「SAS Analytics for IoT」は、SASが提唱するIoTアナリティクス・ライフサイクルを実現し、センサー等のストリーミング・データから、ビジネスにおける価値生成を短期間に実現するためのソリューションになる。
以前のSAS Analytics for IoTは、ストリーミング・データを収集し、データを蓄積・保管後、探索的アナリティクスを中心としたデータ活用を実現するまでのソリューションだったという。
しかし、「SAS Analytics for IoT 7.1」ｌでは、新たな製品を加わえることで、データ発生源に近いエッジ領域から直接データを収集し、リアルタイムでストリーミング・データに対する分析機能が拡張された。
これにより、ストリーミング・データを可視化するだけではなく、例えば、これまで人に頼ってきた判断を機械学習やディープ・ラーニングといった最先端技術を活用して代替することが可能になり、労働力不足の解消など、より高度かつ高速なビジネス価値の生成を実現するとしている。
SAS Analytics for IoTソリューションの主な特徴
・ストリーミング・アナリティクスの強化・拡張
SAS Analytics for IoTの製品群の1つでもある「SAS Event Stream Processing」は、ストリーミング・データに対して、低レイテンシーかつ大量のスループットを実現するパワフルなリアルタイム処理機能を有している。
特に、ストリーミング・データを活用した異常値判定や、状態監視、早期の劣化診断、周波数解析機能等を実現するアドバンスド・アナリティクス機能を強化、新規追加しており、状態の異常や不正などの診断アルゴリズムを高度化する。
ほかにも音声認識処理が加わった上、サポートする機械学習・ディープ・ラーニングによる予測処理機能を拡張したことで、AI技術の適用可能な業務領域が広がった。
これにより、センサーデバイスなどから集まるデータや、ネットワーク上を流れるデータなどから、正確な意思決定を俊敏に行いながら、ビジネス価値の生成を加速させる。
・リアルタイム処理の現場にDevOps環境
「SAS Visual Data Mining and Machine Learning」と「SAS Model Manager」が新たに加わったことで、機械学習やディープ・ラーニングの予測モデルの開発と、開発した予測モデルをストリーミング・データに適用させ、予測モデルの精度が変化した際にはモデルの変更や再学習を行う、といったモデルのライフサイクルに応じた運用がスムーズに実現可能になった。
昨今のビジネス環境においては、変化に応じた迅速なモデルの開発と試行運用をスムーズに連携しながら、効果的に変化へ適合していくことがビジネス上の成果を得るために重要になる。
ストリーミング・データのようなリアルタイム性を求める現場においても「SAS Analytics for IoT」はスムーズな試行運用が実現できる環境であるため、IoTビジネスの勝機を高める。
ストリーミング・データのビジネス活用例
SAS Analytics for IoTは、製造、流通・小売、運輸、金融など、IoTでストリーミング・データの収集、活用を実践している様々な業界で適用されることで、新しいビジネス価値を提供することが可能になる。
- 製造工程において、リアルタイムに収集されるストリーミング・データをもとに、製品ロットや各種の環境条件に応じた工程設備の運転方法を判断・調整して、最適値を算出し、熟練工のような安定した工程運用と品質の維持実現を支援することが可能。
- ショッピングモールにおいて、顧客の購買行動履歴をもとに、来店時の購買行動状況に応じて、スマートフォンのアプリへ最適なネクストベストオファーを提供し、顧客の満足度を高めることが可能。
- 同業他社の売値をリアルタイムに収集しながら、顧客の来店状況、店舗内在庫と当月の売上目標を踏まえた適切な値付けをおこなうダイナミック・プライシングによりリアル店舗の利益率の最大化を実現。
