智能物联与数字化转型

智能物联与数字化转型刘隶放大中华区技术总监让我们从车联网谈起2•监控车辆速度、交通流量和驾驶有效性•避免碰撞/危险警告•车辆与车辆通信80%预测性维护•车辆状况和服务提示•预测分析和告警•远程诊断40%•传感器将产生360度的全方位数据•无人驾驶汽车分析•自动驾驶或停车GPS/卫星智能物联在汽车行业的使用案例客户360度视图先进的车辆诊断车队管理\\8○-8//智能物联与数字化创新1.针对基于状态的资产监盘和预测性维护的互2.针对供给与消费的互联价值网络3.利用传感器获得的数据以及上下文数据提高产品质量4.互联产品实现新的商业模式，提供更好的客户体验及更佳的产品设计数字化转型的基础-数据在生产销售中无处不在映射和整合只是大数据的冰山一角户关系管理•网站/搜索引擎优化(改进产品/服务降低业务风险360度视图商业风险R-T资产监控改进产品/服务降低业务风险360度视图商业风险R-T资产监控R-T报告和Viz推动客户洞察力产品/服务改善销售与市场营销销售与市场营销风险/欺诈风险/欺诈物流cloudera cloudera现代化体系架构 存储 体系架构 ETLS-T数据撷取S-T数据撷取数字化转型–数据正在改变我们的业务流程—个端到端物联网（IOT）架构的主要功能实现与企业和业务应用程序的集行业中常见的物联网使用案例控预测性分析公共事业公共事业交通能源•在2021年IoT市场有$1.13T市场投入•亚太–有$500BIoT经费。制造，能源，交通投入最大•全球的IoT分析和信息管理市场=$573M物联网（IOT）生态系统和体系结构端到端物联网（IOT）架构集成物联网（IoT）操作技术、数据管理、分析和应用程序应用程序”应用程序”面向物联网（IOT）的端到端企业级解决方案企业应用程序物联网（IoT）物联网（IoT）网关互联“事物”遥测数据遥测数据性••••领导者正在寻求端到端的运营智能联网设备—连接的设备无处不在：家用电器等数字化转型—领导层需要数据驱动的分析来更快地做出决策。难以实现实时复杂度—从边缘进行数据收集和处理很复杂。控制边缘发生的情况需要设置可以建立边缘连接性的边缘代理难以扩展—难以大规模扩展数百万个设备和其他数据源中的数据OT&IT数据竖井—当运营数据和IT数据分别存储且从未在整个公司之间共享时，很难将它们组合在—起。CLOUDERADATAFLOW解决简单—ClouderaEdgeManagement管理，控制和监视边缘代理，以从边缘设备收集数据并实时处理数据。ClouderaFlowManagement确保数据流支持IoT实时分析高扩展—ClouderaStreamsMessaging是—种高度可扩展的，—流的IoT流架构。在ApacheKafka的支持下，它可以推动各种流数据计划，使IoT项目能够满足业务需求并提供更好的服务实时—CDF的—部分ClouderaStreamingAnalytics可以使企业从OT和IT收集流数据，以提供端到端实时分析CLOUD三RA©2020Cloudera,Inc.Allrightsreserved.15挑战：针对智能物联客户不同角色挑战如何应对开发人员并且难以收集和处理边缘数据不需要编码的情况下在边缘进行数据收集和处理。减少开发时间并创建更多数据流。主管无法结合OT和IT数据来获得整个企业的实时洞察力找出问题并为如何使用CDFforIoT尤其是ClouderaStreamingAnalytics（Flink）帮助他们实现实时分析提供路径运维数百万个产生物联网数据的设备难以扩展实时分析它可以推动各种流数据计划，从而使IoT项目能够满足业务需求，提供更好的服务并向上游提供实时分析。如何从边缘进行复杂的数据收集和处理正确的连接器和协议ETL流程=延迟洞察无法与边缘通信限制网络带宽以传输数据数据中心本地存储数据如何保证数百万个设备数据的扩展限制网络带宽以传输数据数据中心本地存储数据如何进行实时分析以告知决策领导无法获得端到端运营的360度视图Geo-Geo-CLOUD三RA©2020Cloudera,Inc.Allrightsreserved.ApacheKafkaAnalyticsAppsData-at-Rest边缘数据收集ApacheKafkaAnalyticsAppsData-at-Rest边缘数据收集由Kafka支持的网关摄入west-由Flink支持的流分析静态数据CDP由Nifi支持的数据流应用IMPROVEPRODUCT&使用实时物联网（IOT）分析技术优化设备性能、节约成本。数据增长预计将达到每月30TB。IMPROVEPRODUCT&使用ERP数据、数字交互、CRM、工厂机器和外部因果数据改善客户体验。通过预测建模来创建产品建议，以及减少客户流失。非凡的客户体验（ECE）推动公司安全性、生产力和财务业绩等方面的持续改进。针对高级分析创建环境，并整合异地分布的制造工厂的数据。使用预测性维护提高性能并减少停机时间。英特尔公司构建的预测引擎，为简化英特尔芯片设计验证和调试流程提供有用数据