SAS Analytics for IoT 特性列表
精简、可扩展的 ETL
- 自动转换关键数据字段并将其加载到基于传感器的数据模型中。
- 无论您有三个字段（传感器 ID、值和日期时间）还是数百个字段，均可让您快速加载 IoT 数据。
- 包括传感器属性、设备属性、层次结构、度量和事件。
- 支持使用全面的 ETL 功能，将其他现场数据、生产质量数据与传感器数据相集成。
- 直接连接 SAS Event Stream Processing，将实时信息与历史记录整合在一起。
灵活、基于传感器的数据模型
- 提供标准化、可扩展的基于传感器的数据模型。
- 直接集成实时和历史数据、数据层次和其他关系。
- 组织大量不同的 IoT 数据以进行高效分析。
- 为整个组织中的不同用户提供单一版本的数据。
统一、直观、以业务为中心的数据选择用户界面
- 使非技术用户可以快速选择用于分析的数据，而无需具备关于基础技术和数据结构的知识。
- 使用户能够使用自己的业务术语访问可用的变量和属性。
- 使用智能过滤器、预定义日期窗口和其他快捷方式来提高效率和减少错误。
- 通过允许用户为设备、传感器、方法和事件的任意组合选择数据，满足各个用户的个性化需求。
- 允许您在整个组织中保存、复制、重用和共享数据选择。
数据剖析与探索
- 汇总大量的高频数据，以了解数据收集地点以及适用于分析的数据。
- 将数百万个传感器和事件记录减少到可管理的规模，同时维护数据中存在的关系和模式。
- 实现 IoT 数据的可视化，以查看设备、事件和传感器读数之间的时间序列关系。
启动器
- 使用户能够轻松地准备和转换数据，以便使用 SAS 或第三方工具进行分析。
- 将数据从高效的存储格式转换为可分析的格式。
- 在数据中插入缺失值。
- 应用固定周期来缩小数据规模或使传感器通用化。
- 允许用户在 SAS 可视化分析、SAS 可视化数据挖掘和机器学习、SAS Studio和第三方开源应用程序中打开数据。
高级分析和机器学习
- 将数据探索、功能设计和现代统计、数据挖掘、机器学习技术结合在一个可扩展的内存处理环境中。
- 支持用户使用拖放式交互界面分析数据，而无需编写代码。
- 使用最佳实践模板（基础、中级或高级）帮助您快速入门机器学习任务。
- 应用多种机器学习算法，包括决策树、随机森林、梯度 Boosting、神经网络、支持向量机和因子分解机。
- 将多种机器学习算法的结果与标准化测试进行比较，以自动识别最佳模型。
流传输模型执行
- 实时分析和过滤流传输数据（动态数据）。
- 使您可以创建、部署并管理依赖流传输数据运行的高级分析模型。
- 实时对数据评分，并应用评分和训练相结合的学习模型。
- 通过在存储实时流数据之前对其进行清理、标准化和过滤，以减少下游处理。
公共 API
- 允许外部系统以优化整个企业 IoT 投资的方式访问数据。
- 使您可以将 SAS 或第三方解决方案与 IoT 生态系统集成。
- 自动使用最新数据或数据选择列表填充外部仪表板和报告。