The importance of now: rivedere il ciclo tradizionale del dato alla luce della trasformazione...

Copyright © SAS Inst itute Inc. A l l r ights reserved.

Data in Motion vs. Data at RestThe importance of now: rivedere il tradizionale ciclo del dato alla luce della trasformazione digitale

Brad Hathaway - Regional Head of Data Management, SAS


I sensori ovunqueIndustry 4.0

Immagine di Christoph Roser at http://www.allaboutlean.com AllAboutLean.com

http://www.allaboutlean.com/


Benefici IoT – attese e stimeSmart Factories

SRI International - Global Spa Summit 2010

Fonte: McKinsey

10%-40%Riduzione dei costi di manutenzione nei «smart

factories»


Trend di mercato IoTL’impatto sull’economia globale entro 2020


6%Fonte: ATKerneyhttps://www.atkearney.com/documents/4634214/6398631/A.T.+Kearney_Internet+of+Things+2020+Presentation_Online.pdf/af7e6a55-cde2-4490-8066-a95664efd35a

• $3.5T - Revenue ridistribuiti• $177B – Valore per il cliente finale• $1.9T – Miglioramenti in Produttività• $344B – Revenue aggiuntivi da IoT

https://www.atkearney.com/documents/4634214/6398631/A.T.+Kearney_Internet+of+Things+2020+Presentation_Online.pdf/af7e6a55-cde2-4490-8066-a95664efd35a


Benefici IoT – attese e stimeHealthcare


Fonte: McKinsey

90Miliardi di Euro in risparmi nel mondo healthcare, stimato da EU, con l’uso di

device interconnessi e l’applicazione degli Advanced Analytics su Big Data


Trend di Mercato IoTWearable device - 2015-2020 CAGR


Fonte: EYhttp://www.ey.com/Publication/vwLUAssets/ey-m-e-internet-of-things/$FILE/ey-m-e-internet-of-things.pdf

24%

http://www.ey.com/Publication/vwLUAssets/ey-m-e-internet-of-things/$FILE/ey-m-e-internet-of-things.pdf


Tattletale devicesQuando i device IoT ti mettono nei guai …

Dati dal stimolatore cardiaco usati per arrestare uomo per incendio doloso e frode assicurativo

I dati del device hanno fornito la prova definitiva contro l’uomo che ha dato fuoco alla sua casa per frodare l’assicurazione.

Fonte: ZDNethttp://www.zdnet.com/article/data-from-pacemaker-used-to-arrest-man-for-arson-insurance-fraud/

http://www.zdnet.com/article/data-from-pacemaker-used-to-arrest-man-for-arson-insurance-fraud/


Tattletale devicesQuando i device IoT ti mettono nei guai …

https://ec.europa.eu/digital-single-market/en/news/ecall-all-new-cars-april-2018In Europa tutte le nuove macchine vendute dopo 4/2018 dovranno avere dotazioni simili

La macchina chiama il 112 dopo l’incidente;pirata della strada arrestato

La funzionalità di sicurezza della Ford risulta ottima anche pertenere traccia dei guidatori indisciplinati

Fonte: ZDNethttp://www.zdnet.com/article/car-calls-911-after-alleged-hit-and-run-driver-arrested/

https://ec.europa.eu/digital-single-market/en/news/ecall-all-new-cars-april-2018

http://www.zdnet.com/article/car-calls-911-after-alleged-hit-and-run-driver-arrested/


Tanti dati

Source: Forbeshttp://www.forbes.com/sites/michaelkanellos/2016/03/03/152000-smart-devices-every-minute-in-2025-idc-outlines-the-future-of-smart-things/#6bf87cb069a7

*

* Un Zettabyte è1.000.000.000.000.000.000.000byte

http://www.forbes.com/sites/michaelkanellos/2016/03/03/152000-smart-devices-every-minute-in-2025-idc-outlines-the-future-of-smart-things/#6bf87cb069a7


E’ un discorso di curve

Tempo

Sto

rage

nec

essa

rio

per

IOT

Sto

rage

Dis

po

nib

ile

IL C

OST

O D

ELLO

STO

RA

GE

$$$


STREAMING ANALYTICS

… è per applicare gli analytics mentre i dati sono in movimento, prima

di essere scritti nello storage – tenendo solo quello che è pertinente


Batch-Load Data

WarehouseMicro-Batch

Data Warehouse

Trickle-feedDW con CDC

Complex EventProcessing

Event StreamProcessing

Giorni Ore Minuti Secondi Millisecondi Microsecondi

UNA NUOVA EPOCA PER L’ELABORAZIONE DEI DATI

L’EVOLUZIONE DI ANALYTICS OPERAZIONALI

Spostare le analisi alla

fonte degli eventi,

analizzare i dati prima di

scriverli nello storage,

tenere solo i dati

pertinenti, query ad alta

velocità dei dati in

streaming, e usare

algoritmi appropriati per

gli eventi in streaming


DATA MANAGEMENT CICLO DI VITA TRADIZIONALE

DeployETL

DatI Storage

f

Accedere - Scrivere - Analizzare

Alert / Report


DeployETL

Dati Storage

Alert / Report / Decisioni

De

plo

y

f

Dati in Streams Intelligent Filter / Transform

Streaming Model Execution

IL CICLO DI VITA DEGLI ANALYTICS NEL MONDO IOTCAPTARE – CAPIRE – AGIRE


ANALYTICS DISTRIBUITISTREAMING ANALYTICS

VALUE STREAM

DeployETL

Data Data Storage

Alerts / Reports/ Decisioning

Deplo

y

f

IoT Data Intelligent Filter / Transform

Streaming Model

Execution


PURPOSE-BUILT DA RISPOSTE IN TEMPO REALE

SAS Event Stream Processing

Per processare con throughput alto e con bassa latenza, eventi in streaming

devono migrare da real-time reattivo a real-time proattivo

Real-time reattivo Real-time proattivo

Throughput alto

bassa latenza

Throughput

e latenza medio

Analizza in

continuazione per

definire azioni corrette

Azioni in Real-time sono

il risultato di analisi del

pattern

Soluzioni SAS Real-Time

Ascoltare e reagire a

richieste in ingresso

Azioni in Real-time sono il

risultato di un evento trigger


PURPOSE-BUILT IDENTIFICA PATTERNS IMPORTANTI

• Funzionalità data quality

• Definizione di regole di business e

policy

• Advanced analytics:

• Scoring degli eventi (modelli

sviluppati con data at rest)

• Machine Learning clusters

(modelli definiti in-stream)

• Estrarre entità, classificare ed

identificare sentiment (Metodi

NLP)

• Filtrare, aggregare e correlare eventi

• Considerare dati storici (tenuti in-

memory)

• Continuous queries o query periodiche

• Trovare pattern alla fonte degli eventi in streaming

• Offline, data at rest identificano trend

• Inserire nuovi insight negli eventi in streaming

• Aggiornare le query dinamicamente nello stream


GESTIONE PAZIENTI

PROBLEMA DI BUSINESS

• Trovare pattern significativi nei dati real-time dei pazienti per

attivare, quando necessario, il team di emergenza

• Indirizzare Alert Fatigue٭

• Ottenere statistiche sui dati vitali dai sensori nei macchinari

diversi di monitoraggio tramite telemetria

• Associare i dati nuovi real-time con i risultati del laboratorio

RISULTATI

• Monitorare dati per attivare azioni basate sui pattern presenti

• Inviare messaggi via email e SMS

• Alert immediati per i team di emergenza

• Inviare consigli rapidamente ai pazienti remoti

HEALTH CARE


Data Quality / Transform

EventDetection(E’ successo qualcosa?)

EventIdentification(Cosa è successo?)

EventQuantification(Qual’è l’entità del

problema?)

Sviluppare analytics per:

• “Sentire” eventi sulla rete

• Categorizzare l’evento sulla rete

• Indirizzare le azioni appropriate in base al

evento

• Catturare dati per l’analisi degli eventi

Dati: potenza

frequenza, voltaggio,

ampere, phasorangolo, …

Power Plant

PrimarySubstation

SecondarySubstation

High-voltagetransmission line

Analisi dei dati in Streaming :il sistema genera N misure/sec

Tecniche analitici possono

essere applicate per “sentire” quando c’è una

deviazione dal pattern normale.

Un evento può essere

“normale” o rappresentare un problema con un

dispositivo

Qual è il magnitudine del

problema con il dispositivo?

Main goal: identificare e capire eventi con un impatto sul grid con l’obiettivo di tenerlo il più stabile possibile.

Offline Advanced Analytics and Exploration(come passare oltre?)

1. At Edge

2. In Network (Fog Computing)

3. At Rest

USE CASE - ENERGY


ONLINE FRAUD DETECTION BANKING

PROBLEMA DI BUSINESS

• Sotto assedio dai malintenzionati

• La banca voleva velocizzare drammaticamente le loro capacità di

reporting e spostarsi da report batch giornaliero a continuativo

• Mancanza di elementi chiavi nella logica di individuazione (eg.

Profili dei beneficiari, log di sessione PC)

RISULTATI

La banca adesso è in grado di:

• Accedere a 10 volte tanto il volume di dati ogni giorno

• Ricevere dati di rischio quattro ore prima

• Analizzare insiemi di dati grandi (fino a 7 TB)

• Accedere ai dati attraverso un portale web nuovo


SAS EVENT STREAM PROCESSING

CONCLUSIONI

Monitorare e trovare

eventi in modo continuo,

agendo in tempo reale

per avere l’impatto

maggiore

REAL-TIME

AZIONI

PERTINENTI

Conservare solo quello che è appropriato.

Filtrare e migliorare prima dello storage

FOCALIZZARE

SUI DATI

PERTINTENTI

Un singolo ambiente per

esaminare gli eventi e

decidere quale azione

intraprendere per migliorare

gli streaming analytics

ANALYTICS

MULTI-PHASE

E GOVERNATI


IoT incontra analytics: SAS DEMOtic HomeFederico Alberto Pozzi

sas.com


Brad Hathaway - Regional Head of Data Management, SAS

Grazie!

[email protected]

@braddatamanagement

@BradDataMgmt

http://www.sas.com/

The importance of now: rivedere il ciclo tradizionale del dato alla luce della trasformazione...

Data & Analytics

Transcript of The importance of now: rivedere il ciclo tradizionale del dato alla luce della trasformazione...