Skip to main content

Stream Analytics

Real-time Berechnungen für das Internet of Things (IoT)

Prognosen gehen davon aus, dass bis zum Jahr 2020 zwischen 24-30 Milliarden elektronische Geräte mit dem Internet verbunden sein werden. Eingesetzt in diesem IoT Szenario ermöglicht Stream Analytics Analyseabfragen in Echtzeit für Datenströme, die von Smartphones, Konsumerelektronik, Sensoren, Websites, Social Media, Infrastruktursystemen oder connected cars erzeugt werden.

Bei Stream Analytics basieren die Entscheidungen nicht mehr auf menschlichen Interpretationen und Einschätzungen, sondern auf in Echtzeit automatisierten Berechnungen. Darüber hinaus werden wesentlich mehr Informationen und damit mehr verfügbares Wissen berücksichtigt, da Daten aus allen verfügbaren in- und externen Quellen (sog. Datensilos) zusammengeführt und kombiniert werden (korrelationsbasierte Big Data-Analysen).

Wo wird Stream Analytics eingesetzt

  • Ausführung von real-time Analysen für Internet of Things (IoT) Lösungen
  • Einsatz für unternehmenskritische Vorhersageergebnisse (predictable) mit hoher Zuverlässigkeit und Geschwindigkeit (Stream von Millionen Events pro Sekunde)
  • Generieren von real-time Dashboards und Warnmeldungen mit Daten die von Devices und Anwendungen erzeugt werden
  • Mittels Maschine Learning Muster erkennen, die Menschen nie gefunden hätten, z.B. bei der Echtzeit Betrugserkennung
  • von Finanzinstituten angebotene personalisierte Aktien-Tradinganalysen und –alarme
  • Ausgabe von Warnungen in CRM Programmen, wenn Kunden nicht innerhalb eines Zeitfensters reagieren

Um in hart umkämpften Märkten Erfolg zu haben, benötigen Unternehmen eine flexible, zuverlässige und kostengünstige Möglichkeit solche Ereignis-gesteuerten real-time-streaming-data-Analysen selbst durchzuführen.

Expertenempfehlung

Real-Time versus Streaming Analytics

Es ist wichtig zwischen “real time analytics” und “streaming analytics” zu unterscheiden.

Normalerweise bezieht man sich bei “real-time business analytics” auf ein System, bei dem Antworten innerhalb eines bestimmten eng definierten Zeitrahmens gewährleistet sind. Börsensysteme sind ein klassisches Beispiel für diese Art von Systemen. Das Ergebnis wird in einer garantierten Antwortzeit oder als Ergebnis einer festgelegten Deadline geliefert.

Streaming Analytics dagegen ist anders. Die Stream-Verarbeitung bezieht sich auf die laufende Berechnung von Daten die kontinuierlich durch ein System fließen. Im Gegensatz zu "Realtime -Analysen" gibt es keine spezifischen Fristen oder Toleranzen in der Verarbeitung des Streams. Der Output eines Stream-Verarbeitungssystem ist nicht auf eine feste Frist festgelegt.

Analytics für das IoT Zeitalter

Bei IoT Analytics spielt Echtzeit-Streaming Analytics eine zentrale Rolle im Gesamtprozess. IoT Analytics erfordert Maßnahmen die Ereignisse in Echtzeit aufnehmen, unterschiedliche Datenstreams korrelieren oder Streams mit historischen Werten und Modellen vergleichen. Sie erkennt Anomalien, tranformiert eingehende Daten, löst einen Alarm aus wenn ein bestimmter Fehler oder Zustand im Stream auftaucht und zeigt diese real-time Daten in einem Dashboard an. 

Szenario 1: Real-time Betrugserkennung in der Telekommunikation

Telekommunikationsunternehmen müssen ein großes Datenvolumen für eingehende Anrufe bewältigen. Ein typisches Anforderungsprofil für ein Analytics System für eine Betrugserkennung könnte so aussehen:

  • Reduziere die einströmende Datenmenge auf eine überschaubare Menge und liefere Einblicke über den Kunden bezogen auf deren Nutzungszeit und geografische Region
  • Erkenne SIM-Kartenbetrug in Echtzeit (z.B. gleichzeitige Anrufe von der gleichen Person, aber aus geografisch verschiedenen Regionen), sodass der Kunde schnell informiert werden kann oder der Service gleich abgeschaltet wird.

Die Technologie einer solchen Echtzeit-Anomalie-Erkennung wie in diesem Telekommunikationsbeispiel eignet sich gleichermaßen für jede Art von Betrugserkennung wie sie ebenfalls z.B. bei Kreditkarten- oder Identitätsdiebstahl Szenarien vorkommen.

Szenario 2: Analyse der Prozeßdaten von IoT Geräten

Marktreife Industrie 4.0-Anwendungen wie Predictive Maintenance haben den Fokus der Fertigungsindustrie stark auf die Produktions-IT gelenkt: Maschinen und Produktionsmittel, die eigenständig Informationen austauschen, sich gegenseitig steuern und selbstständig warten, machen Fabriken immer smarter. Ein Unternehmen aus der industriellen Automation hat seinen Herstellungsprozess komplett automatisiert. Die Maschinen besitzen Sensoren, die Datenströme in Echzeit aufzeichnen. In diesem Szenario benötigt ein Produktionsleiter Real-time Ansichten der Sensordaten um nach Mustern zu suchen und entsprechend zu reagieren. Als Lösung kommt Pentaho zum Einsatz um interessante Muster im eingehenden Datenstrom herauszufinden.

Ihr Vorteil

Unternehmen die auf sie einströmende Datenflut in Echtzeit reagieren können verbessern ihre Effizienz dramatisch und differenzieren sich im Markt. Stream Analytics mit Pentaho verarbeitet Millionen von Ereignissen (Events) pro Sekunde.

Durch die Kombination von beschreibender (deskriptive) und vorhersagender (prädiktive) mit präskriptiven Analysen, können mit Streaming Analysis - ausgehend von einem vorab definierten Ziel - die notwendigen Maßnahmen automatisiert ergriffen werden.

Die Ergebnisse dieser exakten, automatisierten Echtzeit-Entscheidungen werden vom System selbstständig in intelligente Frontends und operative Prozesse integriert. Machine Learning auf Basis von z.B. Apache Spark ermöglicht eine kontinuierliche Optimierung von Prozessen in allen denkbaren Bereichen – wenn gewünscht, vollkommen ohne menschliches Eingreifen.

Unsere Leistung

Die Kombination von Streaming Analytics in Echtzeit mit Vorhersagen (Predictive Analytic) die auf historischen Analysen beruhen, ermöglicht Unternehmen Entscheidungen zu treffen und Maßnahmen zu ergreifen die den Geschäftswert von IoT Anwendungsfällen drastisch erhöhen.

Das hohe Volumen von Echtzeitdaten bietet ein großes Potenzial für neue Einblicke in Geschäftsprozesse, die genutzt werden können, um Einnahmen zu erhöhen, Kosten und Risiken zu senken oder die Betriebseffizienz zu erhöhen.

Sie haben Fragen zum Stream Analytics?

Dann wenden Sie sich jetzt an unsere Experten!

Anfrage Senden