hanya untuk mengatasi kelantangan semata-mata, hanya untuk memprosesnya. Dan kemudian, diharapkan, kami meletakkan kecerdasan itu ke dalam rangkaian dan tepi rangkaian di hub dan bercakap model yang sebenarnya kita dapat menguruskannya dan mendapatkan wawasan dalam masa nyata dan mendapatkan nilai daripadanya. Dan dengan itu saya akan menyerahkan kepada tetamu kami dan melihat di mana perbualan ini membawa kami.
Shawn Rogers: Terima kasih banyak. Ini adalah Shawn Rogers dari Dell Statistica, dan anak lelaki, hanya untuk memulakan, saya bersetuju sepenuhnya dengan semua topik utama yang telah disentuh di sini. Dan Rebecca, anda bermula dengan satu di sekeliling idea, anda tahu, data ini bukan baru, dan ia adalah luar biasa kepada saya berapa banyak masa dan tenaga dibelanjakan untuk membincangkan data, data, data IoT. Dan sudah tentu relevan, anda tahu, Robin membuat titik yang baik, walaupun anda melakukan sesuatu yang sangat mudah dan anda sedang mengetikkan termostat sekali sejam, anda tahu, anda melakukannya 24 jam sehari dan anda sebenarnya mempunyai, anda tahu, beberapa cabaran data yang menarik. Tetapi, anda tahu, pada akhirnya - dan saya fikir ramai orang dalam industri bercakap mengenai data dengan cara ini - bahawa ia tidak benar-benar begitu menarik dan, kepada titik Rebecca, sudah lama, tetapi masa yang panjang, tetapi kita tidak pernah dapat menggunakannya dengan baik. Dan saya fikir industri analitik lanjutan dan industri BI secara umumnya mula benar-benar berpaling ke arah IoT. Dan Dez, pada titik terakhir anda, ini menjadi sebahagian daripada atau salah satu titik yang mencabar mengenai landskap data yang besar yang saya fikir adalah benar. Saya fikir semua orang sangat teruja tentang apa yang boleh kita lakukan dengan jenis data ini, tetapi pada masa yang sama, jika kita tidak dapat memikirkan bagaimana untuk memohon wawasan, mengambil tindakan dan, anda tahu, dapatkan analisis di mana data itu, saya fikir kita akan menghadapi cabaran yang tidak dilihat oleh orang ramai.
Dengan itu, dalam ruang analitik lanjutan, kami peminat besar tentang apa yang kami fikir boleh berlaku dengan data IoT, terutama jika kami menggunakan analisisnya. Dan terdapat banyak maklumat mengenai slaid ini dan saya akan membiarkan semua orang memburu dan membelai, tetapi jika anda melihat sektor yang berbeza seperti runcit ke arah yang jauh, melihat peluang mereka timbul di sekitar dapat menjadi lebih inovatif atau mempunyai beberapa penjimatan kos atau pengoptimuman atau penambahbaikan proses adalah sangat penting dan mereka melihat banyak kes penggunaan untuk itu. Sekiranya anda melihat, anda tahu, dibiarkan ke seluruh slaid, anda akan melihat bagaimana setiap industri individu ini menuntut keupayaan baru dan peluang pembezaan baru untuk diri mereka apabila mereka menggunakan analisis untuk IoT. Dan saya rasa garis bawah adalah, jika anda berusaha untuk menurunkan laluan itu, anda tidak perlu risau tentang data, seperti yang telah kami bincangkan, dan seni bina, tetapi anda juga perlu melihat cara terbaik untuk memohon analisis ke atasnya dan di mana analisis perlu dilakukan.
Untuk kebanyakan kita pada panggilan hari ini, anda tahu, Robin dan saya telah mengenali antara satu sama lain dalam masa yang sangat lama dan mempunyai banyak perbualan tentang seni bina tradisional di masa lalu, mereka di sekitar pangkalan data berpusat atau gudang data perusahaan dan sebagainya, telah dijumpai selama sedekad yang lalu atau jadi kami melakukan kerja yang cukup baik untuk membentangkan keterbatasan infrastruktur tersebut. Dan mereka tidak begitu teguh atau kuat seperti yang kita mahu mereka hari ini untuk menyokong semua analitik hebat yang kami gunakan untuk maklumat itu dan sudah tentu maklumat itu juga melanggar seni bina, anda tahu, kelajuan data, jumlah data dan sebagainya, pasti membentangkan batasan beberapa pendekatan dan strategi kami yang lebih tradisional untuk jenis kerja ini. Dan saya fikir ia mula mula memanggil keperluan syarikat-syarikat untuk mengambil sudut pandangan yang lebih tangkas dan mungkin lebih fleksibel dan itu bahagiannya, saya rasa, saya ingin bercakap tentang sedikit di sebelah IoT.
Sebelum saya melakukannya, saya akan mengambil masa sekadar untuk membiarkan semua orang dalam panggilan, memberi anda sedikit latar belakang mengenai apa yang Statistica dan apa yang kita lakukan. Seperti yang anda lihat pada tajuk slaid ini, Statistica adalah analisis ramalan, data besar dan visualisasi untuk platform IoT. Produk itu sendiri berusia lebih dari 30 tahun dan kami bersaing dengan pemimpin-pemimpin lain di pasaran yang mungkin anda kenal sepanjang garis-garis yang dapat menerapkan analisis ramalan, analisis maju ke data. Kami melihat peluang untuk memperluaskan jangkauan kami di mana kami meletakkan analitik kami dan mula bekerja pada beberapa teknologi sementara yang telah meletakkan kami dengan baik untuk mengambil kesempatan daripada apa yang kedua-dua Dez dan Robin telah membincangkan tentang hari ini, yang merupakan pendekatan baru ini dan di mana anda akan meletakkan analisis dan bagaimana anda akan meldinya dengan data. Di samping itu, terdapat perkara lain yang perlu anda dapat alamat dengan platform, dan seperti yang saya nyatakan, Statistica telah berada di pasaran dalam masa yang lama. Kami sangat baik pada hal-hal yang menggabungkan data dan saya fikir, anda tahu, kami tidak terlalu banyak bercakap mengenai akses data hari ini, tetapi dapat menjangkau rangkaian-rangkaian ini dan mendapatkan tangan anda pada data yang betul di masa yang tepat menjadi lebih dan lebih menarik dan penting kepada pengguna akhir.
Akhir sekali, saya akan mengulas satu lagi perkara di sini, kerana Dez membuat titik yang baik tentang rangkaian itu sendiri, mempunyai beberapa tahap kawalan dan keselamatan ke atas model analitik di seluruh persekitaran anda dan bagaimana mereka melampirkan diri kepada data menjadi sangat penting. Apabila saya masuk ke dalam industri ini beberapa tahun yang lalu - hampir 20 saya fikir pada ketika ini - apabila kita bercakap tentang analisis maju, ia adalah sangat teratur. Hanya beberapa orang dalam organisasi yang mempunyai tangan di atasnya, mereka mengerahkannya dan mereka memberikan jawapan kepada orang seperti yang dikehendaki atau memberikan pandangan seperti yang diperlukan. Itu benar-benar berubah dan apa yang kita lihat adalah banyak orang yang bekerja dengan satu atau lebih cara yang lebih fleksibel dan cara mencapai data, menggunakan keselamatan dan tadbir urus kepada data dan kemudian dapat berkolaborasi di atasnya. Ini adalah beberapa perkara penting yang dilihat oleh Dell Statistica.
Tetapi saya ingin menyelam ke dalam topik yang lebih hampir dengan tajuk hari ini iaitu bagaimana kita harus menangani data yang datang dari internet perkara-perkara dan apa yang mungkin anda cari ketika anda melihat penyelesaian yang berbeza. Slaid yang saya bangun di hadapan anda sekarang adalah jenis pandangan tradisional dan kedua-dua Dez dan Robin menyentuh perkara ini, anda tahu, idea ini bercakap kepada sensor, sama ada kereta atau pemanggang atau turbin angin, atau apa yang ada pada anda, dan kemudian mengalihkan data tersebut dari sumber data ke rangkaian anda ke konfigurasi jenis terpusat, seperti yang disebutkan oleh Dez. Dan rangkaiannya agak baik dan banyak syarikat masuk ke ruang IoT pada mulanya mula melakukannya dengan model itu.
Perkara lain yang datang, jika anda melihat ke arah bawah slaid, adalah idea untuk mengambil sumber data tradisional yang lain, menambah data IoT anda dan kemudian pada teras jenis ini, sama ada inti anda menjadi pusat data atau ia mungkin dalam awan, tidak begitu penting, anda akan mengambil produk seperti Statistica dan kemudian menerapkan analitik kepadanya pada ketika itu dan kemudian memberikan gambaran kepada pengguna ke sebelah kanan. Dan saya berfikir bahawa ini adalah kepentingan jadual pada ketika ini. Ini adalah sesuatu yang perlu anda lakukan dan anda perlu mempunyai seni bina yang cukup terbuka untuk platform analisis lanjutan dan bercakap dengan semua ini, jenis, pelbagai sumber data, semua sensor ini dan semua destinasi yang berbeza di mana anda mempunyai data. Dan saya fikir ini adalah sesuatu yang perlu anda lakukan dan saya fikir anda akan dapati bahawa banyak pemimpin di pasaran dapat melakukan perkara-perkara seperti ini. Di sini di Statistica kita bercakap tentang ini sebagai analitik teras. Pergi mendapatkan data, membawa data kembali ke inti, memprosesnya, menambah lebih banyak data jika perlu atau jika berfaedah, dan melakukan analitik anda dan kemudian bagikan maklumat untuk tindakan atau untuk wawasan.
Dan saya fikir mereka sudah pasti dari segi fungsi, kita mungkin semua bersetuju bahawa, anda tahu, ini adalah keperluan kosong dan semua orang perlu melakukan ini. Di mana ia mula menjadi menarik adalah di mana anda mempunyai sejumlah besar data, anda tahu, datang dari pelbagai sumber data, seperti sensor IoT, seperti yang saya sebutkan, sama ada ia adalah kereta atau kamera keselamatan atau proses pembuatan, mula mula menjadi satu kelebihan untuk dapat melakukan analitik di mana data itu sebenarnya dihasilkan. Dan kelebihannya kepada kebanyakan orang, saya fikir, apabila kita mula mengalihkan analisis dari teras ke tepi adalah keupayaan menyebarkan beberapa cabaran data yang sedang berlaku, dan Dez dan Robin mungkin akan memberi komen tentang ini pada akhir hari ini, tetapi saya fikir anda perlu memantau dan mengambil tindakan ke atas data di tepi supaya tidak selalu perlu untuk memindahkan semua data tersebut ke rangkaian anda. Robin membincangkannya dalam bentuknya, seperti gambar-gambar arkitek yang ditariknya, di mana anda mempunyai semua sumber yang berbeza tetapi biasanya terdapat beberapa titik agregasi. Titik pengagregatan yang kita lihat agak kerap sama ada pada tahap sensor, tetapi lebih kerap pada tahap gerbang. Dan gateway ini wujud sebagai jenis perantara aliran data dari sumber data sebelum anda kembali ke inti.
Salah satu peluang yang dimanfaatkan oleh Dell Statistica ialah keupayaan kami untuk mengeksport model dari platform analisis lanjutan kami berpusat untuk dapat mengambil model dan kemudian melaksanakan model itu di pinggir di platform yang berbeza, seperti pintu masuk atau di dalam pangkalan data, atau apa yang ada pada anda. Dan saya fikir bahawa kelonggaran yang diberikan kepada kita adalah apa yang paling menarik dalam perbualan hari ini, adakah anda ada dalam infrastruktur anda hari ini? Adakah anda mampu bergerak analitik ke mana data hidup berbanding hanya sentiasa memindahkan data ke mana analisis anda hidup? Dan itu sesuatu yang telah difokuskan oleh Statistica sejak sekian lama, dan ketika anda melihat lebih dekat pada slaid, anda akan melihat bahawa ada beberapa teknologi lain di sana dari syarikat saudara kami, Dell Boomi. Dell Boomi adalah integrasi data dan platform integrasi aplikasi di awan dan kami sebenarnya menggunakan Dell Boomi sebagai alat pemerdagangan untuk memindahkan model kami dari Dell Statistica, melalui Boomi dan ke peranti tepi. Dan kami fikir ini adalah satu pendekatan yang tangkas bahawa syarikat akan menuntut, seperti yang mereka suka versi yang saya tunjukkan kepada anda seminit yang lalu, yang merupakan jenis idea utama untuk memindahkan data dari sensor sepanjang jalan kembali ke pusat, pada masa yang sama syarikat-syarikat akan mahu dapat melakukannya dengan cara yang saya seperti menguraikan di sini. Dan kelebihan untuk melakukan ini adalah dengan beberapa perkara yang dibuat oleh Robin dan Dez, iaitu, apakah anda boleh membuat keputusan dan mengambil tindakan pada kelajuan perniagaan anda? Bolehkah anda mengalihkan analisis dari satu tempat ke tempat yang lain dan dapat menyelamatkan diri dari masa, wang dan tenaga dan kerumitan data yang terus menggerakkan data kelebihan ini ke inti.
Sekarang saya yang pertama mengatakan bahawa beberapa data kelebihan akan sentiasa mendapat manfaat yang cukup tinggi di mana ia masuk akal untuk menyimpan data itu dan menyimpannya dan membawanya kembali ke rangkaian anda, tetapi apa analitik tepi akan membolehkan anda Adakah kebolehan untuk membuat keputusan pada kelajuan bahawa data itu sebenarnya datang, bukan? Bahawa anda dapat memohon wawasan dan tindakan pada kelajuan di mana nilai tertinggi adalah. Dan saya fikir bahawa itu sesuatu yang akan kita cari ketika menggunakan analisis lanjutan dan data IoT adalah peluang ini untuk bergerak pada kelajuan perniagaan atau kecepatan yang dituntut oleh pelanggan. Saya fikir kedudukan kita, adakah saya fikir anda perlu melakukan kedua-duanya. Dan saya fikir bahawa tidak lama lagi dan dengan pantas kerana lebih banyak syarikat melihat lebih banyak data yang pelbagai, terutamanya dari sisi IOT, mereka akan mula melihat ruang vendor dan menuntut apa yang mampu dilakukan oleh Statistica. Yang menggunakan model di inti, seperti yang telah kami lakukan secara tradisional selama bertahun-tahun, atau menggunakannya pada platform yang mungkin mungkin tidak tradisional, seperti gerbang IoT, dan sebenarnya dapat menjaringkan dan menerapkan analisis ke data di tepi kerana data dihasilkan. Dan saya fikir di sinilah bahagian yang menarik dalam perbualan ini masuk. Oleh kerana dapat menggunakan analitik di pinggir pada saat data itu datang dari sensor, membolehkan kita mengambil tindakan secepat yang kita perlukan, tetapi juga membolehkan kita membuat keputusan, adakah data ini perlu berjalan terus ke teras dengan segera? Bolehkah kita mengumpulnya di sini dan kemudian menghantarnya semula ke dalam kepingan dan bahagian-bahagian dan melakukan analisa lanjut nanti? Dan itulah yang kita lihat banyak pelanggan utama kami lakukan.
Cara Dell Statistica melakukan ini adalah kita mempunyai keupayaan menggunakan, jadi katakanlah contohnya anda membina rangkaian neural di dalam Statistica dan anda mahu meletakkan rangkaian saraf di tempat lain dalam landskap data anda. Kami mempunyai keupayaan untuk mengeluarkan model-model dan semua bahasa yang anda perhatikan di penjuru kanan di sana - Java, PPML, C dan SQL dan sebagainya, kami juga memasukkan Python dan kami dapat mengeksport skrip kami juga - dan apabila anda bergerak dari platform kami yang berpusat, anda kemudiannya dapat menggunakan model atau algoritma itu di mana sahaja anda memerlukannya. Dan seperti yang saya nyatakan sebelum ini, kami menggunakan Dell Boomi untuk meletakkannya dan memarkirnya di mana kami perlu menjalankannya dan kemudian kami dapat membawa hasilnya kembali, atau kami dapat membantu membawa data kembali, atau menjaringkan data dan mengambil tindakan menggunakan enjin peraturan kami . Semua perkara itu menjadi penting apabila kita mula melihat jenis data ini dan kita berfikir lagi.
Ini adalah sesuatu yang sebahagian besar daripada anda di telefon akan mempunyai keperluan untuk dilakukan kerana ia akan menjadi sangat mahal dan dikenakan cukai pada rangkaian anda, seperti yang disebutkan Dez, untuk memindahkan data dari sebelah kiri gambarajah ini ke kanan gambarajah ini masa. Ia tidak seperti banyak tetapi kami telah melihat pelanggan pembuatan dengan sepuluh ribu sensor di kilang mereka. Dan jika anda mempunyai sepuluh ribu sensor di kilang anda, walaupun anda hanya melakukan satu ujian atau isyarat kedua, anda bercakap tentang lapan puluh empat ribu baris data dari setiap sensor individu setiap hari. Dan begitu data itu pasti buas dan Robin semacam menyebutnya. Di hadapan saya menyebutkan beberapa industri di mana kita melihat orang mendapatkan beberapa perkara menarik yang dilakukan dengan menggunakan perisian dan data IOT kami: bangunan automasi, tenaga, utiliti adalah ruang yang sangat penting. Kami melihat banyak kerja yang dilakukan pada pengoptimuman sistem, bahkan perkhidmatan pelanggan dan tentu saja operasi dan penyelenggaraan keseluruhan, dalam kemudahan tenaga dan dalam bangunan untuk automasi. Dan inilah beberapa kes penggunaan yang kita lihat cukup kuat.
Kami telah melakukan analitik kelebihan sebelum ini, saya rasa, istilah itu dicipta. Seperti yang saya nyatakan, kami mempunyai akar yang mendalam di Statistica. Syarikat itu diasaskan hampir 30 tahun yang lalu sehingga kami mendapat pelanggan kembali agak lama yang mengintegrasikan data IoT dengan analisis mereka dan telah lama. Dan Alliant Energy adalah salah satu daripada kes penggunaan atau pelanggan rujukan kami. Dan anda boleh membayangkan isu syarikat tenaga dengan loji fizikal. Peningkatan di luar dinding bata dari loji fizikal adalah sukar dan syarikat-syarikat tenaga seperti Alliant mencari cara untuk mengoptimumkan pengeluaran tenaga mereka, pada dasarnya meningkatkan proses pembuatan mereka dan mengoptimumkannya ke tahap tertinggi. Dan mereka menggunakan Statistica untuk menguruskan relau di dalam tumbuhan mereka. Dan bagi kita semua yang kembali ke zaman awal kita dalam kelas sains kita semua tahu bahawa tungku membuat haba, haba membuat stim, turbin berputar, kita mendapat elektrik. Masalah bagi syarikat seperti Alliant sebenarnya mengoptimumkan bagaimana keadaan menjadi panas dan terbakar di dalam tungku siklon besar itu. Dan mengoptimumkan output untuk mengelakkan kos tambahan pencemaran, anjakan karbon, dan sebagainya. Oleh itu, anda perlu memantau bahagian dalam salah satu relau siklon ini dengan semua alat, sensor, dan kemudian mengambil semua data sensor itu dan membuat perubahan kepada proses tenaga secara berterusan. Dan itulah yang dilakukan oleh Statistica untuk Alliant sejak tahun 2007, sebelum istilah IoT terlalu popular.
Kepada titik Rebecca pada awal, data itu sudah tentu tidak baru. Keupayaan untuk memproses dan menggunakannya dengan betul adalah benar-benar perkara yang menarik. Kami telah bercakap sedikit tentang penjagaan kesihatan dalam pra-panggilan hari ini dan kami melihat semua jenis aplikasi untuk orang ramai untuk melakukan perkara seperti penjagaan pesakit yang lebih baik, penyelenggaraan pencegahan, pengurusan rantaian bekalan dan kecekapan operasi dalam penjagaan kesihatan. Dan itu agak berterusan dan terdapat banyak kes penggunaan yang berbeza. Satu yang kami bangga di sini di Statistica adalah dengan pelanggan kami Shire Biopharmaceuticals. Dan Shire membuat dadah khusus untuk penyakit yang sangat sukar untuk dirawat. Dan apabila mereka membuat satu kumpulan ubat mereka untuk pelanggan mereka, ia adalah proses yang sangat mahal dan proses yang sangat mahal juga memerlukan masa. Apabila anda berfikir tentang proses pembuatan seperti yang anda lihat, cabaran menyatukan seluruh data, cukup fleksibel merentasi pelbagai cara memasukkan data ke dalam sistem, mengesahkan maklumat dan kemudian dapat meramal tentang bagaimana kami membantu pelanggan tersebut. Dan proses yang menarik kebanyakan maklumat dari sistem perkilangan kami dan tentu saja peranti dan sensor yang memacu sistem pembuatan ini. Dan ini adalah kes penggunaan yang hebat untuk bagaimana syarikat-syarikat menghindari kehilangan dan mengoptimumkan proses pembuatan mereka menggunakan kombinasi data sensor, data IoT dan data biasa dari proses mereka.
Jadi, anda tahu, satu contoh yang baik di mana pembuatan, dan terutamanya pembuatan berteknologi tinggi, memberi manfaat kepada industri penjagaan kesihatan di sekitar jenis kerja dan data ini. Saya fikir saya mempunyai beberapa mata lain yang saya ingin buat sebelum saya membungkusnya dan memberikannya kembali kepada Dez dan Robin. Tetapi anda tahu, saya fikir idea ini dapat menolak analitik anda di mana-mana di dalam lingkungan anda adalah sesuatu yang akan menjadi sangat penting bagi kebanyakan syarikat. Dihubungkan kepada format tradisional ETL-ing data dari sumber-sumber kembali ke lokasi pusat akan selalu ada tempat dalam strategi anda, tetapi bukanlah satu-satunya strategi anda. Anda perlu mengambil pendekatan yang lebih fleksibel untuk perkara hari ini. Untuk menerapkan keselamatan yang saya nyatakan, elakkan daripada pengecualian rangkaian anda, untuk dapat mengurus dan menapis data kerana ia datang dari tepi, dan menentukan data apa yang patut disimpan untuk jangka panjang, data apa yang bernilai bergerak merentasi ke rangkaian kami, atau data apa yang hanya perlu dianalisis pada masa ia dibuat, bagi kami untuk membuat keputusan yang terbaik. Ini di mana-mana dan di mana-mana pendekatan analitik adalah sesuatu yang kita ambil dengan hati-hati di Statistica dan itu sesuatu yang kita sangat mahir di. Dan ia kembali kepada salah satu daripada slaid yang saya nyatakan sebelum ini, keupayaan untuk mengeksport model anda dalam pelbagai bahasa, supaya mereka dapat menyamai dan menyelaraskan dengan platform di mana data dibuat. Dan kemudian sudah tentu mempunyai peranti pengedaran bagi model-model yang juga merupakan sesuatu yang kami bawa ke meja dan kami sangat teruja. Saya fikir bahawa perbualan hari ini adalah, jika kita benar-benar akan mengambil serius tentang data ini yang berada di dalam sistem kami masa yang lama dan kami ingin mencari kelebihan persaingan dan sudut inovatif untuk menggunakannya, anda perlu memohon beberapa teknologi untuk itu yang membolehkan anda untuk melepaskan diri dari beberapa model ketat yang telah kami gunakan pada masa lalu.
Sekali lagi, maksud saya adalah bahawa jika anda akan melakukan IoT, saya fikir anda harus dapat melakukannya di teras, dan membawa data masuk dan menyesuaikannya dengan data lain dan melakukan analitik anda. Tetapi, sama pentingnya atau mungkin lebih penting lagi, anda harus mempunyai kelonggaran ini untuk meletakkan analitik dengan data dan mengalihkan analisis dari bahagian tengah arsitektur anda ke tepi untuk kelebihan yang telah saya sebutkan sebelum ini. Itulah sedikit tentang siapa kita dan apa yang kita lakukan di pasaran. Dan kami sangat teruja dengan IoT, kami fikir ia sudah pasti akan datang dan ada peluang hebat untuk semua orang di sini untuk mempengaruhi analisis dan proses kritikal mereka dengan jenis data ini.
Rebecca Jozwiak: Shawn, terima kasih banyak, itu persembahan yang hebat sekali. Dan saya tahu Dez mungkin mati untuk bertanya kepada anda beberapa soalan supaya Dez, saya akan membiarkan anda pergi dahulu.
Dez Blanchfield: Saya mempunyai satu juta soalan tetapi saya akan mengandungi diri saya kerana saya tahu Robin juga akan mempunyai. Salah satu perkara yang saya lihat jauh dan luas ialah soalan yang muncul dan saya benar-benar berminat untuk mendapatkan sedikit pengetahuan mengenai pengalaman anda dalam hal ini kerana anda betul-betul di dalam hati perkara-perkara. Organisasi sedang bergelut dengan cabaran itu, dan melihat beberapa dari mereka baru saja membaca "Revolusi Perindustrian Keempat" Klaus Schwab dan kemudian mengalami serangan panik. Dan orang-orang yang tidak biasa dengan buku ini, ia sebenarnya adalah pandangan oleh puan-puan, oleh Klaus Schwab, yang saya fikir adalah seorang profesor, yang merupakan pengasas dan Pengerusi Eksekutif Forum Ekonomi Dunia dari ingatan, dan buku itu pada asasnya internet seluruh dunia perkara letupan dan beberapa kesan ke atas dunia pada umumnya. Organisasi yang saya bicarakan tidak pasti sama ada mereka harus pergi dan mengubah persekitaran semasa atau melabur segala-galanya dalam membina semua persekitaran, infrastruktur dan platform baru. Di Dell Statistica juga, adakah anda melihat orang mengubah persekitaran semasa dan menggunakan platform anda ke dalam infrastruktur yang sedia ada, atau adakah anda melihat mereka beralih tumpuan mereka untuk membina semua infrastruktur baru dan bersedia untuk banjir ini?
Shawn Rogers: Anda tahu, kami mempunyai peluang untuk melayani kedua-dua jenis pelanggan dan berada di pasaran selagi kami ada, anda mendapat peluang untuk menjadi lebih luas. Kami mempunyai pelanggan yang telah membuat kilang fabrik baru dalam tempoh beberapa tahun yang lalu dan menyediakan mereka dengan data sensor, IoT, analisis dari kelebihan, berakhir hingga akhir proses tersebut. Tetapi saya harus mengatakan bahawa kebanyakan pelanggan kami adalah orang yang telah melakukan kerja jenis ini untuk beberapa ketika tetapi terpaksa mengabaikan data tersebut. Anda tahu, Rebecca membuat titik di hadapan - ini bukan data baru, jenis maklumat ini telah tersedia dalam banyak format yang berbeza untuk masa yang lama, tetapi di mana masalahnya adalah menyambung kepadanya, memindahkannya, membawanya ke tempat di mana anda boleh mendapatkan sesuatu yang bijak dilakukan dengannya.
Jadi, saya akan mengatakan bahawa kebanyakan pelanggan melihat apa yang mereka ada hari ini, dan Dez, anda telah membuat perkara ini sebelum ini, bahawa ini adalah sebahagian daripada revolusi data yang besar dan saya fikir apa yang benar-benar mengenai, adalah tentang semua revolusi data, kan? Kita tidak perlu mengabaikan data sistem tertentu atau data pembuatan atau data automasi bangunan lagi, kita kini mempunyai mainan dan alat yang betul untuk mendapatkannya dan kemudian melakukan perkara-perkara yang bijak dengannya. Dan saya fikir ada banyak pemandu di ruang ini yang membuatnya berlaku dan sesetengahnya adalah teknologi. Anda tahu, penyelesaian infrastruktur data besar seperti Hadoop dan lain-lain telah menjadikannya sedikit lebih murah dan sedikit lebih mudah bagi sesetengah daripada kita untuk berfikir tentang membuat tasik data jenis maklumat tersebut. Dan sekarang kita sedang mencari di sekitar perusahaan untuk pergi, "Hei, kita mempunyai analisis dalam proses pembuatan kami, tetapi adakah mereka akan dipertingkatkan jika kita dapat menambah beberapa pandangan dari proses ini?" Dan itu, saya fikir, apa yang paling banyak pelanggan kami lakukan. Ia tidak banyak mencipta dari bawah, tetapi menambah dan mengoptimumkan analisis yang mereka ada dengan data yang baru kepada mereka.
Dez Blanchfield: Ya, ada beberapa perkara menarik yang berlaku di beberapa industri terbesar yang pernah kita lihat, dan anda menyebutkan, kuasa dan utiliti. Penerbangan hanya melalui ledakan ini di mana salah satu peranti kegemaran saya yang sering saya bincangkan dengan kerap, Boeing 787 Dreamliner, dan sudah tentu Airbus setara, A330 telah menurunkan laluan yang sama. Terdapat seperti enam ribu sensor pada 787 ketika pertama kali dibebaskan, dan saya fikir mereka kini bercakap tentang lima belas ribu sensor dalam versi baru itu. Dan perkara yang ingin tahu tentang bercakap dengan beberapa orang yang berada di dunia itu adalah idea untuk meletakkan sensor dalam sayap dan sebagainya, dan perkara yang menakjubkan tentang 787 dalam platform reka bentuk adalah, anda tahu, mereka mencipta semula segala-galanya kapal terbang. Seperti sayap, sebagai contoh, apabila kapal terbang melepaskan sayap melipat hingga dua belas setengah meter. Tetapi dalam keterlaluan sayapnya boleh melentur di ujung hingga 25 meter. Perkara ini kelihatan seperti burung mengepak. Tetapi apa yang mereka tidak mempunyai masa untuk diperbaiki ialah kejuruteraan analisis semua data ini, jadi mereka mempunyai sensor yang membuat LED flash hijau dan merah jika sesuatu yang buruk berlaku, tetapi mereka tidak benar-benar berakhir dengan pandangan yang mendalam dalam waktu sebenar. Dan mereka juga tidak menyelesaikan masalah bagaimana untuk menggerakkan jumlah data di sekitar kerana di ruang udara domestik di AS setiap hari terdapat 87, 400 penerbangan. Apabila setiap pesawat menangkap dengan buihnya dari 787 Dreamliner, itu adalah 43 petabytes sehari data, kerana pesawat-pesawat ini kini mencipta kira-kira setengah terabyte data masing-masing. Dan apabila anda melipatgandakan 87, 400 penerbangan sehari dalam negara di Amerika Syarikat dengan titik lima atau setengah terabyte, anda mempunyai 43.5 petabytes data. Kami secara fizikal tidak boleh bergerak di sekelilingnya. Jadi dengan reka bentuk kita perlu menolak analisis ke dalam peranti.
Tetapi salah satu perkara yang menarik apabila saya melihat senibina ini - dan saya berminat untuk melihat apa yang anda fikirkan tentang ini - kita telah berpindah ke arah pengurusan data induk, semacam, prinsip pengurusan data pertama, menarik semuanya menjadi lokasi pusat. Kami mempunyai tasik data, dan kemudian kami membuat sedikit kolam data jika anda suka, mengekstrak apa yang kami lakukan analisis, tetapi dengan mengedarkan ke tepi, salah satu perkara yang terus muncul, terutamanya dari orang-orang pangkalan data dan pengurus data atau orang dalam perniagaan menguruskan maklumat, apakah yang berlaku apabila saya mendapat banyak data kecil yang kecil yang diedarkan tasik? Perkara-perkara macam apa yang telah digunakan untuk pemikiran ini mengenai analitik tepi dalam penyelesaian anda, dengan itu, secara tradisinya, semuanya akan berpusat dengan tasik data, sekarang kita berakhir dengan sedikitnya data di mana-mana, dan walaupun kita boleh melakukan analisis ke atas mereka secara tempatan untuk mendapatkan pandangan tempatan, apakah beberapa cabaran yang anda hadapi dan bagaimana anda telah menyelesaikannya, setelah menetapkan data yang diedarkan, dan terutamanya apabila anda memperoleh mikrokosma data tasik dan kawasan yang diedarkan?
Shawn Rogers: Saya fikir ia adalah satu daripada cabaran, bukan? Ketika kami pergi, anda tahu, mengangkut semua data kembali ke lokasi pusat atau contoh analitik teras yang saya berikan dan kemudian kita melakukan versi yang diedarkan adalah bahawa anda berakhir dengan semua silo kecil ini, bukan? Sama seperti yang digambarkan, kan? Mereka melakukan sedikit kerja, beberapa analisis berjalan, tetapi bagaimana anda membawa mereka kembali bersama? Dan saya fikir bahawa kunci itu akan menjadi orkestrasi merentasi semua itu dan saya fikir anda akan bersetuju dengan saya, tetapi saya gembira jika anda tidak, saya fikir kita telah menonton evolusi ini untuk beberapa waktu.
Kembali ke hari kawan-kawan kami Encik Inmon dan Encik Kimball yang membantu semua orang dengan senibina pelaburan gudang data awal mereka, maksudnya kami telah pergi dari model berpusat itu untuk waktu yang lama. Kami telah mengadopsi idea baru ini yang membolehkan data menunjukkan graviti bagi mana yang terbaik harus berada di dalam ekosistem anda dan menyelaraskan data dengan platform terbaik untuk mendapatkan hasil terbaik. Dan kami telah mula berbelanja, saya fikir, pendekatan yang lebih terancang untuk ekosistem kita sebagai cara yang menyeluruh untuk melakukan sesuatu, seperti yang kita cuba menyelaraskan semua sekaligus. Apa jenis analitik atau kerja yang saya akan lakukan dengan data, jenis data apa itu, yang akan membantu menentukan tempat ia harus hidup. Di mana ia dihasilkan dan apa jenis graviti yang ada data?
Anda tahu, kami melihat banyak contoh data besar di mana orang bercakap tentang mempunyai 10 dan 15-petabyte data tasik. Nah jika anda mempunyai tasik data yang besar, itu sangat tidak praktikal untuk anda memindahkannya dan jadi anda perlu membawa analitik kepadanya. Tetapi apabila anda berbuat demikian, kepada teras soalan anda, saya fikir ia menimbulkan banyak cabaran baru untuk semua orang untuk mengatur persekitaran dan menerapkan tadbir urus dan keselamatan, dan memahami apa yang perlu dilakukan dengan data itu untuk mengatasinya dan dapatkan nilai tertinggi daripada itu. Dan jujur dengan anda - Saya suka mendengar pendapat anda di sini - Saya fikir kita masih awal di sana dan saya fikir ada banyak kerja yang baik lagi yang perlu dilakukan. Saya fikir program seperti Statistica memberi tumpuan kepada memberi lebih banyak orang akses kepada data. Kami pasti menumpukan pada orang baru ini seperti ahli sains data warganegara yang ingin memandu analitik ramalan ke tempat di dalam organisasi yang mungkin tidak pernah berlaku sebelum ini. Dan saya fikir bahawa ini adalah sebahagian daripada hari-hari awal di sekeliling ini, tetapi saya fikir arc kematangan perlu menunjukkan tahap tinggi atau orkestrasi dan penyelarasan antara platform ini, dan pemahaman tentang apa yang ada pada mereka dan mengapa. Dan itu adalah masalah lama untuk semua orang data kita.
Dez Blanchfield: Memang benar dan saya bersetuju sepenuhnya dengan anda mengenai perkara itu dan saya fikir perkara yang hebat yang kita dengar di sini hari ini adalah sekurang-kurangnya hujung depan masalah sebenarnya menangkap data di, saya rasa, tahap pintu masuk di pinggir rangkaian dan keupayaan untuk melakukan analisis pada ketika itu pada asasnya diselesaikan sekarang. Dan sekarang ia membebaskan kita untuk benar-benar mula memikirkan cabaran seterusnya, yang mengagihkan tasik data. Terima kasih banyak untuk itu, itu persembahan yang hebat. Saya sangat menghargai peluang untuk berbual dengan anda mengenainya.
Saya akan pergi ke Robin sekarang kerana saya tahu dia ada, dan kemudian Rebecca juga mendapat senarai panjang soalan hebat dari penonton selepas Robin. Robin?
Dr. Robin Bloor: Baiklah. Shawn, saya ingin anda mengatakan sedikit lebih dan saya tidak cuba memberi anda peluang untuk mengiklankannya, tetapi ia sebenarnya sangat penting. Saya berminat untuk mengetahui di mana titik dalam masa Statistica sebenarnya menghasilkan keupayaan eksport model. Tetapi saya juga, saya ingin anda mengatakan sesuatu tentang Boomi kerana semua jenis yang anda katakan sejauh ini mengenai Boomi ialah ia ETL, dan memang ETL. Tetapi sebenarnya ETL yang cukup mampu dan untuk jenis waktu yang kita sedang bercakap tentang, dan beberapa situasi yang kita sedang berbincang di sini, itulah perkara yang sangat penting. Bolehkah anda bercakap dengan dua perkara ini untuk saya?
Shawn Rogers: Pasti, ya, saya boleh. Anda tahu, pergerakan kami ke arah ini pastinya berulang dan ia merupakan proses langkah demi langkah. Kami baru bersiap sedia minggu ini untuk melancarkan Versi 13.2 Statistica. Dan ia mempunyai kemas kini terbaru tentang semua keupayaan yang kita sedang bercakap mengenai hari ini. Tetapi kembali ke Versi 13, setahun lalu Oktober, kami mengumumkan keupayaan kami untuk mengeksport model dari platform kami, dan kami memanggilnya NDAA pada masa itu. Akronim berdiri untuk Senibina Analytics Teragih Asli. Apa yang kami lakukan ialah kami meletakkan banyak masa, tenaga dan tumpuan untuk membuka platform kami dengan peluang untuk menggunakannya sebagai pusat arahan sentral untuk analisis lanjutan anda, tetapi juga untuk menggunakannya. Dan tempat-tempat pertama, Robin, yang kami gunakan, kami melakukan tambahan yang benar-benar hebat kepada platform sekitar pembelajaran mesin. Dan dengan itu kami mempunyai keupayaan untuk menggunakan Statistica untuk Azure Awan Microsoft untuk menggunakan kuasa Azure untuk pembelajaran mesin kuasa, seperti yang anda tahu, sangat intensif dan merupakan cara terbaik untuk menggunakan teknologi awan. Dan jadi itu yang pertama kali.
Sekarang di sini kami mengeksport model kami kepada Azure dan menggunakan Azure untuk menjalankannya dan kemudian menghantar data, atau hasilnya, kembali ke platform Statistica. Dan kemudian kami berpindah ke bahasa-bahasa lain yang kami mahu dapat dieksport dari, dan tentu saja salah satu daripada mereka adalah Java membuka pintu untuk kami sekarang mula mengeksport model kami ke luar ke lokasi lain seperti Hadoop, maka kemudian memberikan kami bermain di sana juga.
Dan akhirnya kami memberi tumpuan kepada dapat mengeluarkan model kami dengan pembebasan itu ke dalam pangkalan data. Dan supaya iterasi pertama dan jujur dengan anda, permainan akhir adalah IoT tetapi kami tidak cukup di sana dengan Versi 13 Oktober lepas. Sejak itu, kami telah mendapat ke sana dan ada kaitan dengan keupayaan untuk melakukan semua perkara yang saya sebut tadi, tetapi kemudian mempunyai beberapa alat pengangkutan. Dan akan kembali kepada soalan Dez, anda tahu, apakah cabaran dan bagaimana kita melakukan ini apabila kita mempunyai semua analisis ini berjalan-jalan? Nah, kami menggunakan Boomi sebagai hab pengedaran dan jadi kerana ia berada di awan dan kerana ia begitu kuat, seperti yang saya nyatakan sebelum ini, ia adalah platform integrasi data, tetapi ia juga merupakan platform integrasi aplikasi, dan ia menggunakan JVM untuk membolehkan kami untuk meletak dan melakukan kerja di mana sahaja anda boleh mendarat mesin maya Java. Itulah yang benar-benar menggerakkan pintu terbuka untuk semua pintu masuk dan platform pengkalan tepi dan pelayan tepi, kerana mereka semua mempunyai pengiraan dan platform yang tersedia untuk menjalankan JVM masuk Dan kerana kita boleh menjalankan JVM di mana saja, Boomi telah beralih menjadi distribusi yang hebat dan, menggunakan kata saya dari awal, peranti orkestra.
Dan ini benar-benar penting kerana kita semua, anda tahu, saya fikir senario kapal terbang seminit yang lalu adalah yang hebat, dan saya nyatakan, anda tahu, pengeluar seperti Shire yang mempunyai sepuluh ribu sensor di salah satu kilang mereka, anda perlu mula menangani jenis pendekatan utama untuk analisis lanjutan pada satu ketika. Menjadi ad hoc mengenainya sebenarnya tidak berfungsi lagi. Ia digunakan apabila volum model dan algoritma yang kami jalankan adalah minimum, tetapi sekarang ia adalah maksimum. Terdapat ribuan daripada mereka dalam organisasi. Jadi kami ada, sebahagian daripada platform kami adalah pelayan berdasarkan dan apabila anda mempunyai perisian perusahaan kami, anda juga mempunyai keupayaan untuk menala dan menjaringkan dan menguruskan model anda di seluruh alam sekitar. Dan itu juga sebahagian daripada perkara orkestra itu. Kami perlu mempunyai lapisan, Robin, di tempat yang bukan sahaja membolehkan anda mendapatkan model di sana di tempat pertama, tetapi juga memberi anda saluran untuk tweaking model-model dan menggantikannya secara berterusan sekerap yang anda perlukan, kerana ini bukan sesuatu yang boleh anda lakukan secara manual. Anda tidak boleh berjalan-jalan di kilang penapis dengan pemacu ibu jari yang cuba memuat naik model ke pintu gerbang. Anda perlu mempunyai sistem pengangkutan dan pengurusan di antara mereka, jadi gabungan Statistica dan Boomi memberikannya kepada pelanggan kami.
Dr. Robin Bloor: Ya. Baiklah, saya akan menjadi sangat ringkas tetapi, anda tahu, kenyataan yang dibuat sebelum ini mengenai tasik data dan idea mengumpulkan petabytes di mana-mana tempat tertentu, dan hakikat bahawa ia mempunyai graviti. Anda tahu, apabila anda mula bercakap tentang orkestra, ia hanya mula membuat saya memikirkan fakta yang sangat mudah bahawa, anda tahu, meletakkan tasik data yang sangat besar di satu tempat mungkin bermakna anda benar-benar perlu menyokongnya dan ia mungkin bermakna bahawa anda perlu memindahkan banyak data di sekeliling. Anda tahu, senibina data sebenar lebih banyak lagi, pada pandangan saya pula, lebih banyak lagi ke arah yang anda bicarakan. Yang untuk mengedarkannya ke tempat yang masuk akal, mungkin perkara yang saya katakan. Dan sepertinya anda mempunyai keupayaan yang sangat baik untuk melakukan ini. Maksud saya, saya memberi taklimat mengenai Boomi jadi ia, dalam satu cara atau yang lain, hampir tidak adil yang saya dapat melihatnya dan mungkin penonton tidak boleh. Tetapi Boomi sangat penting, dalam pandangan saya, dari segi apa yang anda lakukan kerana ia mempunyai keupayaan aplikasi. Dan juga kerana kebenaran perkara ini adalah anda tidak melakukan pengiraan analitik ini tanpa mahu melakukan sesuatu di suatu tempat untuk sebab tertentu atau yang lain. Dan Boomi memainkan peranan dalam itu, kan?
Shawn Rogers: Ya, betul. Dan seperti yang anda tahu dari perbualan sebelumnya, Statistica mempunyai enjin peraturan perniagaan penuh di dalamnya. Dan saya fikir bahawa itu benar-benar penting apabila kita turun ke mengapa kita melakukan ini. Anda tahu, saya bercanda di hadapan bahawa tidak ada alasan untuk melakukan IoT sama sekali kecuali anda akan menganalisis, menggunakan data untuk membuat keputusan yang lebih baik atau mengambil tindakan. Dan apa yang kami fokuskan pada bukan hanya dapat meletakkan model di luar sana tetapi mampu menandakan bersama dengannya, satu set peraturan. Dan kerana Boomi begitu kuat dalam keupayaannya untuk memindahkan sesuatu dari satu tempat ke tempat lain, dalam atom Boomi kita juga boleh membenamkan keupayaan untuk mencetuskan, memberi amaran dan mengambil tindakan.
Dan di sinilah kita mula mendapat pandangan yang begitu canggih mengenai data IoT yang mana kita katakan, "Baiklah, data ini patut didengar." Tetapi, anda tahu, dengan mengetahui bahawa "cahaya sedang dihidupkan, cahaya sedang dihidupkan, cahaya berada pada "tidak begitu menarik apabila cahaya keluar atau ketika pengesan asap padam atau ketika apa pun yang terjadi pada proses pembuatan kami keluar dari spec. Bila itu berlaku, kita mahu dapat mengambil tindakan segera. Dan data menjadi hampir sekunder di sini pada ketika ini. Kerana tidak begitu penting bahawa kita menyelamatkan semua orang, isyarat "baiklah, tidak apa-apa, tidak apa-apa", apa yang penting ialah kita melihat "Hei, itu buruk" dan kita mengambil tindakan segera. Sama ada ia menghantar e-mel kepada seseorang atau kami boleh mendapatkan kepakaran domain yang terlibat, atau sama ada kami menetapkan beberapa siri proses lain untuk mengambil tindakan segera, sama ada yang diperbetulkan atau sebagai respons terhadap maklumat tersebut. Dan saya fikir itulah sebabnya anda perlu memikirkannya. Anda tidak boleh memberi tumpuan kepada menguruskan algoritma anda di seluruh tempat. Anda harus dapat menyelaraskan dan mengaturkan mereka. Anda perlu melihat bagaimana prestasi mereka. Dan, yang paling penting, saya maksudkan, mengapa sih yang anda akan lakukan ini jika anda tidak dapat menambah peluang untuk mengambil tindakan segera terhadap data?
Dr Robin Bloor: Baiklah, Rebecca, saya percaya anda ada soalan dari penonton?
Rebecca Jozwiak: Saya buat. Saya mempunyai satu tan soalan penonton. Shawn, saya tahu anda tidak mahu bertahan terlalu lama melewati puncak jam. Apa pendapat kamu?
Shawn Rogers: Saya gembira. Teruskan. Saya boleh menjawab beberapa orang.
Rebecca Jozwiak: Mari lihat. Saya tahu salah satu perkara yang anda nyatakan adalah bahawa IoT berada di zaman awal dan ia mempunyai tahap kematangan yang akan berlaku dan ia seperti bercakap dengan soalan ini yang ditanya oleh salah seorang peserta. Jika rangka kerja IPv6 akan cukup mantap untuk menampung pertumbuhan IoT dalam tempoh lima atau sepuluh tahun akan datang?
Shawn Rogers: Oh, saya akan membiarkan Dez menjawab jawapan saya kerana saya fikir dia lebih dekat dengan jenis maklumat yang saya ada. Tetapi saya selalu berfikir bahawa kita berada di landasan yang sangat cepat untuk membongkok dan memecahkan sebahagian besar kerangka yang kita ada di tempat. Dan sementara saya fikir penambahan semacam spesifikasi baru atau arah yang kita jalankan dengan rangka kerja IPv6 adalah penting, dan ia membuka pintu untuk kita mempunyai lebih banyak peranti, dan dapat memberikan segala yang kita mahu memberikan alamat. Saya fikir semua yang saya baca dan melihat dengan pelanggan saya, dan bilangan alamat yang diperlukan, saya fikir pada satu ketika akan menyebabkan perubahan lain dalam landskap itu. Tetapi saya bukan pakar jaringan jadi saya tidak boleh mengatakan seratus peratus bahawa kita akan memecahkannya pada satu ketika. Tetapi pengalaman saya memberitahu saya bahawa kita akan mengganggu model itu pada satu ketika.
Rebecca Jozwiak: Saya tidak akan terkejut. Saya fikir kerangka kerja adalah jenis pemecahan di bawah berat semua jenis perkara. Dan itu hanya logik, bukan? Maksud saya, anda tidak boleh menghantar e-mel dengan mesin taip. Peserta lain bertanya, "Bolehkah anda menggunakan rangka kerja Hadoop?" Tetapi saya rasa saya mungkin mengubahnya untuk mengatakan, bagaimana anda akan menggunakan rangka kerja Hadoop untuk analitik yang diedarkan?
Shawn Rogers: Baiklah, Robin memihak kepada saya untuk bertanya kepada saya soalan sejarah dan sejak Versi 13 kira-kira setahun yang lalu untuk Statistica, kami mempunyai keupayaan untuk memandu model dari sistem kami dan ke Hadoop. Dan kami bekerja sangat rapat dengan semua rasa besar Hadoop. Kami mempunyai kisah kejayaan yang hebat di sekeliling kemampuan untuk bekerja dengan Cloudera sebagai salah satu distribusi utama Hadoop yang kami bekerjasama. Tetapi kerana kita boleh menghasilkan di Jawa, ia memberi kita keupayaan ini untuk terbuka dan meletakkan analitik kita di mana saja. Menempatkan mereka ke dalam kelompok Hadoop adalah sesuatu yang kami lakukan secara normal dan tetap dan setiap hari untuk banyak pelanggan kami. Jawapan pendek adalah ya, sama sekali.
Rebecca Jozwiak: Cemerlang. Dan saya akan membuang satu lagi kepada anda dan membolehkan anda meneruskan percutian anda. Peserta lain bertanya, dengan analitik IOT serta pembelajaran mesin, adakah anda fikir semua data perlu disimpan untuk tujuan sejarah dan bagaimanakah kesannya terhadap seni bina penyelesaian?
Shawn Rogers: Saya tidak fikir semua data perlu disimpan. Tetapi saya fikir ia sangat menarik untuk mempunyai keupayaan untuk menghiburkan, mendengar apa-apa sumber data yang kami mahu dalam organisasi kami, di mana sahaja ia datang. Dan saya fikir perubahan yang telah kita lihat di pasaran sejak beberapa tahun kebelakangan ini membolehkan kita mengambil pendekatan semua data untuk sesuatu, dan ia seolah-olah agak berbayar. Tetapi ia akan menjadi berbeza untuk setiap syarikat dan setiap kes penggunaan. Anda tahu, ketika kita melihat data kesihatan, sekarang terdapat banyak masalah pengawalseliaan, banyak isu kepatuhan yang perlu dikhawatirkan, dan itu membuat kita menyimpan data yang syarikat-syarikat lain mungkin tidak mengerti mengapa perlu disimpan, betul ? Dalam proses pembuatan, bagi banyak pelanggan pembuatan kami, terdapat peningkatan yang nyata untuk dapat mengkaji semula proses anda secara historis dan dapat melihat semula jumlah besar data ini untuk belajar dari itu dan untuk membina model yang lebih baik dari itu.
Saya fikir bahawa banyak data perlu disimpan dan saya fikir kita mempunyai penyelesaian yang menjadikannya lebih ekonomik dan berskala hari ini. Tetapi pada masa yang sama saya fikir setiap syarikat akan mendapati nilai dalam data yang mereka tidak perlu menyimpan di peringkat atom, tetapi mereka akan mahu menganalisis dengan cara yang tepat masa dan membuat keputusan untuk memacu inovasi dalam syarikat mereka.
Rebecca Jozwiak: Baiklah. Tidak, penonton, saya tidak dapat menjawab pertanyaan semua orang hari ini, tetapi saya akan meneruskannya ke Shawn supaya dia dapat menghubungi anda secara langsung dan menjawab soalan-soalan itu. Tetapi terima kasih semua orang untuk menghadiri. Terima kasih banyak kepada Shawn Rogers dari Dell Statistica dan dari semua penganalisis kami, Dez Blanchfield dan Dr. Robin Bloor. Anda boleh mencari arkib di sini di insideanalysis.com, SlideShare, kami telah mula meletakkan barangan kami di sana lagi, dan kami sedang membaharui YouTube kami untuk mencari yang ada di sana juga. Terima kasih banyak orang. Dan dengan itu saya akan memberi tawaran perpisahan dan kami akan berjumpa dengan anda pada masa akan datang.
