Ich arbeite seit 1998 bei SAS. Hier habe ich lange Zeit IT Management Projekte initiiert und zur Produktionsreife gebracht. Dabei waren die Themen Service Level Management, IT Reporting und Kostenrechnung auch im SAP Umfeld Projektinhalt. SAP Hana gehörte schon sehr früh zu meinem Beratungsportfolio. Aktuell beschäftige ich mich mit den Themen Predictive Analytics auf SAP Hana sowie Fahrzeugtelematikdaten mit Datenstreaming (Event Stream Processing) im Zusammenhang mit SAP Hana und SAS professionell. Technisches Know-How zu Softwareprodukten von SAP und SAS bilden die Grundlage für meine professionelle Beratungsleistung.
Analytics braucht große Ressourcen? Das muss nicht sein. Und es darf auch nicht sein, wenn es um die Auswertung von Daten direkt an dem Ort, an dem sie entstehen, geht. Autonome Fahrzeuge, Fräsmaschinen oder Sensoren in Fußballschuhen sind nur einige Beispiele, wo „Edge Analytics“ benötigt wird, um eine „Funktion 2.0“
In meinen ersten drei Blogs (1/2/3)habe ich Ihnen eine Bauanleitung vorgestellt, mit der Sie Edge Analytics in einen Modell-Truck im Maßstab 1:14 montieren können. Das schien wie eine Spielerei, hat aber sehr reale Anwendungsszenarien. Heute, in Teil 4, möchte ich Sie zu einer eleganten Rolle rückwärts einladen! Will sagen: Die
ODER: Wie erstelle ich ein Edge Analytics Case auf Basis von SAS ESP, SAS Streamviewer und eines Modelltrucks? Das beschreibe ich in Teil 3. Rückblick: Im ersten Teil wurden die Idee und der Inhalt der SAS Streaming-Analytics-Demo beschrieben. Im zweiten Teil sind die einzelnen technischen Komponenten sowie die Software aufgelistet. Im
ODER: Wie erstelle ich ein Edge Analytics Case auf Basis von SAS ESP, SAS Streamviewer und eines Modelltrucks? Im ersten Teil wurde die praxisnahe Demonstration von SAS Streaming Analytics anhand eines Modelltrucks beschrieben. Für den Aufbau eines funktionsfähigen Modells, das mit einer Fernbedienung in Bewegung gesetzt werden kann, werden folgende
Edge Analytics ist zweifellos eines der „Next Big Things“. Noch vor ein, zwei Jahren nicht mehr als ein ambitioniertes Konzept, sind jetzt die Voraussetzungen für ganz reale Anwendungen da. Wie so etwas aussehen kann, will ich anhand eines scheinbar spielerischen, aber tatsächlich einsatzbereiten Beispiels zeigen: dem analytischen Truck. In diesem
Die Zeiten, in denen man von Kühlschränken, die selbstständig bestellen, oder kommunizierenden Waschmaschinen spricht, sind gefühlt lange vorbei. Heute sprechen wir von Smart Environments. Smart Home, Smart Energie oder auch Smart Phone sind Begrifflichkeiten, die jeder erklären kann. Im Folgenden ein paar Einsatzszenarien, die den Nutzen der Technologie zeigen:
Bei einem Formel-1-Rennen drehen die Fahrzeuge vermeintlich alleine durch den Fahrer gesteuert ihre Runden. Rennen für Rennen verfolgen Menschen die Piloten bei ihrem Streben, die schnellste Runde zu fahren und die beste Zeit zu erreichen.
Die ganze IT-Welt spricht – meist im Zusammenhang mit Big Data und Echtzeit – von Data Streaming, Event Stream Processing, In-Stream-Datenanalyse. Doch was genau steckt dahinter? Und welche konkreten Anwendungsfälle gibt es? Als Einstieg eine kurze Definition.
Teil 2: Installation eines Message Broker Die Nutzung eines Message Broker kann beliebig komplex werden. Um einen einfachen Einstieg zu finden, habe ich ein einfaches Beispiel genutzt.
Wenn wir über Event Stream Processing sprechen, sprechen wir oft von sog. Message Brokern. Diese Systeme werden in der Praxis für den schnellen Datentransport eingesetzt wo klassische Batchsysteme zu langsam sind. Vor allem bei großen Datenmengen sind Message Broker Systeme unabdingbar. Im Gespräch mit dem Kunden sagen wir meist: Der
Netzstabilität im Stromnetz Wenn wir morgens aufstehen, schalten wir das Licht an, kochen einen Kaffee und backen Brötchen auf. Wie selbstverständlich funktionieren Beleuchtung, Kaffeemaschine, Backofen und weitere Geräte, also alle Stromverbraucher zuverlässig. Der Strom kommt ja aus der Steckdose! Doch woher bekommt die Steckdose den Strom und wer sorgt für
..... Event Stream Processing im Alltag? Ist Ihre Kreditkartenzahlung sicher? Ja? Es wird suggeriert, dass die Kreditkartenzahlung mit hoher Wahrscheinlichkeit nicht angreifbar und sicher ist. Inwieweit entspricht das subjektive Sicherheitsempfinden den realen Tatsachen? Wir als Laien wissen es nicht genau und können es noch weniger erklären. ---------- ESP von SAS
Die Herausforderung ist, Daten als Stream in SAS Visual Analytics darstellen zu können. Für Streaminglösungen eignen sich in erster Linie Sensordaten aus technischen Anlagen wie Kompressoren und Produktionsanlagen, Wetterdaten, geologische Daten wie Daten aus Seizmographen, Daten aus energieproduzierenden Anlagen wie Wind- und Wasserkraftanlagen und Telematikdaten aus Fahrzeugen. Letztere sind für
