SAS 串流處理

在您選擇的環境中，利用 AI 分析串流資料，發掘隱含洞察，並制定即時明智的決策

請提供展示

SAS 囊括最強大的資料分析能力

「SAS Event Stream Processing (ESP) 是脫穎而出的平台，具備最出色的內建機器學習資料分析和其他進階資料分析功能，以及成熟的 IoT 應用程式邊緣資料分析功能。」

閱讀報告

把握先機，以發現在業務營運中快速產生且大量湧現的資料，其中隱藏的警訊。

使用機器學習獲得洞察，以採取正確行動

出自操作、交易、感測器和　IoT 裝置的串流資料，只要被充分理解，便極具價值。SAS 的事件串流處理包括串流資料品質和資料分析，以及陣容龐大的 SAS 和開放式程式碼機器學習和高頻率資料分析，能連貫、解譯、清理和理解串流資料，全都在單一解決方案中。無論您的資料遷移得多快、您擁有多少資料，或您從中提取多少資料來源，透過單一直覺化介面都能掌控一切，您也可以從業務的各個層面，定義模式並應對情境，因此您能夠保持敏捷性，並在問題出現時迎刃而解。

制定合理的大數據應對決策

在儲存大數據之前，先篩選、正規化、分類、彙總、標準化和清理大數據，因此能節省大量的人力和計算資源，無須清理資料湖。將預建資料品質的例行程序、文字處理執行，進一步套用到資料上，因此大數據便已篩選，且隨時準備好以供使用。

隨著資料量增長，以符合經濟效益的方式從邊緣擴大規模至雲端。

從邊緣到企業的串流處理速度更快、更好、功能更強大，以達到高容量輸送量 (每秒數百萬個事件)，這意味著在分散式記憶體內的網格處理，在商用硬體環境中，能以低延遲回應時間執行。藉由使用內嵌 AI 和機器學習功能的進階資料分析，分析結構化和非結構化資料來源，包括視訊、文字和影像分類和識別。此外， SAS Event Stream Manager 整合 SAS Event Stream Processing 工作室和伺服器兩種元件，因此能夠簡化並自動化 SAS Event Stream Processing 專案和資料分析的部署，能快速制定決策，而且不會中斷服務。

主要特色

使用機器學習和串流資料分析，在邊緣發掘洞察，並在雲端中制定即時明智的決策。

檢視詳細功能清單

專為速度而建立

讓使用者能夠藉由使用新的整合式 ONNX 執行階段，擴展對 CUDA 和 TensorRT 支援平台上 GPU 加速的支援，實現每秒數百萬個事件的高容量處理能力，以及低延遲回應時間。

擷取與合併串流 IoT 來源

可讓您使用現今的 IoT 來源，包括雲端或邊緣裝置串流，並在未來透過一系列各種預建連接器和配接器進行擴展。

準備好即時採取行動

透過可自訂的警示、通知和更新，為您提供情境感知，讓您能針對正在發生或預測將會發生的情況，做出適當的反應。

靈活開放的建模環境

藉由使用直覺的視覺化介面，在低程式碼環境中輕鬆定義、測試和精簡模型。適合資料科學家的編碼環境包括熟悉的 Python 開發工具 (例如，Jupyter Notebook)。

完整的多階段資料分析

將 SAS 內嵌於邊緣、霧端和雲端中，因此在各個串流事件階段皆可清理和分析資料。深入的 SAS 模型可移植到串流和邊緣。支援演算法，例如，執行支援向量資料描述、穩健的主成分分析、隨機樹系、梯度提升和串流迴歸分析。

統一專案部署與伺服器管理

SAS Event Stream Manager 可讓您建構和管理可重複使用的部署範本，輕鬆在雲端中新增自動探索 ESP 伺服器，載入和取消載入 ESP 專案，動態分配資源，以及自動擴充和縮減規模，以實現自動化彈性和監控，實現更好的資源管理。當 ESP 伺服器離線或無法使用時，重試功能可在連線恢復時支援重新部署模型。