Получение данных из любых источников, включая AWS IoT Core. Сервис AWS IoT Analytics может получать данные напрямую из AWS IoT Core. А с помощью API BatchPutMessage можно передавать в AWS IoT Analytics данные из Amazon S3, Amazon Kinesis и любых других источников. Благодаря полной интеграции AWS IoT Analytics с AWS IoT Core и API можно без труда получать сообщения от подключенных устройств по мере их поступления.

Сбор только тех данных, которые нужно сохранить и проанализировать: консоль AWS IoT Analytics позволяет настроить AWS IoT Analytics для приема сообщений с устройств с помощью фильтров тем MQTT различного формата и частоты. AWS IoT Analytics проверяет, что данные находятся в диапазонах, которые заданы в настройках, и создает каналы. Затем сервис направляет каналы к соответствующим конвейерам для обработки, преобразования и дополнения сообщений.

Очистка и фильтрация. AWS IoT Analytics позволяет указать функции AWS Lambda, которые требуется запускать, когда AWS IoT Analytics обнаруживает отсутствующие данные, что позволяет исполнять код для оценки и заполнения пробелов. Можно также определить максимальные/минимальные фильтры и процентильные пороги, чтобы удалить из данных посторонние значения.

Выполнение спонтанных и запланированных SQL-запросов. AWS IoT Analytics имеет встроенный механизм обработки SQL-запросов, позволяющий выполнять спонтанные или запланированные запросы и быстро получать результаты. Например, можно выполнить быстрый запрос, чтобы узнать, сколько ежемесячных активных пользователей бывает у каждого используемого устройства.

Анализ временных рядов. AWS IoT Analytics также поддерживает анализ временных рядов, что позволяет анализировать изменение производительности устройств с течением времени и понимать, как и где они используются, постоянно контролировать данные устройств для прогнозирования проблем, связанных с обслуживанием, и выполнять мониторинг датчиков для прогнозирования условий окружающей среды и реагирования на них.

Размещенные блокноты для сложной аналитики и машинного обучения. AWS IoT Analytics включает поддержку размещенных блокнотов Jupyter для статистического анализа и машинного обучения. Сервис включает набор готовых шаблонов для блокнотов, в которых содержатся модели машинного обучения и визуализации, созданные AWS. Они помогают начать работу с примерами использования IoT, связанными с профилированием сбоев устройства, прогнозированием таких событий, как малоэффективное использование (которое может говорить о том, что клиент откажется от продукта), или сегментированием устройств по работоспособности устройства и уровням использования (например, постоянные пользователи или пользователи выходного дня).

Можно выполнять статистическую классификацию с помощью метода логистической регрессии. Кроме того, можно использовать долгую краткосрочную память (LSTM), которая является мощной методикой нейронной сети для прогнозирования вывода или состояния процесса, изменяющегося со временем. Предварительно созданные шаблоны электронных книг также поддерживают алгоритм кластеризации методом K-средних для сегментации устройства, который кластеризует используемые устройства в группы подобных устройств. Эти шаблоны обычно используются для определения исправности и состояния устройств, например состояния блоков отопления, вентиляции и кондиционирования на фабрике шоколада или износа лопаток на ветряной турбине.

Использование собственных контейнеров. AWS IoT Analytics импортирует контейнеры с вашим пользовательским кодом, созданные в AWS IoT Analytics или сторонних сервисах, таких как Matlab, Octave и другие, предоставляя вам возможность сконцентрироваться на обретении конкурентных преимуществ. Нет необходимости повторно создавать существующие анализы, которые уже были созданы в сторонних инструментах. Просто импортируйте контейнер с анализами в AWS IoT Analytics и выполняйте его при необходимости.

Если вы пользуетесь Jupyter Notebooks, просто создайте исполняемый образ контейнера своего кода Jupyter Notebook одним нажатием кнопки и визуализируйте свой анализ в контейнере на консоли AWS IoT Analytics.

Автоматизация выполнения контейнеров. AWS IoT Analytics позволяет автоматизировать выполнение контейнеров с пользовательским аналитическим кодом или анализов из Jupyter Notebooks, обеспечивая непрерывное проведение анализа. Можно запланировать регулярное выполнение пользовательского анализа в соответствии с потребностями вашего бизнеса.

Инкрементная фиксация данных с настраиваемыми периодами. AWS IoT Analytics позволяет пользователям выполнять анализ новых инкрементных данных, зафиксированных с момента последнего анализа. Сканируя только новые данные, можно повысить эффективность анализа и снизить затраты на него. Независимо от времени проведения последнего анализа настраиваемые периоды позволяют фиксировать только данные, появившиеся с момента вашего последнего анализа.

Интеграция с QuickSight. AWS IoT Analytics предоставляет коннектор для Amazon QuickSight, что дает возможность визуализировать данные на панели инструментов QuickSight. Дополнительно можно визуализировать результаты или спонтанный анализ во встроенных блокнотах Jupyter в консоли IoT Analytics.