Menü

Teradata verwaltet Big Data mit Raum- und Zeitbezug

Big-Data-Analysen auf der Plattform Teradata Everywhere können zum Beispiel Sensordaten aus dem Internet of Things jetzt als zeitabhängige Größen berücksichtigen. Der Funktionsbereich 4D Analytics soll viele neue Auswertemöglichkeiten schaffen.

von
vorlesen Drucken Kommentare lesen 6 Beiträge
Teradata verwaltet Big Data mit Raum- und  Zeitbezug

Das Softwarehaus Teradata hat am heutigen Montag den neuen Funktionsbereich "4D Analytics" für seine Cloud-fähige Analytik-Plattform Teradata Everywhere freigeschaltet. Damit lassen sich zum Beispiel Sensordaten aus dem Internet of Things zusätzlich zum Ortsbezug mit Zeitangaben charakterisieren – dabei geht es nicht einfach um den Zeitpunkt, zu dem ein Datensatz aufgenommen worden ist, sondern um die automatisierte Behandlung aller Felder dieses Datensatzes als Zeitreihen.

Durch neu eingeführte Kommandos der Abfragesprache kann man festlegen, dass angelieferte Datenströme automatisch als Zeitreihe angelegt und womöglich in Echtzeit indexiert werden. Die Sonderform "temporaler Index" wird nur aktualisiert, wenn vorher festgelegte Randbedingungen erfüllt sind. Dann hilft der Index später zum Beispiel nur solche Stromzählerstände auszuwerten, die bei gleichzeitig laufender Waschmaschine erfasst worden sind.

Die Erfassung von Fahrzeugdaten wie Ort und Geschwindigkeit liefert bessere Auskünfte, wenn auch der genaue Zeitpunkt festgehalten wird.

Bei der sogenannten bitemporalen Analyse selektiert man von Daten aus unterschiedlichen Quellen Schnappschüsse zu einem gemeinsamen Zeitpunkt und kann sie zu identischen Begleitumständen, wie sie zum gewählten Zeitpunkt geherrscht haben, miteinander vergleichen.

Anwendungsfälle, die sich die Teradata-Entwickler für die neuen Funktion vorstellen, umfassen etwa die synchrone Analyse von medizinischen Sensordaten eines Patienten und der Anzeige seines Fitness-Armbands. Die Auswertung dieser Informationen aus simultan aufgezeichneten Zeitreihen bei einer großen Zahl von Patienten könnte helfen, den Zusammenhang zwischen körperlicher Aktivität und Pulsfrequenz besser zu verstehen. In einem anderen Szenario könnte man Fahrzeugdaten so filtern, dass sich die Sensor-Anzeigen der jeweils an einem Unfall oder einem Beinahe-Unfall beteiligten Autos miteinander abgleichen lassen. Als Ergebnis wären effizientere Algorithmen zur Unfallverhütung in autonomen Fahrzeugen vorstellbar. (hps)

Zur Startseite
Anzeige