Phân tích cạnh: nền kinh tế iot cuối cùng

Bởi nhân viên Techopedia, ngày 22 tháng 9 năm 2016

Takeaway: Người dẫn chương trình Rebecca Jozwiak thảo luận về phân tích cạnh với Tiến sĩ Robin Bloor, Dez Blanchfield và Dell Statistica's Shawn Rogers.

Bạn hiện chưa đăng nhập. Vui lòng đăng nhập hoặc đăng ký để xem video.

Rebecca Jozwiak: Thưa quý vị và các bạn, xin chào, và chào mừng đến với Hot Technologies năm 2016. Hôm nay chúng ta đã có được Edge Edge Analytics: Nền kinh tế IoT cuối cùng. Tên tôi là Rebecca Jozwiak. Tôi sẽ là người điều hành của bạn cho webcast ngày hôm nay. Chúng tôi tweet với hashtag # HOTTECH16 nếu bạn muốn tham gia cuộc trò chuyện Twitter.

Vì vậy, IoT, chắc chắn là một chủ đề nóng trong năm nay và internet của mọi thứ, đó thực sự là về dữ liệu máy, dữ liệu cảm biến, dữ liệu nhật ký, dữ liệu thiết bị. Không có cái nào mới, chúng tôi đã có loại dữ liệu đó mãi mãi, nhưng chúng tôi thực sự không thể sử dụng nó và bây giờ chúng tôi chỉ thấy một tấn cách mới để sử dụng dữ liệu đó. Riêng trong ngành y tế, thị trường tài chính, với dầu khí, hàng hóa, đó chỉ là vô số thông tin mà trước đây chưa được khai thác. Và không phải rất nhiều người đã thực sự hiểu rõ về cách làm tốt điều đó. Chúng ta đang nói về rất nhiều dữ liệu, nhưng đó là rất nhiều dữ liệu và, bạn biết đấy, có vấn đề về mạng, có liên quan đến phần cứng hoặc cần xử lý và làm thế nào để bạn làm điều đó mà không làm tắc nghẽn hệ thống của bạn? Vâng, đó là những gì chúng ta sẽ tìm hiểu về ngày hôm nay.

Đây là đội ngũ chuyên gia của chúng tôi. Chúng tôi đã có Tiến sĩ Robin Bloor, nhà phân tích chính của chúng tôi tại The Bloor Group. Chúng tôi cũng có Dez Blanchfield, nhà khoa học dữ liệu của chúng tôi tại The Bloor Group. Và chúng tôi rất vui khi có Shawn Rogers, giám đốc tiếp thị và kênh toàn cầu của Dell Statistica. Và với điều đó, tôi sẽ chuyền bóng cho Robin.

Tiến sĩ Robin Bloor: Được rồi, cảm ơn bạn vì điều đó. Tôi sẽ nhấn một nút và ném lên một slide. Tôi không biết tại sao tôi lại tạo ra bức tranh khải huyền này cho internet của vạn vật. Có thể bởi vì tôi nghĩ cuối cùng nó sẽ trở nên hỗn loạn. Tôi sẽ đi thẳng vào. Đây là mệnh cho khóa học trong bất kỳ bài thuyết trình IoT nào. Bằng cách này hay cách khác, bạn có thể nói điều gì đó thái quá về nơi mọi thứ sẽ diễn ra. Và thực sự, hầu hết điều này có lẽ đúng. Nếu bạn thực sự nhìn vào cách mà những đường cong này đang dần mở rộng. Bạn biết đấy, máy tính cá nhân, điện thoại thông minh và máy tính bảng có thể sẽ tiếp tục tăng. TV thông minh có thể sẽ tăng. Wearable, có lẽ họ đang phát nổ ngay bây giờ, so với những gì họ đã được một vài năm trước đây. Những chiếc xe được kết nối, chắc chắn rằng hầu hết tất cả các xe sẽ được kết nối rộng rãi và truyền dữ liệu mọi lúc. Và mọi thứ khác. Và biểu đồ đặc biệt này của BI Intelligence chỉ ra rằng mọi thứ khác sẽ nhanh hơn những thứ rõ ràng rất, rất nhanh.

Vậy nói gì về IoT? Điều đầu tiên chỉ là một điểm kiến ​​trúc. Bạn biết đấy, khi bạn có dữ liệu và bạn đã xử lý bạn, bằng cách này hay cách khác, bạn sẽ phải đặt hai dữ liệu lại với nhau. Và với dữ liệu hiện tại, và tập hợp ở nhiều nơi, cả hai không còn tự nhiên bên nhau nữa. Họ đã từng ở thời kỳ máy tính lớn cũ, tôi đoán vậy. Vì vậy, bạn có thể nghĩ về việc có một lớp xử lý, một lớp vận chuyển và một lớp dữ liệu. Và bằng cách này hay cách khác, lớp vận chuyển ngày nay sẽ di chuyển việc xử lý xung quanh hoặc di chuyển dữ liệu trên các mạng. Vì vậy, đây là các lựa chọn: Bạn có thể di chuyển dữ liệu sang xử lý, bạn có thể di chuyển xử lý sang dữ liệu, bạn có thể di chuyển xử lý và dữ liệu đến một điểm thực thi thuận tiện hoặc bạn có thể hủy xử lý và bảo vệ dữ liệu. Và liên quan đến internet của mọi thứ, dữ liệu được sắp xếp khá nhiều khi sinh và có khả năng là rất nhiều quá trình xử lý sẽ bị hủy để các ứng dụng cần chạy có thể diễn ra.

Vì vậy, tôi đã vẽ một bức tranh. Điều thú vị đối với tôi về IoT, tôi nói về một miền tổng hợp trong sơ đồ này và tôi chỉ ra rằng có các tên miền phụ. Vì vậy, bạn có thể tưởng tượng rằng tên miền IoT 1 ở ​​đây là một loại xe hơi, và miền 2 và miền 3 và miền 4, là những chiếc xe hơi nào đó và bạn sẽ tổng hợp dữ liệu cục bộ, bạn sẽ chạy các ứng dụng cục bộ trên dữ liệu đó và bạn sẽ đặt nhiều thứ vào hành động. Nhưng để có phân tích về tất cả các xe, bạn sẽ phải chuyển dữ liệu đến trung tâm, không nhất thiết phải là tất cả dữ liệu, nhưng bạn sẽ phải tổng hợp ở trung tâm. Và nếu bạn nghĩ về điều này, thì bạn có thể muốn có nhiều, nhiều miền tổng hợp khác nhau cho cùng một tập hợp các thứ IoT. Và các tên miền có thể tổng hợp hơn nữa. Vì vậy, bạn có thể có hệ thống phân cấp lặp đi lặp lại này. Và về cơ bản những gì chúng ta có là một mạng lưới cực kỳ phức tạp. Phức tạp hơn nhiều so với bất cứ điều gì chúng ta phải có trước đây.

Tôi đã có một ghi chú ở phía dưới đây. Tất cả các nút mạng, bao gồm các nút lá, có thể là người tạo dữ liệu, lưu trữ dữ liệu và điểm xử lý. Và điều đó mang đến cho bạn khả năng phân phối, giống như điều mà chúng ta chưa từng thấy trước đây. Dez sẽ nói thêm một chút về điều đó, vì vậy tôi sẽ chuyển sang điểm đặc biệt này. Khi chúng ta đang ở trên internet của mọi thứ và tất cả dữ liệu đã thực sự được giải quyết thành sự kiện, điểm quan trọng của slide này chỉ là để cho biết rằng chúng ta sẽ phải chuẩn hóa các sự kiện. Ít nhất, chúng ta sẽ phải có điều này. Chúng ta sẽ có thời gian xảy ra sự kiện, vị trí địa lý xảy ra, vị trí ảo hoặc logic của quá trình tạo ra nó, thiết bị nguồn đã tạo ra nó, ID thiết bị để bạn biết chính xác thiết bị nguồn nào đã tạo ra nó, quyền sở hữu của dữ liệu và tác nhân, những người có quyền sử dụng dữ liệu theo cách này hay cách khác, sẽ phải mang theo quyền của nó với nó, điều đó có nghĩa là thực sự, nó sẽ phải mang theo bảo mật với nó, và sau đó các dữ liệu chính nó. Và khi bạn nhìn vào điều này, bạn nhận ra rằng, ngay cả khi bạn có một cảm biến không làm gì khác hơn là báo cáo nhiệt độ của một thứ gì đó mỗi giây, thực sự có khá nhiều dữ liệu chỉ để xác định chính xác nơi dữ liệu nguồn gốc và những gì nó thực sự là. Nhân tiện, đây không phải là một danh sách đầy đủ.

Vì vậy, về mặt bối cảnh CNTT trong tương lai, theo cách tôi thấy là: đây không chỉ là internet của sự vật, còn có một thực tế là chúng ta sẽ ở trong một thế giới của hoạt động hướng sự kiện, và do đó chúng ta sẽ phải có kiến ​​trúc hướng sự kiện và những kiến ​​trúc đó sẽ phải trải rộng trên các mạng lớn. Và một điều nữa là mọi thứ trong thời gian thực, chúng ta không nhất thiết phải là thời gian thực nhưng có một thứ tôi gọi là thời gian kinh doanh là thời gian mà dữ liệu thực sự phải được phục vụ và sẵn sàng để xử lý. Điều đó có thể không, bạn biết đấy, một phần nghìn giây sau khi nó được tạo. Nhưng luôn có một khoảng thời gian như vậy cho mỗi phần dữ liệu và một khi bạn có một kiến ​​trúc hướng sự kiện, nó bắt đầu trở nên hợp lý hơn khi nghĩ theo cách tiếp cận thời gian thực với cách mà thế giới hoạt động.

Vì vậy, đun sôi nó xuống, bởi vì những gì chúng ta thực sự đang nói đến là phân tích trên IoT. Bất chấp tất cả những điều đó, vẫn là tất cả thời gian để hiểu biết, và không chỉ là thời gian để hiểu biết, cái nhìn sâu sắc phải được theo sau bởi hành động. Vì vậy, thời gian để hiểu biết và thời gian để hành động là những gì tôi sẽ đun sôi nó xuống. Nói xong, tôi sẽ chuyền bóng lại cho Dez.

Dez Blanchfield: Cảm ơn bạn, Robin. Sâu sắc như mọi khi. Tôi thích thực tế rằng đó là một hành động khó theo dõi trong mọi trường hợp, nhưng tôi sẽ cố gắng hết sức.

Một trong những điều mà tôi đang nhìn thấy, và tôi thường được giải trí bởi nó, thành thật mà nói, không phải ở dạng nghiêng ngả và tiêu cực, nhưng có rất nhiều mối quan tâm và hoảng loạn về internet của mọi thứ trên thế giới và đánh cắp chúng tôi và bạn sẽ bắt đầu mất dữ liệu của mình, vì vậy tôi muốn xem lại một số điều chúng tôi đã làm trước đây trong hai đến ba thập kỷ qua là một bản fax gần gũi với internet của sự vật, nhưng có thể không hoàn toàn ở cùng một quy mô. Và chỉ để cho chúng ta thấy rằng chúng ta thực sự đã ở đây và giải quyết một số vấn đề, không phải ở cấp độ này và không phải ở tốc độ này. Bởi vì điều đó có nghĩa là chúng ta thực sự có thể giải quyết vấn đề và chúng ta biết một số câu trả lời là gì; chúng ta chỉ cần hunker xuống và áp dụng lại một số bài học mà chúng ta có trước đây. Và tôi biết đây là toàn bộ cuộc trò chuyện mà chúng tôi sắp có và tôi đã có một loạt những điều thú vị chỉ để trò chuyện trong phần Hỏi & Đáp.

Nhưng khi chúng ta nghĩ về internet của mọi thứ trong vòng tròn, có rất nhiều sự tập trung hiện đang ở mức thiết kế được viết trong những ngày đầu. Chẳng hạn, tất cả các thiết bị Fitbit đều có xu hướng đi đến một vị trí trung tâm và có khả năng nó sẽ được lưu trữ trong một nền tảng đám mây ở đâu đó và tất cả dữ liệu từ tất cả các thiết bị đó đều giống nhau, giả sử, mặt trước của ngăn xếp, bao gồm cả web và ứng dụng và dịch vụ dựa trên dữ liệu. Nhưng theo thời gian, quy mô đó sẽ yêu cầu tái thiết kế để đối phó với lượng dữ liệu đến với họ và họ sẽ tái thiết kế để có nhiều mặt trước và nhiều bản sao của ngăn xếp ở nhiều vị trí và khu vực. Và chúng ta đang thấy điều này và có một số ví dụ mà tôi sẽ cung cấp cho bạn mà chúng ta có thể thảo luận.

Điểm mấu chốt của vấn đề này là mặc dù chúng tôi đã thấy một số giải pháp mà tôi sắp thực hiện, quy mô và khối lượng dữ liệu và lưu lượng mạng mà internet của mọi thứ sẽ tạo ra đòi hỏi phải chuyển từ trung tâm theo kiến ​​trúc phân tán theo quan điểm của tôi, và chúng tôi biết điều này nhưng chúng tôi chưa nhất thiết phải nắm bắt giải pháp là gì. Khi chúng ta nghĩ về khái niệm internet của mọi thứ là gì, thì đó là một mô hình mạng quy mô lớn. Đó là rất nhiều thứ đang gây ồn ào. Những điều không gây ồn ào cho đến gần đây. Và trên thực tế, tôi nghĩ đó là ngày hôm qua, tôi đã nói đùa về stack, nhưng tôi đã đi mua một chiếc máy nướng bánh mì mới và nó đi kèm với một tùy chọn có thể cho tôi biết nhiều thứ, kể cả khi cần dọn dẹp. Và một lò vi sóng mới với tính năng rất giống và thậm chí có thể thực sự ping một ứng dụng trên điện thoại của tôi để nói rằng điều mà tôi đang hâm nóng đã được thực hiện. Và tôi rất nhiều ý kiến ​​cho rằng nếu có một vài điều tôi không muốn nói với tôi thì đó là tủ lạnh, lò vi sóng và lò nướng bánh. Tôi khá thoải mái với chúng là những thiết bị câm. Nhưng tôi đã có một chiếc xe mới gần đây, một chiếc Audi nhỏ, và nó nói chuyện với tôi và tôi khá hài lòng với điều đó, bởi vì những điều mà nó nói đến là những điều đáng quan tâm. Giống như cập nhật bản đồ trong thời gian thực để cho tôi biết nơi nào có tuyến đường tốt hơn để đi từ điểm A đến điểm B bởi vì nó được phát hiện lưu lượng truy cập thông qua các cơ chế khác nhau với dữ liệu được gửi.

Tôi có slide này. Chúng ta đã thấy các mô hình mạng khối lượng lớn yêu cầu chuyển từ thu thập trung tâm sang phân phối và phân phối các mô hình xử lý và phân tích dữ liệu. Chúng ta đã thấy mọi thứ di chuyển từ ba biểu đồ nhỏ ở cạnh bên phải nơi chúng ta có, một bên trái trong số ba, có một mô hình tập trung với tất cả các thiết bị nhỏ đến vị trí trung tâm và thu thập dữ liệu và quy mô không quá lớn, họ đối phó tốt ở đó. Ở giữa, chúng ta đã có một mô hình và trung tâm phi tập trung hơn một chút và nói, đó là những gì tôi nghĩ rằng chúng ta sẽ cần với internet của mọi thứ trong thế hệ tiếp theo. Và sau đó, ở phía bên tay phải, chúng ta đã có được mạng lưới được phân phối và chia lưới đầy đủ, nơi mà mạng internet của mọi thứ và máy sẽ hoạt động trong thời gian rất ngắn trong tương lai, nhưng chúng ta không hoàn toàn có một loạt các lý do. Và chủ yếu là vì chúng tôi đang sử dụng các nền tảng internet cho hầu hết các liên lạc cho đến nay và chúng tôi thực sự đã xây dựng một mạng thứ hai để mang nhiều dữ liệu này.

Có những mạng thứ hai tồn tại như mạng Batelco. Rất nhiều người không nghĩ về thực tế rằng các mạng viễn thông không phải là internet. Internet là một thứ rất riêng biệt theo nhiều cách. Họ định tuyến dữ liệu từ điện thoại thông minh qua mạng điện thoại, sau đó qua mạng điện thoại và vào internet nói chung nơi họ thực sự xếp chúng vào hai mạng. Nhưng nó hoàn toàn có thể và có khả năng internet mọi thứ sẽ cần một mạng khác. Chúng ta thường nói về internet công nghiệp như một chủ đề, hiện tại chúng ta sẽ không đi sâu vào chi tiết, nhưng về cơ bản chúng ta đang nói về một mạng khác được thiết kế dành riêng cho các loại vận chuyển dữ liệu hoặc internet của mọi thứ và máy với máy giao tiếp.

Nhưng một số ví dụ tôi muốn chia sẻ nơi chúng tôi đã thấy các mạng khối lượng lớn và dữ liệu phân tán hoạt động rất tốt là những thứ như internet. Internet được thiết kế và kiến ​​trúc đặc biệt từ ngày đầu tiên để có thể sống sót sau một cuộc chiến tranh hạt nhân. Nếu các bộ phận của Hoa Kỳ bị nổ tung, internet được thiết kế để dữ liệu có thể di chuyển trên internet mà không bị mất gói vì lý do chúng tôi vẫn kết nối. Và điều đó vẫn còn tồn tại đến ngày nay trên quy mô toàn cầu. Internet có nhiều khả năng xung quanh dự phòng và các gói định tuyến. Và trên thực tế, internet được kiểm soát bởi một thứ gọi là BGP, Border Gateway Protocol và Border Gateway Protocol, BGP, được thiết kế đặc biệt để đối phó với bộ định tuyến hoặc bộ chuyển mạch hoặc máy chủ bị hỏng. Khi bạn gửi hoặc nhận email, nếu bạn gửi ba email liên tiếp, không có gì đảm bảo rằng mỗi email đó sẽ đi theo cùng một tuyến đến cùng một đích. Họ có thể di chuyển qua các phần khác nhau của internet vì nhiều lý do. Có thể có sự cố ngừng hoạt động, có thể có các cửa sổ bảo trì nơi mọi thứ ngoại tuyến được nâng cấp, có thể có tắc nghẽn trong mạng và chúng ta thấy rằng với những thứ như mạng lưới giao thông với ô tô và giao thông công cộng và tàu và máy bay. Chúng tôi nhận nội dung cho các thiết bị của mình như máy tính xách tay, máy tính bảng và máy tính thông qua trình duyệt và cứ thế hàng ngày thông qua mạng phân phối nội dung. Các mạng phân phối nội dung là về việc lấy các bản sao nội dung từ nền tảng phục vụ chính của bạn như máy chủ web và di chuyển các bản sao của nội dung đó và bộ nhớ cache một lượng nhỏ vào rìa của mạng và chỉ cung cấp cho bạn từ phần gần nhất của cạnh.

Chống thư rác và an ninh mạng - nếu một sự kiện spam xảy ra ở Canada và Microsoft phát hiện ra nó và thấy rằng có rất nhiều bản sao của cùng một email được gửi đến một nhóm người ngẫu nhiên, sẽ có một chữ ký cho thông báo đó tạo và đưa vào một mạng và phân phối ngay lập tức. Và để email không bao giờ vào hộp thư đến của tôi, hoặc nếu có, nó sẽ bị gắn thẻ là thư rác ngay lập tức vì nó được phát hiện ở một nơi khác trong rìa mạng. Và vì vậy, các phần khác của rìa mạng được thông báo về chữ ký tin nhắn rác này và nó được đưa vào chỉ mục của cơ sở dữ liệu và nếu những tin nhắn đó bắt đầu xuất hiện ở phía bên kia hành tinh, chúng tôi phát hiện ra chúng và chúng tôi biết chúng là thư rác. Và điều tương tự cũng áp dụng cho an ninh mạng. Một vụ hack xảy ra ở một phía của hành tinh đã được phát hiện và đăng ký và lập bản đồ và bất ngờ ở phía bên kia của mạng, chúng ta có thể chống lại nó và gửi các quy tắc và chính sách và thay đổi để xem liệu chúng ta có thể chặn nó không. Đặc biệt với tác động mới của những thứ như từ chối dịch vụ hoặc từ chối dịch vụ phân tán trong đó hàng ngàn máy móc được sử dụng để tấn công một trang web trung tâm.

Bitcoin và blockchain, theo mặc định, về bản chất là một sổ cái phân tán, blockchain và đối phó với bất kỳ sự cố ngừng hoạt động hoặc phá vỡ nào trong mạng. Phát hiện và ngăn chặn gian lận, các tiện ích điện và nước - chúng ta đang thấy, bạn biết mạng lưới điện, nếu một phần của mạng có được một cây trên đó và lấy ra một cây cột và dây điện, nhà tôi vẫn có điện. Tôi thậm chí không biết về nó, tôi thậm chí không nhìn thấy nó trong tin tức. Và tất cả chúng ta đều quen với các mạng lưới giao thông nơi ban đầu có một mô hình tập trung, đường Tất cả các con đường dẫn đến Rome, khi họ nói, và cuối cùng chúng tôi phải đi đến mô hình phi tập trung với các trung tâm và nan hoa, và sau đó chúng tôi đã đi đến một mạng lưới có lưới, nơi bạn có thể đi từ bên này sang bên kia qua các tuyến có lưới khác nhau và các giao lộ khác nhau. Và vì vậy, những gì chúng ta thấy ở đây là mô hình tập trung này của những gì chúng ta đang làm bây giờ với internet của mọi thứ sẽ phải đẩy ra rìa của mạng. Và điều này áp dụng cho phân tích hơn bao giờ hết và đó là chúng ta cần đẩy phân tích ra ngoài mạng. Và để làm được điều đó, nó đòi hỏi một cách tiếp cận hoàn toàn mới trong cách chúng ta truy cập và xử lý dữ liệu đó và các luồng dữ liệu, theo quan điểm của tôi. Bây giờ chúng ta đang nói về một kịch bản mà tôi tin rằng chúng ta thấy trí thông minh hạn chế bị đẩy ra rìa mạng trên các thiết bị kết nối internet, nhưng chúng ta sẽ sớm thấy những thiết bị đó tăng trí thông minh và tăng mức độ phân tích mà họ muốn làm. Và kết quả là chúng ta sẽ cần phải đẩy những thông minh đó ra xa hơn và xa hơn thông qua mạng.

Ví dụ: ứng dụng thông minh và phương tiện truyền thông xã hội - nếu chúng ta nghĩ về phương tiện truyền thông xã hội và một số ứng dụng thông minh, chúng vẫn rất trung tâm. Bạn biết đấy, chỉ có hai hoặc ba trung tâm dữ liệu cho lượt thích của Facebook. Google đã được phân cấp nhiều hơn, nhưng vẫn còn một số trung tâm dữ liệu hạn chế trên toàn thế giới. Sau đó, khi chúng tôi nghĩ về cá nhân hóa nội dung, bạn phải suy nghĩ ở cấp độ rất địa phương. Rất nhiều thứ đang được thực hiện trong trình duyệt của bạn hoặc ở lớp mạng phân phối nội dung cục bộ. Và chúng tôi nghĩ về các máy theo dõi sức khỏe và thể dục - rất nhiều dữ liệu được thu thập từ chúng đang được phân tích cục bộ và do đó, các phiên bản mới của thiết bị Garmin và Fitbit bạn đeo trên cổ tay, chúng trở nên thông minh hơn và thông minh hơn trong thiết bị . Bây giờ họ không gửi tất cả dữ liệu về nhịp tim của bạn trở lại máy chủ tập trung để thử và hoàn thành phân tích; họ đang xây dựng trí thông minh đó trực tiếp vào thiết bị. Điều hướng trong xe hơi, trước đây, chiếc xe sẽ liên tục nhận được các bản cập nhật và bản đồ từ một vị trí trung tâm, bây giờ các thông minh đang ở trong xe và chiếc xe tự đưa ra quyết định và cuối cùng xe sẽ nối lưới. Những chiếc xe sẽ nói chuyện với nhau thông qua các mạng không dây dưới một số hình thức, có thể qua mạng không dây 3G hoặc 4G ở thế hệ tiếp theo, nhưng cuối cùng nó sẽ là thiết bị cho thiết bị. Và cách duy nhất chúng ta sẽ đối phó với âm lượng đó là làm cho các thiết bị thông minh hơn.

Chúng tôi đã có các hệ thống cảnh báo khẩn cấp sẽ thu thập thông tin cục bộ và gửi tập trung hoặc vào mạng lưới và đưa ra quyết định về những gì đang xảy ra tại địa phương. Ví dụ, ở Nhật Bản, có những ứng dụng mà mọi người chạy trên điện thoại thông minh của họ với gia tốc kế trong điện thoại thông minh. Máy đo gia tốc trong điện thoại thông minh sẽ phát hiện các rung động và chuyển động và có thể xác định sự khác biệt giữa chuyển động hàng ngày thông thường và các chấn động và chấn động của trận động đất. Và điện thoại đó sẽ bắt đầu cảnh báo bạn ngay lập tức, cục bộ. Các ứng dụng thực tế biết rằng nó phát hiện động đất. Nhưng nó cũng chia sẻ dữ liệu đó thông qua một mạng trong một trung tâm phân tán và mô hình nói để những người ở gần bạn được cảnh báo ngay lập tức hoặc càng sớm càng tốt khi dữ liệu chảy qua mạng. Và rồi cuối cùng khi đến một địa điểm trung tâm hoặc một bản sao phân tán của địa điểm trung tâm, nó đẩy lùi ra cho những người không ở trong khu vực ngay lập tức, đã không phát hiện ra sự chuyển động của hành tinh, nhưng cần phải được cảnh báo về nó bởi vì có lẽ sắp có sóng thần.

Và cơ sở hạ tầng thành phố thông minh - khái niệm về cơ sở hạ tầng thông minh, chúng tôi đã xây dựng trí tuệ thành các tòa nhà thông minh và cơ sở hạ tầng thông minh. Trên thực tế, ngày hôm qua tôi đã đỗ xe trong thành phố ở một khu vực mới, nơi một phần của thành phố đang được tân trang và xây dựng lại. Và họ đã làm lại tất cả các đường phố, và có các cảm biến trên đường phố, và đồng hồ đỗ xe thực tế biết rằng khi tôi lái xe, nó biết rằng khi tôi đi làm mới trong giới hạn hai giờ Chiếc xe không di chuyển, và nó thực sự sẽ không cho tôi lên và ở lại thêm hai giờ nữa. Tôi phải lên xe, kéo ra khỏi không gian và sau đó kéo lại để lừa nó để cho phép tôi ở đó thêm hai tiếng nữa. Nhưng điều thú vị là cuối cùng chúng ta sẽ đi đến điểm không chỉ phát hiện chiếc xe đi vào khu vực dưới dạng cảm biến cục bộ, mà những thứ như đặc điểm quang học nơi nhận dạng sẽ được áp dụng với camera nhìn vào biển số xe của tôi và nó sẽ biết rằng tôi thực sự chỉ cần rút ra và kéo lại và lừa nó, và nó sẽ không cho phép tôi gia hạn và tôi sẽ tiếp tục. Và sau đó nó sẽ phân phối dữ liệu đó và đảm bảo rằng tôi không thể làm điều đó ở bất kỳ nơi nào khác và cũng lừa mạng trên cơ sở liên tục. Bởi vì, về bản chất, nó phải thông minh hơn, nếu không tất cả chúng ta sẽ tiếp tục đánh lừa nó.

Có một ví dụ về điều này mà tôi thực sự đã sống ở nơi có công nghệ tường lửa, vào cuối thập niên 80 và đầu thập niên 90, một sản phẩm có tên là Check Point FireWall-1. Một công nghệ tường lửa rất đơn giản mà chúng ta đã sử dụng để tạo quy tắc và xây dựng chính sách và quy tắc xung quanh những điều nhất định để nói rằng các loại lưu lượng truy cập thông qua các cổng và địa chỉ IP và mạng nhất định để đi và đến, lưu lượng truy cập web từ nơi này sang nơi khác, đi từ cuối trình duyệt và máy khách đến cuối máy chủ của chúng tôi. Chúng tôi đã giải quyết vấn đề này bằng cách thực sự lấy logic ra khỏi tường lửa và thực sự chuyển nó vào ASIC, mạch tích hợp dành riêng cho ứng dụng. Nó đã kiểm soát các cổng trong thiết bị chuyển mạch Ethernet. Chúng tôi thấy rằng các máy tính của máy chủ, các máy tính mà chúng tôi thực sự sử dụng làm máy chủ để đưa ra quyết định như tường lửa, không đủ mạnh để xử lý lưu lượng lưu lượng đi qua chúng cho mỗi lần kiểm tra gói. Chúng tôi đã giải quyết vấn đề bằng cách di chuyển logic cần thiết để thực hiện kiểm tra gói và phát hiện internet vào các bộ chuyển mạch mạng được phân phối và có thể xử lý khối lượng dữ liệu đi qua cấp độ mạng. Chúng tôi không lo lắng về nó ở cấp độ tập trung với tường lửa, chúng tôi đã chuyển nó ra các thiết bị chuyển mạch.

Và vì vậy, chúng tôi đã có các nhà sản xuất xây dựng khả năng để chúng tôi đẩy các đường dẫn và quy tắc và chính sách vào bộ chuyển mạch Ethernet để ở cấp độ cổng Ethernet thực tế và có thể nhiều người trong nhóm không quen với điều này bởi vì chúng tôi bây giờ tất cả sống trong một thế giới không dây, nhưng đã có lúc mọi thứ phải cắm qua Ethernet. Bây giờ ở cấp độ cổng Ethernet, chúng tôi đã kiểm tra các gói để xem liệu các gói thậm chí có được phép chuyển sang bộ chuyển mạch và vào mạng hay không. Một số điều này là những gì chúng ta đang giải quyết xung quanh thách thức này trong việc thu thập dữ liệu trong mạng, cụ thể là từ các thiết bị IRT, và kiểm tra nó và thực hiện phân tích về nó và có thể phân tích về nó trong thời gian thực để đưa ra quyết định về nó. Và một số trong đó để hiểu rõ hơn về thông tin kinh doanh và thông tin về cách con người đưa ra quyết định tốt hơn cũng như các phân tích và hiệu suất khác cho công cụ ở cấp độ máy với máy, nơi các thiết bị đang nói chuyện với thiết bị và đưa ra quyết định.

Và đây sẽ là một xu hướng mà chúng ta phải xem xét giải quyết trong tương lai trước mắt bởi vì nếu chúng ta không làm, chúng ta sẽ kết thúc với sự ồn ào này. Và chúng ta đã thấy trong thế giới dữ liệu lớn, chúng ta đã thấy những thứ như hồ dữ liệu biến thành đầm lầy dữ liệu mà chúng ta vừa kết thúc với một tiếng ồn mà chúng ta chưa tìm ra cách giải quyết các phân tích xử lý trong một tập trung thời trang. Nếu chúng ta không giải quyết vấn đề này, theo quan điểm của tôi, với IoT ngay lập tức và nhận được giải pháp nền tảng rất nhanh, chúng ta sẽ kết thúc ở một nơi rất, rất tồi tệ.

Và với ý nghĩ đó, tôi sẽ kết luận với quan điểm của mình, đó là tôi tin rằng một trong những thay đổi lớn nhất đang diễn ra trong không gian phân tích và dữ liệu lớn hiện đang bị thúc đẩy bởi nhu cầu ngay lập tức phản ứng với tác động của internet về những thứ trên các phân tích khối lượng lớn và thời gian thực, trong đó chúng ta cần di chuyển các phân tích ra khỏi mạng và cuối cùng đến rìa của mạng chỉ để đối phó với khối lượng tuyệt đối của nó, chỉ để xử lý nó. Và cuối cùng, hy vọng, chúng tôi đưa trí thông minh vào mạng và rìa của mạng trong một mô hình trung tâm và nói rằng chúng tôi thực sự có thể quản lý nó và đạt được thông tin chi tiết trong thời gian thực và nhận được giá trị từ nó. Và với điều đó tôi sẽ chuyển qua cho khách của chúng tôi và xem cuộc trò chuyện này đưa chúng ta đến đâu.

Shawn Rogers: Cảm ơn bạn rất nhiều. Đây là Shawn Rogers từ Dell Statistica, và cậu bé, mới bắt đầu, tôi hoàn toàn đồng ý với tất cả các chủ đề chính đã được chạm vào đây. Và Rebecca, bạn bắt đầu với một ý tưởng xung quanh, bạn biết đấy, dữ liệu này không phải là mới và điều đáng chú ý đối với tôi là dành bao nhiêu thời gian và năng lượng để thảo luận về dữ liệu, dữ liệu, dữ liệu của IoT. Và nó chắc chắn có liên quan, bạn biết đấy, Robin đã đưa ra một quan điểm tốt, ngay cả khi bạn đang làm một việc gì đó thực sự đơn giản và bạn chạm vào một bộ điều nhiệt mỗi giây, bạn biết đấy, bạn làm điều đó 24 giờ một ngày và bạn thực sự có, bạn biết đấy, một số thách thức dữ liệu thú vị. Nhưng, bạn biết đấy, cuối cùng - và tôi nghĩ rằng rất nhiều người trong ngành đang nói về dữ liệu theo cách này - rằng nó không thực sự thú vị lắm và, theo quan điểm của Rebecca, đó là khoảng thời gian dài, tốt, nhưng chúng ta trước đây không thể sử dụng nó. Và tôi nghĩ rằng ngành phân tích tiên tiến và ngành BI nói chung đang bắt đầu thực sự quay đầu về phía IoT. Và Dez, đến điểm cuối cùng của bạn, đây là một phần hoặc một trong những điểm thách thức của bối cảnh dữ liệu lớn tôi nghĩ là rất đúng. Tôi nghĩ mọi người rất hào hứng về những gì chúng ta có thể làm với loại dữ liệu này, nhưng đồng thời, nếu chúng ta không thể tìm ra cách áp dụng cái nhìn sâu sắc, hãy hành động và, bạn biết đấy, hãy phân tích dữ liệu ở đâu, tôi nghĩ chúng ta sẽ có những thách thức mà mọi người không thấy thực sự theo cách của họ.

Như đã nói, trong không gian phân tích nâng cao, chúng tôi là những người hâm mộ lớn về những gì chúng tôi nghĩ có thể xảy ra với dữ liệu IoT, đặc biệt nếu chúng tôi đang áp dụng phân tích cho nó. Và có rất nhiều thông tin về slide này và tôi sẽ cho phép mọi người chỉ săn lùng và khám phá, nhưng nếu bạn nhìn vào các lĩnh vực khác nhau như bán lẻ ở bên phải, sẽ thấy cơ hội của họ phát sinh xung quanh việc có thể đổi mới hơn hoặc có một số tiết kiệm chi phí hoặc tối ưu hóa quá trình hoặc cải tiến là rất quan trọng và họ đang thấy rất nhiều trường hợp sử dụng cho điều đó. Nếu bạn nhìn, bạn biết, từ trái sang phải qua slide, bạn sẽ thấy mỗi ngành công nghiệp riêng lẻ này đòi hỏi những khả năng mới và cơ hội khác biệt mới cho bản thân khi họ áp dụng phân tích cho IoT. Và tôi nghĩ điểm mấu chốt là, nếu bạn sẽ nỗ lực để đi theo con đường đó, bạn không chỉ lo lắng về dữ liệu, như chúng ta đã thảo luận, và kiến ​​trúc, mà bạn còn phải xem cách tốt nhất để áp dụng phân tích cho nó và nơi cần phân tích.

Đối với nhiều người trong chúng ta trong cuộc gọi ngày hôm nay, bạn biết đấy, Robin và tôi đã biết nhau từ rất lâu và có vô số cuộc trò chuyện về kiến ​​trúc truyền thống trong quá khứ, những người xung quanh cơ sở dữ liệu tập trung hoặc kho dữ liệu doanh nghiệp, v.v. Đã tìm thấy trong thập kỷ qua hoặc lâu hơn, chúng tôi làm một công việc khá tốt là kéo dài những hạn chế của các cơ sở hạ tầng. Và họ không kiên định hay mạnh mẽ như chúng ta mong muốn ngày nay để hỗ trợ tất cả các phân tích tuyệt vời mà chúng ta đang áp dụng cho thông tin và dĩ nhiên là thông tin phá vỡ kiến ​​trúc, bạn biết đấy, tốc độ của dữ liệu, khối lượng dữ liệu, v.v., chắc chắn đang kéo dài những hạn chế của một số phương pháp và chiến lược truyền thống hơn của chúng tôi đối với loại công việc này. Và vì vậy tôi nghĩ rằng bắt đầu kêu gọi các công ty cần có quan điểm linh hoạt hơn và có lẽ linh hoạt hơn về vấn đề này và đó là phần, tôi đoán, tôi muốn nói về một chút về phía IoT.

Trước khi tôi làm, tôi sẽ dành một chút thời gian chỉ để cho mọi người tham gia cuộc gọi, cung cấp cho bạn một chút nền tảng về Statistica là gì và chúng tôi làm gì. Như bạn có thể thấy trên tiêu đề của slide này, Statistica là một phân tích dự đoán, dữ liệu lớn và trực quan hóa cho nền tảng IoT. Bản thân sản phẩm này đã hơn 30 tuổi và chúng tôi cạnh tranh với các nhà lãnh đạo khác trên thị trường, những người mà bạn có thể quen thuộc cùng với khả năng áp dụng phân tích dự đoán, phân tích nâng cao cho dữ liệu. Chúng tôi đã thấy một cơ hội để mở rộng phạm vi của chúng tôi về nơi chúng tôi đã đưa các phân tích của mình và bắt đầu làm việc trên một số công nghệ trước đây đã định vị chúng tôi khá tốt để tận dụng những gì cả Dez và Robin đã nói về ngày hôm nay, đó là cách tiếp cận mới này và nơi bạn sẽ đặt các phân tích và cách bạn sẽ kết hợp nó với dữ liệu. Bên cạnh đó là những thứ khác mà bạn phải có thể giải quyết với nền tảng, và như tôi đã đề cập, Statistica đã có mặt trên thị trường trong một thời gian dài. Chúng tôi rất giỏi trong lĩnh vực pha trộn dữ liệu và tôi nghĩ, bạn biết đấy, chúng tôi đã nói quá nhiều về việc truy cập dữ liệu ngày hôm nay, nhưng có thể tiếp cận qua các mạng đa dạng này và nắm trong tay dữ liệu phù hợp đúng thời điểm đang ngày càng trở nên thú vị và quan trọng đối với người dùng cuối.

Cuối cùng, tôi sẽ bình luận thêm một phần nữa ở đây, bởi vì Dez đã nói rõ về bản thân các mạng, có một số mức độ kiểm soát và bảo mật đối với các mô hình phân tích trong môi trường của bạn và cách chúng gắn vào dữ liệu trở nên rất quan trọng. Khi tôi gia nhập ngành này vài năm trước - gần 20 tôi nghĩ vào thời điểm này - khi chúng tôi nói về các phân tích nâng cao, nó đã được quản lý theo cách rất được quản lý. Chỉ có một vài người trong tổ chức đã nhúng tay vào, họ đã triển khai nó và họ đã cho mọi người câu trả lời theo yêu cầu hoặc cung cấp thông tin chi tiết theo yêu cầu. Điều đó thực sự thay đổi và những gì chúng ta thấy là rất nhiều người đang làm việc với một hoặc nhiều cách tiếp cận dữ liệu đa dạng và linh hoạt hơn, áp dụng bảo mật và quản trị dữ liệu và sau đó có thể cộng tác với dữ liệu đó. Đó là một số trong những điều quan trọng mà Dell Statistica nhìn vào.

Nhưng tôi muốn đi sâu vào chủ đề gần hơn với tiêu đề ngày nay, đó là cách chúng ta giải quyết dữ liệu từ internet của mọi thứ và những gì bạn có thể muốn tìm kiếm khi bạn xem xét các giải pháp khác nhau. Slide mà tôi đã đứng trước mặt bạn ngay bây giờ là một quan điểm truyền thống và cả Dez và Robin đều cảm động về điều này, bạn biết đấy, ý tưởng nói chuyện với một cảm biến, cho dù đó là ô tô hay máy nướng bánh mì hay một tuabin gió, hoặc những gì có bạn, và sau đó chuyển dữ liệu đó từ nguồn dữ liệu qua mạng của bạn trở lại một loại cấu hình tập trung, như Dez đã đề cập. Và nó kết nối mạng khá tốt và rất nhiều công ty tham gia vào không gian IoT ban đầu đang bắt đầu làm điều đó với mô hình đó.

Một điều khác xuất hiện, nếu bạn nhìn xuống phía dưới của slide, đó là ý tưởng lấy các nguồn dữ liệu truyền thống khác, tăng dữ liệu IoT của bạn và sau đó là loại lõi này, cho dù lõi của bạn là trung tâm dữ liệu hay nó có thể ở trên đám mây, điều đó không thực sự quan trọng, bạn sẽ lấy một sản phẩm như Statistica và sau đó áp dụng phân tích cho nó vào thời điểm đó và sau đó cung cấp những hiểu biết đó cho người tiêu dùng ở bên phải. Và tôi nghĩ rằng đây là cổ phần bảng vào thời điểm này. Đây là điều mà bạn phải có khả năng thực hiện và bạn phải có kiến ​​trúc đủ mở cho nền tảng phân tích nâng cao và nói chuyện với tất cả các nguồn dữ liệu đa dạng này, tất cả các cảm biến này và tất cả các điểm đến khác nhau này bạn có dữ liệu Và tôi nghĩ rằng đây là điều mà bạn phải có khả năng làm và tôi nghĩ rằng bạn sẽ thấy đúng là có rất nhiều nhà lãnh đạo trên thị trường có thể làm những việc này. Ở đây tại Statistica, chúng tôi nói về điều này như là phân tích cốt lõi. Lấy dữ liệu, đưa dữ liệu trở lại lõi, xử lý dữ liệu, thêm dữ liệu nếu cần thiết hoặc nếu có lợi, và thực hiện phân tích của bạn và sau đó chia sẻ thông tin đó để hành động hoặc để hiểu rõ hơn.

Và vì vậy tôi nghĩ rằng những điều đó chắc chắn từ quan điểm chức năng, có lẽ tất cả chúng ta đều đồng ý rằng, bạn biết đấy, đây là điều cần thiết và mọi người cần phải làm điều này. Nơi mà nó bắt đầu trở nên thú vị là nơi bạn có lượng dữ liệu khổng lồ, bạn biết, đến từ các nguồn dữ liệu đa dạng, như cảm biến IoT, như tôi đã đề cập, cho dù đó là xe hơi hay camera an ninh hay quy trình sản xuất, bắt đầu trở thành một lợi thế để có thể thực hiện phân tích trong đó dữ liệu thực sự được tạo ra. Và lợi thế cho hầu hết mọi người, tôi nghĩ, khi chúng ta bắt đầu chuyển phân tích từ lõi ra ngoài rìa là khả năng khuếch tán một số thách thức dữ liệu đang xảy ra, và Dez và Robin có thể sẽ bình luận về điều này vào cuối ngày nay, nhưng tôi nghĩ rằng bạn phải có khả năng giám sát và thực hiện hành động đối với dữ liệu ở rìa để không phải lúc nào cũng cần phải chuyển tất cả dữ liệu đó sang mạng của bạn. Robin đã nói về điều này trong các bức ảnh kiến ​​trúc mà anh ấy đã vẽ, nơi bạn có tất cả các nguồn khác nhau nhưng thường có một số điểm tổng hợp. Điểm tổng hợp mà chúng ta thấy khá thường xuyên là ở cấp độ cảm biến, nhưng thậm chí thường xuyên hơn ở cấp độ cổng. Và các cổng này tồn tại như một loại trung gian trong luồng dữ liệu từ các nguồn dữ liệu trước khi bạn quay trở lại lõi.

Một trong những cơ hội mà Dell Statistica đã tận dụng là khả năng xuất mô hình từ nền tảng phân tích nâng cao tập trung của chúng tôi để có thể lấy mô hình và sau đó thực hiện mô hình đó ở rìa trên một nền tảng khác, như cổng hoặc bên trong của một cơ sở dữ liệu, hoặc những gì có bạn. Và tôi nghĩ rằng sự linh hoạt mang lại cho chúng ta là điểm thực sự thú vị của cuộc trò chuyện ngày nay là, bạn có điều đó trong cơ sở hạ tầng của bạn ngày hôm nay không? Bạn có khả năng di chuyển một phân tích đến nơi dữ liệu sống thay vì luôn luôn di chuyển dữ liệu đến nơi phân tích của bạn sống? Và đó là điều mà Statistica đã tập trung khá lâu và khi bạn nhìn kỹ hơn vào các slide bạn sẽ thấy rằng có một số công nghệ khác trong đó từ công ty chị em của chúng tôi, Dell Boomi. Dell Boomi là một nền tảng tích hợp dữ liệu và tích hợp ứng dụng trong đám mây và chúng tôi thực sự sử dụng Dell Boomi như một thiết bị buôn bán để chuyển các mô hình của chúng tôi từ Dell Statistica, thông qua Boomi và chuyển sang các thiết bị cạnh. Và chúng tôi nghĩ rằng đây là một cách tiếp cận nhanh mà các công ty sẽ yêu cầu, giống như phiên bản tôi đã trình bày cho bạn cách đây một phút, đó là ý tưởng cốt lõi của việc di chuyển dữ liệu từ các cảm biến từ trước đến nay Trung tâm, đồng thời các công ty sẽ muốn có thể làm điều đó theo cách mà tôi đang phác thảo ở đây. Và lợi thế để làm điều này là một số điểm mà cả Robin và Dez đã đưa ra, đó là, bạn có thể đưa ra quyết định và hành động với tốc độ kinh doanh của bạn không? Bạn có thể di chuyển các phân tích từ nơi này sang nơi khác và có thể tiết kiệm thời gian, tiền bạc và năng lượng và sự phức tạp của việc liên tục di chuyển dữ liệu cạnh đó trở lại cốt lõi.

Bây giờ tôi là người đầu tiên nói rằng một số dữ liệu cạnh sẽ luôn có giá trị đủ cao để lưu trữ dữ liệu đó và giữ nó và đưa nó trở lại mạng của bạn, nhưng phân tích cạnh nào sẽ cho phép bạn làm gì là khả năng đưa ra quyết định ở tốc độ mà dữ liệu thực sự đang đến, phải không? Rằng bạn có thể áp dụng cái nhìn sâu sắc và hành động ở tốc độ có giá trị cao nhất có thể. Và tôi nghĩ rằng đó là thứ mà tất cả chúng ta sẽ tìm kiếm khi sử dụng dữ liệu phân tích và IoT tiên tiến là cơ hội này để di chuyển với tốc độ kinh doanh hoặc tốc độ mà khách hàng yêu cầu. Tôi nghĩ rằng vị trí của chúng tôi là, tôi nghĩ rằng bạn cần phải có thể làm cả hai. Và tôi nghĩ rằng khá sớm và rất nhanh khi nhiều công ty đang xem xét các bộ dữ liệu đa dạng hơn, đặc biệt là các bộ phận từ phía IoT, họ sẽ bắt đầu nhìn vào không gian của nhà cung cấp và yêu cầu những gì Statistica có thể làm. Đó là triển khai một mô hình cốt lõi, như chúng ta đã thực hiện trong nhiều năm qua hoặc triển khai nó trên các nền tảng có thể không liên quan, như cổng IoT và thực sự có thể ghi điểm và áp dụng phân tích cho dữ liệu ở rìa như dữ liệu được tạo ra. Và tôi nghĩ rằng đó là nơi mà phần thú vị của cuộc trò chuyện này xuất hiện. Bởi vì bằng cách có thể áp dụng một phân tích ở rìa vào thời điểm dữ liệu ra khỏi cảm biến, cho phép chúng ta hành động nhanh như chúng ta cần, nhưng cũng cho phép chúng tôi quyết định, dữ liệu này có cần quay trở lại lõi ngay lập tức không? Chúng ta có thể bó nó ở đây và sau đó gửi lại thành từng mảnh và các bộ phận và phân tích thêm sau này không? Và đó là những gì chúng ta đang thấy rất nhiều khách hàng hàng đầu của chúng tôi làm.

Cách mà Dell Statistica thực hiện điều này là chúng tôi có khả năng sử dụng, vì vậy, ví dụ, bạn xây dựng một mạng lưới thần kinh bên trong Statistica và bạn muốn đặt mạng lưới thần kinh ở một nơi khác trong bối cảnh dữ liệu của bạn. Chúng tôi có khả năng xuất ra các mô hình đó và tất cả các ngôn ngữ mà bạn nhận thấy ở góc bên phải ở đó - Java, PPML, C và SQL, v.v., chúng tôi cũng bao gồm Python và chúng tôi cũng có thể xuất các tập lệnh của chúng tôi - và khi bạn di chuyển ra khỏi nền tảng tập trung của chúng tôi, bạn có thể triển khai mô hình đó hoặc thuật toán đó bất cứ nơi nào bạn cần. Và như tôi đã đề cập trước đó, chúng tôi sử dụng Dell Boomi để đặt nó và đỗ ở nơi chúng tôi cần chạy và sau đó chúng tôi có thể đưa kết quả trở lại hoặc chúng tôi có thể giúp đưa dữ liệu trở lại hoặc ghi điểm dữ liệu và thực hiện hành động sử dụng công cụ quy tắc của chúng tôi . Tất cả những điều đó trở nên quan trọng khi chúng ta bắt đầu nhìn vào loại dữ liệu này và chúng ta nghĩ lại.

Đây là điều mà hầu hết các bạn trên điện thoại sẽ cần phải làm bởi vì nó sẽ trở nên rất tốn kém và đánh thuế vào mạng của bạn, như Dez đã đề cập, để di chuyển dữ liệu từ bên trái của các sơ đồ này sang bên phải của các sơ đồ này thời gian. Nghe có vẻ không nhiều nhưng chúng tôi đã thấy các khách hàng sản xuất với mười nghìn cảm biến trong các nhà máy của họ. Và nếu bạn có mười nghìn cảm biến trong nhà máy của mình, ngay cả khi bạn chỉ thực hiện các thử nghiệm hoặc tín hiệu thứ hai này, bạn đang nói về tám mươi bốn nghìn dữ liệu từ mỗi cảm biến riêng lẻ đó mỗi ngày. Và do đó, dữ liệu chắc chắn chồng chất và Robin đã đề cập đến điều đó. Trước mắt tôi đã đề cập đến một vài ngành công nghiệp mà chúng ta đang thấy mọi người nhận được một số điều khá thú vị được thực hiện bằng phần mềm và dữ liệu IoT của chúng tôi: tự động hóa tòa nhà, năng lượng, tiện ích là một không gian thực sự quan trọng. Chúng tôi thấy rất nhiều công việc đang được thực hiện về tối ưu hóa hệ thống, thậm chí cả dịch vụ khách hàng và tất nhiên là vận hành và bảo trì tổng thể, trong các cơ sở năng lượng và trong tòa nhà để tự động hóa. Và đây là một số trường hợp sử dụng mà chúng ta thấy là khá mạnh mẽ.

Chúng tôi đã làm phân tích cạnh trước đây, tôi đoán, thuật ngữ đã được đặt ra. Như tôi đã đề cập, chúng tôi có nguồn gốc sâu xa tại Statistica. Công ty được thành lập cách đây gần 30 năm, vì vậy chúng tôi đã khiến khách hàng quay trở lại khá lâu khi tích hợp dữ liệu IoT với các phân tích của họ và đã được một thời gian. Và Alliant Energy là một trong những trường hợp sử dụng hoặc khách hàng tham khảo của chúng tôi. Và bạn có thể tưởng tượng vấn đề mà một công ty năng lượng gặp phải với một nhà máy vật lý. Mở rộng ra khỏi bức tường gạch của một nhà máy vật lý là khó khăn và vì vậy các công ty năng lượng như Alliant đang tìm cách tối ưu hóa sản lượng năng lượng của họ, về cơ bản tăng cường quy trình sản xuất của họ và tối ưu hóa nó lên mức cao nhất. Và họ sử dụng Statistica để quản lý các lò trong nhà máy của họ. Và đối với tất cả chúng ta quay trở lại những ngày đầu trong lớp học khoa học, chúng ta đều biết rằng các lò nung tạo ra nhiệt, nhiệt làm cho hơi nước, tua-bin quay, chúng ta có điện. Vấn đề đối với các công ty như Alliant thực sự là tối ưu hóa cách mọi thứ nóng lên và bùng cháy trong các lò lốc xoáy lớn đó. Và tối ưu hóa đầu ra để tránh các chi phí ô nhiễm, dịch chuyển carbon, v.v. Và do đó, bạn phải có thể giám sát bên trong một trong những lò lốc này với tất cả các thiết bị, cảm biến này, sau đó lấy tất cả dữ liệu cảm biến đó và thay đổi quy trình năng lượng trên cơ sở liên tục. Và đó chính xác là những gì Statistica đã làm cho Alliant kể từ khoảng năm 2007, trước cả thuật ngữ IoT cũng rất phổ biến.

Theo quan điểm của Rebecca từ sớm, dữ liệu chắc chắn không mới. Khả năng xử lý và sử dụng nó một cách chính xác thực sự là nơi những điều thú vị đang diễn ra. Chúng tôi đã nói một chút về chăm sóc sức khỏe trong cuộc gọi trước hôm nay và chúng tôi thấy tất cả các loại ứng dụng cho mọi người để làm những việc như chăm sóc bệnh nhân tốt hơn, bảo trì phòng ngừa, quản lý chuỗi cung ứng và hiệu quả hoạt động trong chăm sóc sức khỏe. Và điều đó khá liên tục và có rất nhiều trường hợp sử dụng khác nhau. Một điều mà chúng tôi rất tự hào ở đây tại Statistica là với dược phẩm sinh học Shire của chúng tôi. Và Shire làm thuốc đặc trị cho những căn bệnh thực sự khó điều trị. Và khi họ tạo ra một lô thuốc cho khách hàng của họ, đó là một quá trình cực kỳ tốn kém và quá trình cực kỳ tốn kém đó cũng mất thời gian. Khi bạn nghĩ về một quy trình sản xuất khi bạn thấy các thách thức đang thống nhất tất cả dữ liệu, đủ linh hoạt theo các cách khác nhau để đưa dữ liệu vào hệ thống, xác thực thông tin và sau đó có thể dự đoán về cách chúng tôi giúp khách hàng đó. Và các quy trình đã lấy hầu hết thông tin từ các hệ thống sản xuất của chúng tôi và tất nhiên các thiết bị và cảm biến điều khiển các hệ thống sản xuất này. Và đó là một trường hợp sử dụng tuyệt vời cho cách các công ty tránh mất mát và tối ưu hóa quy trình sản xuất của họ bằng cách sử dụng kết hợp dữ liệu cảm biến, dữ liệu IoT và dữ liệu thông thường từ các quy trình của họ.

Vì vậy, bạn biết đấy, một ví dụ điển hình về nơi sản xuất, và đặc biệt là sản xuất công nghệ cao, đang mang lại lợi ích cho ngành chăm sóc sức khỏe xung quanh loại công việc và dữ liệu này. Tôi nghĩ rằng tôi chỉ có một vài điểm khác mà tôi muốn đưa ra trước khi tôi gói nó lại và trả lại cho Dez và Robin. Nhưng bạn biết đấy, tôi nghĩ rằng ý tưởng về việc có thể đẩy sự phân tích của bạn đến bất cứ nơi nào trong môi trường của bạn là điều gì đó sẽ trở nên cực kỳ quan trọng đối với hầu hết các công ty. Bị ràng buộc với định dạng truyền thống của dữ liệu ETL từ các nguồn trở về vị trí trung tâm sẽ luôn có một vị trí trong chiến lược của bạn, nhưng không nên là chiến lược duy nhất của bạn. Bạn phải có một cách tiếp cận linh hoạt hơn nhiều đối với mọi thứ ngày hôm nay. Để áp dụng bảo mật mà tôi đã đề cập, tránh đánh thuế mạng của bạn, để có thể quản lý và lọc dữ liệu khi xuất phát và xác định dữ liệu nào đáng lưu giữ trong thời gian dài, dữ liệu nào đáng để di chuyển qua vào mạng của chúng tôi hoặc dữ liệu nào cần được phân tích tại thời điểm nó được tạo để chúng tôi đưa ra quyết định tốt nhất có thể. Cách tiếp cận phân tích này ở mọi nơi và mọi nơi là điều mà chúng tôi rất tâm đắc tại Statistica và đó là điều mà chúng tôi rất thành thạo. Và nó quay trở lại một trong những slide mà tôi đã đề cập trước đó, khả năng xuất các mô hình của bạn bằng nhiều ngôn ngữ khác nhau, để chúng có thể khớp và phù hợp với các nền tảng nơi dữ liệu được tạo. Và dĩ nhiên, có một thiết bị phân phối cho những model đó cũng là thứ chúng tôi mang lên bàn và chúng tôi rất hào hứng. Tôi nghĩ rằng cuộc trò chuyện ngày hôm nay là, nếu chúng ta thực sự nghiêm túc về dữ liệu này trong hệ thống của chúng ta trong một thời gian dài và chúng ta muốn tìm ra một lợi thế cạnh tranh và một góc độ sáng tạo để sử dụng nó, bạn phải áp dụng một số công nghệ cho phép bạn thoát khỏi một số mô hình hạn chế mà chúng ta đã sử dụng trong quá khứ.

Một lần nữa, quan điểm của tôi là nếu bạn định làm IoT, tôi nghĩ rằng bạn phải có khả năng làm điều đó ở cốt lõi, và đưa dữ liệu vào và khớp với dữ liệu khác và thực hiện phân tích của bạn. Nhưng cũng quan trọng không kém, thậm chí quan trọng hơn, bạn phải có sự linh hoạt này để đưa phân tích với dữ liệu và chuyển phân tích ra từ phía trung tâm của kiến ​​trúc của bạn ra ngoài rìa vì những lợi thế mà tôi đã đề cập trước. Đó là một chút về chúng ta là ai và chúng ta đang làm gì trên thị trường. Và chúng tôi rất hào hứng với IoT, chúng tôi nghĩ rằng nó chắc chắn đã đến tuổi và có nhiều cơ hội tuyệt vời cho mọi người ở đây để tác động đến phân tích và quy trình quan trọng của họ với loại dữ liệu này.

Rebecca Jozwiak: Shawn, cảm ơn rất nhiều, đó là một bài thuyết trình thực sự tuyệt vời. Và tôi biết Dez có lẽ sắp chết để hỏi bạn một vài câu hỏi nên Dez, tôi sẽ để bạn đi trước.

Dez Blanchfield: Tôi có một triệu câu hỏi nhưng tôi sẽ kiềm chế bản thân mình vì tôi biết Robin cũng sẽ có. Một trong những điều tôi thấy xa và rộng là một câu hỏi được đặt ra và tôi thực sự muốn hiểu rõ hơn về trải nghiệm của bạn trong điều này vì cho rằng bạn đang ở ngay trung tâm của mọi thứ. Các tổ chức đang vật lộn với thử thách, và nhìn một số người trong số họ vừa đọc những câu như của Cuộc cách mạng công nghiệp lần thứ tư của Klaus Schwab và sau đó đã có một cuộc tấn công hoảng loạn. Và những người không quen thuộc với cuốn sách này, về cơ bản, đó là một cái nhìn sâu sắc của một quý ông, bởi Klaus Schwab, người mà tôi nghĩ là một giáo sư, người sáng lập và Chủ tịch điều hành của Diễn đàn kinh tế thế giới từ bộ nhớ, và về cơ bản cuốn sách toàn bộ internet phổ biến của sự vật bùng nổ và một số tác động đến thế giới nói chung. Các tổ chức mà tôi đang nói chuyện không chắc chắn liệu họ có nên đi và cải thiện môi trường hiện tại hay đầu tư mọi thứ vào việc xây dựng tất cả môi trường, cơ sở hạ tầng và nền tảng mới. Trong Dell Statistica cũng vậy, bạn có thấy mọi người cải thiện môi trường hiện tại và triển khai nền tảng của bạn ra cơ sở hạ tầng hiện có không, hoặc bạn có thấy họ chuyển trọng tâm sang xây dựng tất cả cơ sở hạ tầng mới và chuẩn bị cho sự chậm trễ này không?

Shawn Rogers: Bạn biết đấy, chúng tôi đã có cơ hội phục vụ cả hai loại khách hàng và có mặt trên thị trường miễn là chúng tôi có, bạn có những cơ hội đó để mở rộng. Chúng tôi có những khách hàng đã tạo ra các nhà máy fab hoàn toàn mới trong vài năm qua và trang bị cho họ dữ liệu cảm biến, IoT, phân tích từ rìa, từ đầu đến cuối trong suốt quá trình đó. Nhưng tôi phải nói rằng hầu hết khách hàng của chúng tôi là những người đã làm loại công việc này trong một thời gian nhưng đã buộc phải bỏ qua dữ liệu đó. Bạn biết đấy, Rebecca đã đưa ra quan điểm ngay trước mắt - đây không phải là dữ liệu mới, loại thông tin này đã có sẵn ở nhiều định dạng khác nhau trong một thời gian rất dài, nhưng vấn đề đã được kết nối với nó, di chuyển nó, mang nó đến một nơi nào đó nơi bạn có thể làm được điều gì đó thông minh với nó.

Và vì vậy tôi sẽ nói rằng hầu hết khách hàng của chúng tôi đang nhìn vào những gì họ có ngày hôm nay, và Dez, bạn đã đưa ra quan điểm này trước đây, rằng đây là một phần của cuộc cách mạng dữ liệu lớn đó và tôi nghĩ rằng đó thực sự là về tất cả cách mạng dữ liệu, phải không? Chúng ta không phải bỏ qua dữ liệu hệ thống nhất định hoặc dữ liệu sản xuất hoặc xây dựng dữ liệu tự động hóa nữa, giờ đây chúng ta có đồ chơi và công cụ phù hợp để lấy nó và sau đó làm những điều thông minh với nó. Và tôi nghĩ rằng có rất nhiều trình điều khiển trong không gian này đang làm cho điều đó xảy ra và một số trong số họ là công nghệ. Bạn biết đấy, các giải pháp cơ sở hạ tầng dữ liệu lớn như Hadoop và các giải pháp khác đã làm cho nó rẻ hơn một chút và dễ dàng hơn cho một số người trong chúng ta nghĩ về việc tạo ra một hồ dữ liệu của loại thông tin đó. Và bây giờ chúng tôi đang tìm kiếm doanh nghiệp để đi, trộm Hey, chúng tôi đã có phân tích trong quy trình sản xuất của mình, nhưng liệu chúng có được cải thiện nếu chúng tôi có thể thêm một số thông tin chi tiết từ các quy trình này không? khách hàng của chúng tôi đang làm. Nó không tạo ra quá nhiều từ đầu, nhưng tăng cường và tối ưu hóa các phân tích họ đã có với dữ liệu mới đối với họ.

Dez Blanchfield: Vâng, có một số điều thú vị xuất hiện ở một số ngành công nghiệp lớn nhất mà chúng tôi đã thấy, và bạn đã đề cập, sức mạnh và tiện ích. Hàng không đang trải qua sự bùng nổ này, nơi một trong những thiết bị yêu thích mọi thời đại của tôi mà tôi thường xuyên nói đến, Boeing 787 Dreamliner, và chắc chắn là chiếc Airbus tương đương, chiếc A330 đã đi theo cùng một lộ trình. Có khoảng sáu nghìn cảm biến trong 787 khi nó được phát hành lần đầu tiên và tôi nghĩ giờ họ đang nói về mười lăm nghìn cảm biến trong phiên bản mới của nó. Và điều gây tò mò khi nói chuyện với một số người dân ở thế giới đó là ý tưởng đặt cảm biến ở cánh và vân vân, và điều tuyệt vời về 787 trong một nền tảng thiết kế là, bạn biết đấy, họ đã phát minh lại mọi thứ trong đó máy bay. Giống như đôi cánh chẳng hạn, khi máy bay cất cánh uốn cong tới mười hai mét rưỡi. Nhưng ở thái cực, đôi cánh có thể uốn cong ở chóp tới 25 mét. Điều này trông giống như một con chim vỗ. Nhưng điều họ không có thời gian để sửa là kỹ thuật phân tích tất cả dữ liệu này, vì vậy họ có các cảm biến làm cho đèn LED nhấp nháy màu xanh lá cây và đỏ nếu có điều gì đó xấu xảy ra, nhưng thực tế họ không hiểu sâu thời gian thực. Và họ cũng không giải quyết được vấn đề làm thế nào để di chuyển khối lượng dữ liệu xung quanh vì trong không phận nội địa ở Mỹ trên cơ sở hàng ngày có 87.400 chuyến bay. Khi mọi máy bay bắt kịp với việc mua 787 Dreamliner, đó là 43 petabyte mỗi ngày dữ liệu, bởi vì những chiếc máy bay này hiện tạo ra khoảng một nửa terabyte dữ liệu mỗi chiếc. Và khi bạn nhân 87.400 chuyến bay mỗi ngày ở Hoa Kỳ với số điểm năm hoặc nửa terabyte, bạn sẽ có 43, 5 petabyte dữ liệu. Chúng ta không thể di chuyển xung quanh. Vì vậy, theo thiết kế, chúng tôi phải đẩy các phân tích ra thiết bị.

Nhưng một trong những điều thú vị khi tôi nhìn vào toàn bộ kiến ​​trúc này - và tôi rất muốn xem bạn nghĩ gì về điều này - là chúng tôi đã chuyển sang quản lý dữ liệu chính, sắp xếp, các nguyên tắc đầu tiên của quản lý dữ liệu, kéo tất cả mọi thứ vào một vị trí trung tâm. Chúng tôi đã có các hồ dữ liệu và sau đó chúng tôi tạo ra các ao dữ liệu nhỏ nếu bạn muốn, trích xuất các dữ liệu mà chúng tôi phân tích, nhưng bằng cách phân phối ra rìa, một trong những điều tiếp tục phát triển, đặc biệt là từ người quản lý cơ sở dữ liệu và người quản lý dữ liệu hoặc những người trong ngành quản lý thông tin, điều gì sẽ xảy ra khi tôi có nhiều hồ dữ liệu thu nhỏ được phân phối? Loại điều gì đã được áp dụng cho suy nghĩ này liên quan đến phân tích cạnh trong giải pháp của bạn, theo đó, theo truyền thống, mọi thứ sẽ tập trung vào hồ dữ liệu, bây giờ chúng tôi kết thúc với những vũng dữ liệu nhỏ này ở mọi nơi, và mặc dù chúng tôi có thể thực hiện phân tích trên chúng cục bộ để hiểu rõ hơn về địa phương, một số thách thức bạn gặp phải là gì và bạn đã giải quyết vấn đề đó như thế nào, có tập dữ liệu phân tán đó và đặc biệt là khi bạn có được các hồ dữ liệu và khu vực phân tán?

Shawn Rogers: Tôi nghĩ đó là một trong những thử thách, phải không? Khi chúng ta đi xa, bạn biết đấy, vận chuyển tất cả dữ liệu về vị trí trung tâm hoặc ví dụ phân tích cốt lõi mà tôi đã đưa ra và sau đó chúng tôi thực hiện phiên bản phân tán là bạn kết thúc với tất cả các silo nhỏ này, phải không? Đúng như bạn miêu tả, phải không? Họ đang làm một chút công việc, một số phân tích đang chạy, nhưng làm thế nào để bạn mang chúng lại với nhau? Và tôi nghĩ rằng chìa khóa sẽ được sắp xếp trong tất cả những điều đó và tôi nghĩ rằng các bạn sẽ đồng ý với tôi, nhưng tôi rất vui nếu bạn không, rằng tôi nghĩ rằng chúng tôi đã theo dõi sự tiến hóa này khá nhiều thỉnh thoảng.

Quay trở lại thời của những người bạn của chúng tôi, ông Inmon và ông Kimball, người đã giúp đỡ mọi người về kiến ​​trúc đầu tư kho dữ liệu ban đầu của họ, vấn đề là chúng tôi đã rời xa mô hình tập trung đó trong một thời gian dài. Chúng tôi đã áp dụng ý tưởng mới này về việc cho phép dữ liệu thể hiện sức hấp dẫn của nó ở nơi tốt nhất nên nằm trong hệ sinh thái của bạn và sắp xếp dữ liệu với nền tảng tốt nhất có thể để có kết quả tốt nhất có thể. Và chúng tôi đã bắt đầu chi tiêu, tôi nghĩ, một cách tiếp cận được sắp xếp hợp lý hơn cho hệ sinh thái của chúng tôi như là một cách làm việc bao quát, như là nơi chúng tôi đang cố gắng sắp xếp tất cả những phần đó cùng một lúc. Tôi sẽ làm loại phân tích hoặc công việc nào với dữ liệu, loại dữ liệu đó là gì, điều đó sẽ giúp ra lệnh nơi nó sẽ sống. Nó được sản xuất ở đâu và dữ liệu có loại trọng lực nào?

Bạn biết đấy, chúng ta thấy rất nhiều ví dụ về dữ liệu lớn này, nơi mọi người đang nói về việc có các hồ dữ liệu 10 và 15 petabyte. Chà, nếu bạn có một hồ dữ liệu lớn như vậy, việc bạn di chuyển nó là không thực tế và do đó bạn phải có khả năng mang phân tích đến đó. Nhưng khi bạn làm điều đó, với cốt lõi của câu hỏi của bạn, tôi nghĩ rằng nó đặt ra rất nhiều thách thức mới cho mọi người trong việc điều phối môi trường và áp dụng quản trị và bảo mật, và hiểu những gì cần được thực hiện với dữ liệu đó để quản lý và nhận được giá trị cao nhất từ ​​nó. Và thành thật mà nói với bạn - Tôi rất muốn nghe ý kiến ​​của bạn ở đây - Tôi nghĩ rằng chúng ta đang ở những ngày đầu ở đó và tôi nghĩ rằng còn rất nhiều việc phải làm. Tôi nghĩ các chương trình như Statistica đang tập trung vào việc cung cấp cho nhiều người hơn quyền truy cập vào dữ liệu. Chúng tôi chắc chắn tập trung vào các personas mới này như nhà khoa học dữ liệu công dân, những người muốn đưa các phân tích dự đoán đến các địa điểm trong tổ chức mà trước đây có thể không có. Và tôi nghĩ rằng đó là những ngày đầu tiên xung quanh vấn đề này, nhưng tôi nghĩ rằng vòng cung trưởng thành sẽ phải chứng minh một mức độ cao hoặc sự phối hợp và liên kết giữa các nền tảng này, và sự hiểu biết về những gì trên chúng và tại sao. Và đó là một vấn đề lâu đời đối với tất cả mọi người trong dữ liệu của chúng tôi.

Dez Blanchfield: Thật vậy và tôi hoàn toàn đồng ý với bạn về điều đó và tôi nghĩ điều tuyệt vời mà chúng ta nghe thấy ở đây hôm nay ít nhất là vấn đề thực sự thu thập dữ liệu ở, tôi đoán, cấp độ cổng ở rìa của mạng và khả năng phân tích tại thời điểm đó về cơ bản đã được giải quyết ngay bây giờ. Và bây giờ nó giải phóng chúng ta để thực sự bắt đầu suy nghĩ về thử thách tiếp theo, đó là các hồ dữ liệu phân tán. Cảm ơn bạn rất nhiều vì điều đó, đó là một bài thuyết trình tuyệt vời. Tôi thực sự đánh giá cao cơ hội để trò chuyện với bạn về nó.

Bây giờ tôi sẽ chuyển cho Robin vì tôi biết anh ấy có, và sau đó Rebecca cũng có một danh sách dài những câu hỏi hay từ khán giả sau Robin. Robin?

Tiến sĩ Robin Bloor: Được rồi. Shawn, tôi muốn bạn nói thêm một chút và tôi không cố gắng cho bạn cơ hội để quảng cáo nó, nhưng nó thực sự rất quan trọng. Tôi muốn biết vào thời điểm nào Statistica thực sự tạo ra khả năng xuất khẩu mô hình. Nhưng tôi cũng vậy, tôi muốn bạn nói điều gì đó về Boomi bởi vì tất cả những gì bạn đã nói từ trước đến nay về Boomi là đó là ETL, và nó thực sự là ETL. Nhưng nó thực sự có khả năng ETL và đối với loại thời gian mà chúng ta đang nói đến, và một số tình huống chúng ta đang thảo luận ở đây, đó là một điều rất quan trọng. Bạn có thể nói với hai điều đó cho tôi?

Shawn Rogers: Chắc chắn, vâng, tôi hoàn toàn có thể. Bạn biết đấy, chuyển động của chúng tôi theo hướng này chắc chắn là lặp đi lặp lại và nó là một quá trình từng bước. Tuần này chúng tôi đã sẵn sàng để ra mắt Phiên bản 13.2 của Statistica. Và nó có các bản cập nhật mới nhất của tất cả các khả năng mà chúng ta đang nói đến ngày hôm nay. Nhưng quay trở lại Phiên bản 13, một năm trước vào tháng 10, chúng tôi đã công bố khả năng xuất khẩu các mô hình từ nền tảng của chúng tôi và chúng tôi đã gọi nó là NDAA vào thời điểm đó. Từ viết tắt của Kiến trúc phân phối bản địa. Những gì chúng tôi đã làm là chúng tôi dành nhiều thời gian, sức lực và tập trung vào việc mở ra nền tảng của chúng tôi với cơ hội sử dụng nó như một trung tâm chỉ huy trung tâm cho các phân tích nâng cao của bạn, nhưng cũng để triển khai từ đó. Và những nơi đầu tiên, Robin, mà chúng tôi đã triển khai, chúng tôi đã thực hiện một sự bổ sung thực sự, thực sự tuyệt vời cho nền tảng xung quanh việc học máy. Và vì vậy, chúng tôi đã có khả năng triển khai từ Statistica sang Azure Cloud của Microsoft để sử dụng sức mạnh của Azure để tăng cường khả năng học máy, như bạn biết, rất chuyên sâu và đó là một cách tuyệt vời để sử dụng các công nghệ đám mây. Và đó là bit đầu tiên.

Bây giờ ở đây, chúng tôi đã xuất các mô hình của mình sang Azure và sử dụng Azure để chạy chúng và sau đó gửi dữ liệu hoặc kết quả trở lại nền tảng Statistica. Và sau đó chúng tôi chuyển sang các ngôn ngữ khác mà chúng tôi muốn có thể xuất từ ​​đó, và dĩ nhiên một trong số đó là Java mở ra cánh cửa cho chúng tôi bây giờ bắt đầu xuất các mô hình của chúng tôi ra các địa điểm khác như Hadoop, vì vậy nó đã cho chúng tôi chơi ở đó là tốt.

Và cuối cùng, chúng tôi tập trung vào việc có thể xuất các mô hình của mình với bản phát hành đó vào cơ sở dữ liệu. Và đó là lần lặp đầu tiên và thành thật với bạn, trò chơi kết thúc là IoT nhưng chúng tôi vẫn chưa hoàn toàn ở đó với Phiên bản 13 vào tháng 10 năm ngoái. Kể từ đó chúng tôi đã đến đó và điều đó có liên quan đến khả năng làm tất cả những điều tôi vừa đề cập, nhưng sau đó có một số loại thiết bị vận chuyển. Và quay trở lại câu hỏi của Dez, bạn biết đấy, thách thức là gì và chúng ta làm điều này như thế nào khi chúng ta có tất cả các phân tích này chạy xung quanh? Chúng tôi sử dụng Boomi như một trung tâm phân phối và vì nó ở trên đám mây và vì nó rất mạnh, như tôi đã đề cập trước đây, đó là một nền tảng tích hợp dữ liệu, nhưng nó cũng là một nền tảng tích hợp ứng dụng và nó sử dụng JVM để cho phép chúng tôi để đỗ và làm việc ở bất cứ đâu mà bạn có thể hạ cánh máy ảo Java. Đó là điều thực sự đã mở ra cánh cửa cho tất cả các cổng và nền tảng điện toán cạnh và máy chủ biên, bởi vì tất cả chúng đều có máy tính và nền tảng có sẵn để chạy JVM. Và vì chúng tôi có thể chạy JVM ở bất cứ đâu, Boomi đã bật là một bản phân phối tuyệt vời và, sử dụng từ của tôi từ trước đó, một thiết bị phối hợp.

Và điều này thực sự quan trọng bởi vì tất cả chúng ta, bạn biết đấy, tôi nghĩ rằng kịch bản máy bay một phút trước là một điều tuyệt vời, và tôi đã đề cập, bạn biết đấy, các nhà sản xuất như Shire, người có mười nghìn cảm biến trong một trong các nhà máy của họ, bạn phải bắt đầu giải quyết loại phương pháp tiếp cận trung tâm cho các phân tích nâng cao tại một số điểm. Được quảng cáo về nó không thực sự hoạt động nữa. Nó được sử dụng khi khối lượng mô hình và thuật toán mà chúng tôi đang chạy là tối thiểu, nhưng bây giờ nó ở mức tối đa. Có hàng ngàn người trong một tổ chức. Vì vậy, chúng tôi có, một phần của nền tảng của chúng tôi là dựa trên máy chủ và khi bạn có phần mềm doanh nghiệp của chúng tôi, bạn cũng có khả năng điều chỉnh và ghi điểm và quản lý các mô hình của mình trên môi trường. Và đó cũng là một phần của điều hòa âm đó. Chúng tôi cần phải có một lớp, Robin, ở vị trí không chỉ cho phép bạn có được một mô hình ở đó ngay từ đầu, mà còn cho bạn một ống dẫn để điều chỉnh các mô hình và thay thế chúng trên cơ sở liên tục như bạn cần, bởi vì đây không phải là thứ bạn có thể làm thủ công. Bạn không thể đi bộ xung quanh một nhà máy lọc dầu với một ngón tay cái cố gắng tải các mô hình lên các cổng. Bạn phải có một hệ thống vận chuyển và quản lý ở giữa nó, và vì vậy sự kết hợp giữa Statistica và Boomi mang lại điều đó cho khách hàng của chúng tôi.

Tiến sĩ Robin Bloor: Vâng. Chà, tôi sẽ nói rất ngắn gọn, nhưng bạn biết đấy, tuyên bố này đã được đưa ra trước đây về hồ dữ liệu và ý tưởng tích lũy petabyte ở bất kỳ nơi nào và thực tế là nó có lực hấp dẫn. Bạn biết đấy, khi bạn bắt đầu nói về việc điều phối, nó bắt đầu khiến tôi suy nghĩ về một thực tế rất đơn giản rằng, bạn biết đấy, việc đặt một hồ dữ liệu rất lớn ở một nơi có lẽ có nghĩa là bạn thực sự phải sao lưu và điều đó có nghĩa là dù sao bạn cũng phải di chuyển rất nhiều dữ liệu. Bạn biết đấy, kiến ​​trúc dữ liệu thực sự là nhiều hơn, theo ý kiến ​​của tôi dù sao, nhiều hơn theo hướng mà bạn đang nói về. Đó là phân phối nó đến những nơi hợp lý, có lẽ là điều mà tôi muốn nói. Và có vẻ như bạn đã có một khả năng rất tốt để làm điều này. Ý tôi là, tôi đã tóm tắt rất rõ về Boomi vì vậy, bằng cách này hay cách khác, gần như không công bằng khi tôi có thể nhìn thấy nó và có thể khán giả không thể. Nhưng Boomi rất cần thiết, theo quan điểm của tôi, về những gì bạn đang làm bởi vì nó có khả năng ứng dụng. Và cũng bởi vì sự thật của vấn đề là bạn không thực hiện những tính toán phân tích này mà không muốn hành động ở đâu đó vì lý do này hay lý do khác. Và Boomi đóng một phần trong đó, phải không?

Shawn Rogers: Vâng, hoàn toàn. Và như bạn đã biết từ các cuộc trò chuyện trước đó, Statistica có một công cụ quy tắc kinh doanh toàn diện trong đó. Và tôi nghĩ rằng điều đó thực sự quan trọng khi chúng ta tìm hiểu lý do tại sao chúng ta làm điều này. Bạn biết đấy, tôi đã nói đùa rằng thực sự không có lý do gì để thực hiện IoT trừ khi bạn sẽ phân tích, sử dụng dữ liệu để đưa ra quyết định tốt hơn hoặc hành động. Và vì vậy, những gì chúng tôi tập trung vào không chỉ là có thể đưa mô hình ra khỏi đó mà có thể gắn thẻ cùng với nó, một bộ quy tắc. Và bởi vì Boomi rất mạnh về khả năng di chuyển mọi thứ từ nơi này sang nơi khác, trong một nguyên tử Boomi, chúng ta cũng có thể nhúng khả năng kích hoạt, cảnh báo và hành động.

Và vì vậy, đó là nơi chúng ta bắt đầu có được cái nhìn tinh vi về dữ liệu IoT mà chúng ta nói, ở đây, dữ liệu này rất đáng để nghe. Nhưng thực sự, bạn biết đấy, khi bật đèn, đèn vẫn sáng, đèn bật sáng, đèn bật sáng không thú vị bằng khi đèn tắt hoặc khi đầu báo khói tắt hoặc khi có bất cứ điều gì xảy ra với quy trình sản xuất của chúng tôi. Khi điều đó xảy ra, chúng tôi muốn có thể hành động ngay lập tức. Và dữ liệu trở nên gần như thứ yếu ở đây vào thời điểm này. Bởi vì điều đó không quan trọng đến mức chúng tôi đã cứu tất cả những người đó, nên nó ổn, không sao, không sao, đó là những tín hiệu, điều quan trọng là chúng tôi chú ý đến Hey Hey, đó là điều xấu và chúng tôi đã hành động ngay lập tức. Cho dù đó là gửi email cho ai đó hoặc chúng tôi có thể tham gia chuyên môn về miền, hoặc liệu chúng tôi có đặt ra một loạt các quy trình khác để thực hiện hành động ngay lập tức hay không, cho dù đó là sửa chữa hay phản hồi thông tin. Và tôi nghĩ đó là lý do tại sao bạn phải có cái nhìn phối hợp về nó. Bạn không thể chỉ tập trung vào việc xử lý các thuật toán của mình ở mọi nơi. Bạn phải có khả năng phối hợp và phối hợp chúng. Bạn cần có khả năng xem họ đang hoạt động như thế nào. Và thực sự, quan trọng nhất, ý tôi là, tại sao bạn lại làm điều này nếu bạn không thể thêm cơ hội để thực hiện một số hành động ngay lập tức chống lại dữ liệu?

Tiến sĩ Robin Bloor: Được rồi, Rebecca, tôi tin rằng bạn đã có câu hỏi từ khán giả?

Rebecca Jozwiak: Tôi có. Tôi có rất nhiều câu hỏi của khán giả. Shawn, tôi biết bạn không muốn kéo dài quá đầu giờ. Bạn nghĩ sao?

Shawn Rogers: Tôi hạnh phúc. Đi về phía trước. Tôi có thể trả lời một vài.

Rebecca Jozwiak: Hãy xem nào. Tôi biết một trong những điều bạn đề cập là IoT đang ở những ngày đầu và nó có một mức độ trưởng thành sẽ phải diễn ra và nó nói lên câu hỏi này mà một người tham dự đã hỏi. Nếu khung IPv6 sẽ đủ mạnh để đáp ứng sự phát triển của IoT trong năm hoặc mười năm tới?

Shawn Rogers: Ồ, tôi sẽ để Dez lặp lại câu trả lời của tôi bởi vì tôi nghĩ rằng anh ta gần gũi hơn với loại thông tin mà tôi đang có. Nhưng tôi luôn nghĩ rằng chúng ta đang đi rất nhanh để bẻ cong và phá vỡ hầu hết các khuôn khổ mà chúng ta có. Và trong khi tôi nghĩ rằng việc bổ sung loại thông số kỹ thuật mới hoặc hướng mà chúng tôi đang sử dụng với các khung IPv6 là quan trọng và nó mở ra cơ hội cho chúng tôi có nhiều thiết bị hơn và có thể cung cấp mọi thứ mà chúng tôi có muốn cho một địa chỉ. Tôi nghĩ rằng tất cả mọi thứ tôi đang đọc và nhìn thấy với khách hàng của mình và số lượng địa chỉ được yêu cầu, tôi nghĩ rằng một lúc nào đó sẽ gây ra một sự thay đổi khác trong bối cảnh đó. Nhưng tôi không thực sự là một chuyên gia về mạng nên tôi không thể nói một trăm phần trăm rằng chúng ta sẽ phá vỡ nó vào một lúc nào đó. Nhưng kinh nghiệm của tôi nói với tôi rằng chúng ta sẽ phá vỡ mô hình đó vào một lúc nào đó.

Rebecca Jozwiak: Tôi sẽ không ngạc nhiên. Tôi nghĩ rằng các khung là loại phá vỡ dưới sức nặng của tất cả các loại. Và đó chỉ là logic, phải không? Ý tôi là, bạn không thể gửi email bằng máy đánh chữ. Một người tham dự khác đang hỏi, Bạn có thể sử dụng khung Hadoop không? Nhưng tôi đoán tôi có thể thay đổi điều đó để nói, bạn sẽ sử dụng khung Hadoop như thế nào cho các phân tích phân tán?

Shawn Rogers: Chà, Robin đã giúp tôi hỏi tôi một câu hỏi lịch sử và vì vậy, từ Phiên bản 13 khoảng một năm trước cho Statistica, chúng tôi đã có khả năng đưa các mô hình ra khỏi hệ thống của chúng tôi và vào Hadoop. Và chúng tôi làm việc rất chặt chẽ với tất cả các hương vị lớn của Hadoop. Chúng tôi đã có những câu chuyện thành công thực sự xung quanh khả năng làm việc với Cloudera như một trong những bản phân phối chính của Hadoop mà chúng tôi hợp tác. Nhưng vì chúng ta có thể xuất ra bằng Java, nên nó cho chúng ta khả năng mở và đặt các phân tích của chúng ta ở bất cứ đâu. Đặt chúng vào một cụm Hadoop là điều mà chúng tôi làm trên cơ sở bình thường và thường xuyên và hàng ngày đối với nhiều khách hàng của chúng tôi. Câu trả lời ngắn gọn là có, hoàn toàn.

Rebecca Jozwiak: Tuyệt vời. Và tôi sẽ ném thêm một lần nữa cho bạn và để bạn tiếp tục với kỳ nghỉ của mình. Một người tham dự khác đang hỏi, với phân tích IoT cộng với học máy, bạn có nghĩ rằng tất cả dữ liệu cần được lưu trữ cho mục đích lịch sử và điều đó sẽ tác động đến kiến ​​trúc giải pháp như thế nào không?

Shawn Rogers: Chà, tôi không nghĩ rằng tất cả dữ liệu phải được lưu trữ. Nhưng tôi nghĩ thật thú vị khi có khả năng giải trí, lắng nghe bất kỳ nguồn dữ liệu nào chúng tôi muốn trong tổ chức của mình, bất cứ nơi nào nó đến. Và tôi nghĩ rằng những thay đổi mà chúng ta đã thấy trên thị trường trong vài năm qua đã cho phép chúng ta áp dụng cách tiếp cận toàn bộ dữ liệu đó vào mọi thứ, và nó dường như thực sự được đền đáp. Nhưng nó sẽ khác nhau đối với mọi công ty và mọi trường hợp sử dụng. Bạn biết đấy, khi chúng ta xem dữ liệu về sức khỏe, bây giờ có rất nhiều vấn đề về quy định, rất nhiều vấn đề tuân thủ cần phải quan tâm và điều đó khiến chúng ta lưu dữ liệu mà các công ty khác có thể không hiểu tại sao cần phải lưu, đúng không ? Trong các quy trình sản xuất, đối với nhiều khách hàng sản xuất của chúng tôi, có một mặt trái thực sự để có thể kiểm tra lịch sử các quy trình của bạn và có thể nhìn lại một lượng lớn dữ liệu này để học hỏi từ nó và xây dựng các mô hình tốt hơn từ nó.

Tôi nghĩ rằng rất nhiều dữ liệu sẽ cần được lưu giữ và tôi nghĩ rằng chúng ta đã có những giải pháp giúp việc đó trở nên kinh tế và có thể mở rộng hơn ngày hôm nay. Nhưng đồng thời tôi nghĩ rằng mọi công ty sẽ tìm thấy giá trị trong dữ liệu mà họ không phải giữ ở mức nguyên tử, nhưng họ sẽ muốn phân tích theo cách thức thời gian thực và đưa ra quyết định về nó để thúc đẩy đổi mới trong công ty của họ.

Rebecca Jozwiak: Được rồi tốt. Không, khán giả, hôm nay tôi không nhận được câu hỏi của mọi người, nhưng tôi sẽ chuyển tiếp chúng đến Shawn để anh ấy có thể tiếp cận trực tiếp với bạn và trả lời những câu hỏi đó. Nhưng cảm ơn mọi người đã tham dự. Cảm ơn rất nhiều đến Shawn Rogers từ Dell Statistica và từ tất cả các nhà phân tích của chúng tôi, Dez Blanchfield và Tiến sĩ Robin Bloor. Bạn có thể tìm thấy kho lưu trữ ở đây tại insideanalysis.com, SlideShare, chúng tôi đã bắt đầu đưa công cụ của chúng tôi trở lại đó một lần nữa và chúng tôi cũng đang cải tiến YouTube của chúng tôi để tìm kiếm điều đó. Cảm ơn mọi người rất nhiều. Và với điều đó tôi sẽ chào tạm biệt bạn và chúng ta sẽ gặp lại bạn vào lần tới.