2021年流分析技术趋势
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2021-01-18
在2021年必须确保以可靠，及时的方式分发疫苗，并且分发网络的所有部分（例如制冷）都可以无缝工作
我们的灾难响应系统，配电系统，甚至投票系统屡屡受到安全入侵，气候变化导致的越来越多暴力天气事件等诸多挑战的压力，我们预计以下一些关键领域将在2021年得到发展，以帮助满足这些需求。
趋势1：互连的智能设备
在2021年，我们希望所有这些系统中的设备互连都将得到广泛扩展，以便可以实时跟踪和分析其遥测，这将使管理人员能够更好地识别并解决出现的问题，并发现需要快速，战略响应的新出现的问题。尽管物联网的前景还处于起步阶段，但对设备进行智能遥测与管理系统智能通信的设备的需求日益迫切。5G蜂窝网络和卫星阵列等通信技术的进步将有助于催化这一重要功能，对智能互连设备的需求示例不胜枚举。例如，电力行业需要在其网络中的所有电源杆和其他关键节点上添加传感器，这样它可以发现过热的组件和故障，然后再影响服务或引发森林大火。当发生火灾时，管理人员将获得有关火灾范围和方向的更好的实时信息，从而可以更快，更有效地疏散和灭火策略。
现在，我们看到智能仓库（例如，货盘）中引入了设备智能。将仓库物流系统与车队的远程信息处理系统互连，将有助于管理人员提高整体准时性能和效率。当关键的医疗设备（例如呼吸机）获得情报以传达其位置和状况时，危机管理人员将能够立即找到符合紧急需求的近设备，并从战略上实时跟踪其可用性。
趋势2：数字双胞胎
帮助数字流分析应用程序管理来自互连设备的传入遥测的主要支持软件技术是“数字孪生”概念，尽管数字双胞胎已经存在了很多年，并且在产品开发过程中得到了有效应用，但是它们在流式遥测分析中的应用仍然是一个新颖的概念，我们预计这种情况将在2021年发生变化，因为数字双胞胎具有两个引人注目的优势：更深入的自省和简化的应用程序设计。当庞大，互连的设备网络中的每个数据源都有自己的数字孪生子时，流分析应用程序可以跟踪有关每个数据源的关键上下文信息，以帮助解释传入的遥测，例如尽管一台卡车发动机可能由于发动机已经老化并且需要维修而报告机油温度升高是正常的，但另一台较新的发动机突然报告了相同的机油温度却可能表明出现了意外问题，有了上下文可以进行更深入的自省，而数字孪生使这成为可能，同时为流分析应用程序提供了简化的组织框架。
趋势3：无处不在的机器学习
随着我们使基础架构中的无数设备能够将遥测传送到我们的分析系统，我们希望看到机器学习已集成到遥测管道中，这将大大提高我们在发出新问题和预测未来问题时将信号与噪声分离的能力，办公楼或工厂内特定门的打开和关闭方式是否表示安全威胁或正常的日常事件？输电网络中某个节点上的电压和电流变化是否符合该节点的预期偏移范围，或者它们是否指示可能导致过热的异常情况？
为大量用户中的每个数据源实施有效流分析的关键是结合特定于域的机器学习算法，该算法可以使用有关数据源的上下文信息对传入的遥测进行自省，以提供有效的警报。这可以通过将机器学习算法封装在数字双胞胎中来实现。当数字双胞胎接受遥测时，它们的组合使用可提高随时间变化的警报质量，并且该算法可了解有关相应数据源行为的更多信息。这些“机器学习双胞胎”将构成跟踪大量互连设备的流分析平台的至关重要的组件。
机器学习双胞胎还将为大量传入遥测提供至关重要的级过滤，以便下游分析可以汇总其结果，以创建复杂，动态演化的物理系统的整体图景。这将使管理人员能够评估策划的数据并做出更好的战略决策，从而采取更有效的行动。例如，地理分布电网的管理者可以使用机器学习双胞胎生成的结果来更准确地评估不同位置的多个安全威胁是否代表协同攻击。
我们的灾难响应系统，配电系统，甚至投票系统屡屡受到安全入侵，气候变化导致的越来越多暴力天气事件等诸多挑战的压力，我们预计以下一些关键领域将在2021年得到发展，以帮助满足这些需求。
趋势1：互连的智能设备
在2021年，我们希望所有这些系统中的设备互连都将得到广泛扩展，以便可以实时跟踪和分析其遥测，这将使管理人员能够更好地识别并解决出现的问题，并发现需要快速，战略响应的新出现的问题。尽管物联网的前景还处于起步阶段，但对设备进行智能遥测与管理系统智能通信的设备的需求日益迫切。5G蜂窝网络和卫星阵列等通信技术的进步将有助于催化这一重要功能，对智能互连设备的需求示例不胜枚举。例如，电力行业需要在其网络中的所有电源杆和其他关键节点上添加传感器，这样它可以发现过热的组件和故障，然后再影响服务或引发森林大火。当发生火灾时，管理人员将获得有关火灾范围和方向的更好的实时信息，从而可以更快，更有效地疏散和灭火策略。
现在，我们看到智能仓库（例如，货盘）中引入了设备智能。将仓库物流系统与车队的远程信息处理系统互连，将有助于管理人员提高整体准时性能和效率。当关键的医疗设备（例如呼吸机）获得情报以传达其位置和状况时，危机管理人员将能够立即找到符合紧急需求的近设备，并从战略上实时跟踪其可用性。
趋势2：数字双胞胎
帮助数字流分析应用程序管理来自互连设备的传入遥测的主要支持软件技术是“数字孪生”概念，尽管数字双胞胎已经存在了很多年，并且在产品开发过程中得到了有效应用，但是它们在流式遥测分析中的应用仍然是一个新颖的概念，我们预计这种情况将在2021年发生变化，因为数字双胞胎具有两个引人注目的优势：更深入的自省和简化的应用程序设计。当庞大，互连的设备网络中的每个数据源都有自己的数字孪生子时，流分析应用程序可以跟踪有关每个数据源的关键上下文信息，以帮助解释传入的遥测，例如尽管一台卡车发动机可能由于发动机已经老化并且需要维修而报告机油温度升高是正常的，但另一台较新的发动机突然报告了相同的机油温度却可能表明出现了意外问题，有了上下文可以进行更深入的自省，而数字孪生使这成为可能，同时为流分析应用程序提供了简化的组织框架。
趋势3：无处不在的机器学习
随着我们使基础架构中的无数设备能够将遥测传送到我们的分析系统，我们希望看到机器学习已集成到遥测管道中，这将大大提高我们在发出新问题和预测未来问题时将信号与噪声分离的能力，办公楼或工厂内特定门的打开和关闭方式是否表示安全威胁或正常的日常事件？输电网络中某个节点上的电压和电流变化是否符合该节点的预期偏移范围，或者它们是否指示可能导致过热的异常情况？
为大量用户中的每个数据源实施有效流分析的关键是结合特定于域的机器学习算法，该算法可以使用有关数据源的上下文信息对传入的遥测进行自省，以提供有效的警报。这可以通过将机器学习算法封装在数字双胞胎中来实现。当数字双胞胎接受遥测时，它们的组合使用可提高随时间变化的警报质量，并且该算法可了解有关相应数据源行为的更多信息。这些“机器学习双胞胎”将构成跟踪大量互连设备的流分析平台的至关重要的组件。
机器学习双胞胎还将为大量传入遥测提供至关重要的级过滤，以便下游分析可以汇总其结果，以创建复杂，动态演化的物理系统的整体图景。这将使管理人员能够评估策划的数据并做出更好的战略决策，从而采取更有效的行动。例如，地理分布电网的管理者可以使用机器学习双胞胎生成的结果来更准确地评估不同位置的多个安全威胁是否代表协同攻击。
具有特定领域的机器学习算法可以消化来自众多互连设备的传入遥测数据，这将成为流分析的一项重要新技术，因为它可以应对我们的物流，安全性，电力，灾难恢复和其他重要的现实系统的复杂性。
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
