Dati di acquisizione da qualsiasi origine, tra cui AWS IoT Core: consente di trasferire i dati di acquisizione direttamente da AWS IoT Core a AWS IoT Analytics. In alternativa, è possibile utilizzare l'API BatchPutMessage per inviare i dati in AWS IoT Analytics da Amazon S3, Amazon Kinesis o qualsiasi altra origine dati. Con la piena integrazione di AWS IoT Analytics con AWS IoT Core e l'API, si semplifica la ricezione dei messaggi, durante la loro trasmissione, dai dispositivi connessi.

Raccolta dei soli dati da archiviare e analizzare: puoi usare la console di AWS IoT Analytics per configurare AWS IoT Analytics in modo che riceva messaggi dai dispositivi attraverso i filtri di argomenti MQTT in vari formati e frequenze. AWS IoT Analytics convalida che i dati si trovano all'interno dei parametri specifici definiti e crea canali. Quindi il servizio instrada i canali alle pipeline appropriate per elaborazione, trasformazione e arricchimento di messaggi.

Pulizia e filtro: AWS IoT Analytics ti consente di definire le funzioni AWS Lambda che possono attivarsi quando AWS IoT Analytics rileva dati mancanti, in modo tale che puoi eseguire il codice per stimare e colmare le lacune. Puoi anche definire i filtri massimo/minimo e le soglie dei percentili per rimuovere i valori anomali dai dati.

Esecuzione di query SQL ad hoc o programmate: AWS IoT Analytics fornisce un motore di query SQL integrato per eseguire query ad hoc o programmate e ottenere risultati rapidi. Ad esempio, forse vuoi eseguire una rapida query per scoprire quanti utenti attivi al mese sono presenti per ciascun dispositivo nel tuo parco istanze.

Analisi delle serie temporali: AWS IoT Analytics supporta le analisi delle serie temporali e pertanto è possibile analizzare le prestazioni dei dispositivi nel tempo e comprendere il loro utilizzo monitorandone continuamente i dati per prevedere problemi di manutenzione e monitorando i sensori per prevedere e reagire alle condizioni ambientali.

Notebook ospitati per analisi sofisticate e Machine Learning: AWS IoT Analytics include il supporto Jupyter Notebooks ospitato per l'analisi statistica e il machine learning. Il servizio include un set di modelli di notebook predefiniti che contengono modelli di machine learning e visualizzazioni di AWS che ti aiutano a iniziare con i casi d'uso IoT relativi a creazione di profili dei guasti dei dispositivi, previsione di eventi come basso utilizzo che possono segnalare un abbandono del prodotto da parte del cliente, o segmentazione dei dispositivi per livelli d'uso dei clienti (ad esempio utenti intensivi, utenti del weekend) o salute dei dispositivi.

Puoi eseguire una classificazione statistica mediante un metodo denominato regressione logistica. Puoi inoltre utilizzare Long-Short-Term Memory (LSTM), una potente tecnica di rete neurale per la previsione di output o stato di un processo variabili nel tempo. I modelli di notebook preconfigurati supportano anche l'algoritmo di clustering K-Means per la segmentazione dei dispositivi, che raggruppa i dispositivi in coorti di dispositivi simili. Tali modelli vengono normalmente utilizzati per la creazione di profili di salute e stato dei dispositivi, come le unità HVAC in una fabbrica di cioccolato o l'usura delle lame di una turbina eolica.

Importazione di container personalizzati: AWS IoT Analytics importa i container di codice creato personalizzati, generati in AWS IoT Analytics o in uno strumento di terze parti come Matlab, Octave ecc., in modo che tu abbia più tempo per concentrarti su ciò che ti distanzia dalla concorrenza. Non è necessario creare nuovamente le analisi esistenti create in strumenti di terze parti. È sufficiente importare il container dell'analisi su AWS IoT Analytics ed eseguirlo secondo le esigenze.

Se utilizzi Jupyter Notebooks, crea un'immagine di container eseguibile del codice di Jupyter Notebook con un solo clic e visualizza l'analisi del container sulla console di AWS IoT Analytics.

Esecuzione automatica del container: AWS IoT Analytics permette di automatizzare l'esecuzione dei container che ospitano il codice analitico creato personalizzato o Jupyter Notebooks per eseguire l'analisi continua. Puoi programmare l'esecuzione dell'analisi personalizzata in base alla pianificazione ricorrente che si adatta meglio alle esigenze della tua attività.

Acquisizione di dati incrementali con intervalli di tempo personalizzabili: AWS IoT Analytics permette agli utenti di eseguire analisi sui nuovi dati incrementali acquisiti dall'ultima analisi. Puoi migliorare l'efficienza dell'analisi e ridurre i costi analizzando esclusivamente i nuovi dati. Indipendentemente da quando è stata eseguita l'ultima analisi, gli intervalli di tempo personalizzabili acquisiranno i nuovi dati per conto tuo.

Integrazione QuickSight: AWS IoT Analytics fornisce un connettore ad Amazon QuickSight in modo da poter visualizzare i set di dati in un pannello di controllo QuickSight. È inoltre possibile visualizzare i risultati o l'analisi ad hoc in Jupyter Notebooks incorporato nella console di AWS IoT Analytics.