A finales del año pasado anunciamos la versión preliminar de algunas de las características básicas de nuestra plataforma de análisis para IoT industrial, que cuenta con almacenamiento de series temporales escalable para décadas de datos de tendencia, compatibilidad con modelos semánticos para describir metadatos específicos del dominio y mejoras en las API de análisis y la experiencia del usuario. Estamos ampliando la capacidad de esta plataforma de análisis con nueva funcionalidad que aportará riqueza y flexibilidad, además de facilitar nuevos escenarios para nuestros clientes de IoT empresarial. Hoy queremos anunciar las siguientes características:
- Funcionalidad de análisis intermedio y en frío basada en la versión previa actual que proporciona enrutamiento de los datos en función de la retención entre almacenes intermedios y en frío. Ahora los clientes pueden llevar a cabo análisis interactivos de datos de acceso intermedio y obtener inteligencia operativa a partir de décadas de datos históricos almacenados en una instancia de Azure Data Lake propiedad del cliente.
- Una plataforma flexible que permite asociar una instancia de Azure Data Lake propiedad del cliente a Azure Time Series Insights para archivar datos, lo que permite a los clientes tener la propiedad de sus propios datos de IoT. Los clientes pueden conectarse a una gran variedad de escenarios de análisis avanzados e interactuar con ellos (por ejemplo, para mantenimiento predictivo y aprendizaje automático) usando tecnologías que ya conocen, como Apache Spark™, Databricks, Jupyter, etc.
- Una experiencia de usuario y API de consulta muy completas que permiten interpolación, nuevas funciones escalares y de agregado, variables categóricas, gráficos de dispersión y las pausas en directo de señales de series temporales para un análisis en profundidad.
- Importantes mejoras de escala y rendimiento en todas las capas de la solución, incluidas las de ingesta, almacenamiento, consulta y metadatos o modelos, para atender las necesidades de las soluciones de IoT de los clientes.
- Conector de Azure Time Series Insights para Power BI que permite a los clientes llevar las consultas que realizan en Azure Time Series Insights directamente a Power BI para obtener una vista unificada de sus análisis de inteligencia empresarial y series temporales en una sola pantalla.
Azure Time Series Insights continúa proporcionando un modelo de precios de pago por uso escalable que permite a los clientes ajustar el uso a la demanda de su negocio y dejar que la plataforma de análisis Azure Time Series Insights se ocupe de escalar la infraestructura a medida que sus necesidades aumenten.
Una plataforma de análisis completa para IoT industrial
En diciembre del año pasado lanzamos un primer grupo de características en versión preliminar. Desde entonces, han sido muchos los clientes que han adoptado el uso de la plataforma y que nos han enviado comentarios que nos han llevado a la actualización de la versión preliminar que lanzamos hoy.
Nuestros clientes abarcan todos los segmentos principales de IoT, como las industrias manufacturera, del automóvil y del petróleo y el gas, la energía y los servicios públicos, los edificios inteligentes y la consultoría de IoT. Estos clientes nos comentan que el análisis de series temporales de IoT no solo les aporta el potencial de lograr la excelencia operativa. Los datos de series temporales de IoT combinados con una contextualización detallada les ayuda a facilitar una transformación dinámica que permite a sus empresas operar basándose más en los datos y ser más ágiles que nunca.
Con el propósito de maximizar el valor de los datos de series temporales y hacer posible esta revolución digital, hemos actualizado Azure Time Series Insights para ofrecer funcionalidad de análisis completa y enriquecida de datos en almacenamiento multicapa, formatos de archivo abiertos y flexibilidad para conectarse a otros servicios de datos en escenarios de datos conectados, escala y rendimiento de nivel empresarial, mejoras en la experiencia de usuario y en la compatibilidad con SDK, y conectores ya configurados para servicios de datos, como Power BI, con el fin de habilitar escenarios de análisis integrales.
Detalles de las nuevas características de la actualización de la versión preliminar
Análisis completo y enriquecido de datos en almacenamiento multicapa
La mayoría de los clientes de IoT industrial trabajan con datos de IoT para una gran variedad de escenarios de acceso a datos. Para satisfacer estos requisitos, Azure Time Series Insights proporciona almacenamiento de series temporales multicapa y escalable para el análisis de datos de acceso intermedio y de acceso en frío. Cuando un cliente aprovisiona Azure Time Series Insights, al seleccionar la opción de precios de pago por uso, puede configurar Azure Storage como almacén en frío y habilitar un almacén intermedio. Además, un cliente puede elegir el período de retención (que puede configurar en cualquier momento) para el almacén intermedio. Azure Time Series Insights redirigirá automáticamente los datos ingeridos en función del período de retención configurado al almacén intermedio. Por ejemplo, si el período de retención es de 30 días, a medida que se transmitan, los datos de 30 días se almacenarán en el almacén intermedio. De forma predeterminada, todos los datos se redirigen a la instancia de Azure Data Lake que es propiedad del cliente para archivarlos y analizarlos. Las consultas realizadas dentro del período de retención configurado se atienden siempre desde el almacén intermedio, sin que el usuario especifique nada más. Las consultas que se realicen fuera del período de retención se atienden siempre desde el almacén en frío. Esto permite a los clientes llevar a cabo análisis interactivos de grandes volúmenes basados en los recursos en datos de acceso intermedio con fines de supervisión, elaboración de paneles y solución de problemas. Los clientes pueden seguir realizando análisis basados en los recursos en décadas de datos de acceso en frío almacenados en su instancia de Azure Data Lake con fines de inteligencia operativa, como solución de problemas, análisis de lotes con el mejor rendimiento, análisis predictivo, etc.
Plataforma de análisis flexible para la integración con servicios de datos de Microsoft y de terceros
Una característica fundamental y con un gran potencial que está disponible con nuestro almacén en frío es la conectividad de los datos con otras soluciones para lograr una cobertura total de escenarios de datos. Como he comentado antes, el almacén en frío es una instancia de Azure Data Lake propiedad del cliente y es el verdadero origen de todos sus datos y metadatos de IoT. Los datos se almacenan con el formato de archivo de Apache Parquet de código abierto para obtener una eficaz compresión de los mismos, espacio, eficacia en las consultas y portabilidad.
Azure Time Series Insights proporcionará conectores ya configurados para los servicios de datos más populares y que ya utilizan nuestros clientes, como Apache Spark™ o Databricks para aprendizaje automático y análisis predictivo. Este es un trabajo que está en curso y que, en breve, estará disponible para los clientes.
Esta actualización de la versión preliminar incluye también un conector de Azure Time Series Insights para Power Bi. Esta característica está disponible en la experiencia de usuario del Explorador de Azure Time Series Insights con la opción “Exportar”, que permite a los clientes exportar las consultas de series temporales que crean en nuestra experiencia de usuario directamente en el escritorio de Power BI y así ver los gráficos de series temporales junto con otros análisis de inteligencia empresarial. Esto abre la puerta a una nueva clase de escenarios para las empresas de IoT industrial que han invertido en Power BI. Proporciona una única pantalla de control para los análisis de varios orígenes de datos, incluidas las series temporales de IoT, con lo que se obtiene una importante inteligencia empresarial y operativa.
Mejoras en la experiencia de usuario y en la API de análisis basado en los recursos
Desde el lanzamiento de la versión preliminar en diciembre del año pasado, hemos trabajado con un gran número de clientes empresariales que son cruciales en el campo de la IoT para clasificar por orden de prioridad los requisitos relacionados con las consultas y la experiencia del usuario. El resultado es la siguiente lista de características nuevas que anunciamos hoy como parte de la actualización de la versión preliminar:
- Interpolación para reconstruir señales de series temporales a partir de los datos actuales.
- Procesamiento de señales discretas con variables categóricas.
- Funciones trigonométricas.
- Gráficos de dispersión.
- Pausas en directo de las señales de series temporales para comprender los patrones de los datos.
- Mejoras en la API de modelos que incluyen recorridos jerárquicos, búsqueda de series temporales, funcionalidad de autocompletar, rutas de acceso y facetas.
- Mayor eficacia de las búsquedas y la navegación, y token de continuación para poder realizar consultas a escala.
- Funcionalidad de elaboración de gráficos mejorada que incluye interpolación escalonada, sombras mínima y máxima, etc.
- Experiencia de creación y edición de modelos actualizada.
- Simultaneidad de consultas mejorada para admitir hasta 30 consultas simultáneas.
Tenemos un gran número de características nuevas que se incorporarán a este espacio en los próximos meses, como la funcionalidad de medias ponderadas en el tiempo, más funciones escalares y de agregado, paneles, etc.
El objetivo de Azure Time Series Insights es el éxito de nuestros clientes
Esperamos seguir cumpliendo nuestro compromiso de simplificación de la IoT para nuestros clientes y de capacitación para lograr más cosas con sus datos y soluciones de IoT. Si desea obtener más información, visite la página y la documentación de Azure Time Series Insights. Pruebe también la guía de inicio rápido para comenzar a usar Azure Time Series Insights hoy mismo.
No deje de aportar comentarios y sugerencias sobre cómo podríamos mejorar el producto y la documentación. Para ello, desplácese hasta el final de cada página de documentación, donde encontrará el botón “Comentarios”, o bien inicie sesión con su cuenta de GitHub y aporte ahí sus comentarios. Su opinión es importante para nosotros y nos encantaría escucharla.