开发者社区> 小生生> 正文
阿里云
为了无法计算的价值
打开APP
阿里云APP内打开

什么是物联网数据分析?

简介: 物联网数据分析LA(Link Analytics)是阿里云为物联网开发者提供的设备智能分析服务,全链路覆盖了设备数据采集、管理(存储)、清洗、分析等环节,有效降低了数据分析门槛,实现了设备数据与业务数据的融合分析透视。
+关注继续查看

云栖号快速入门:【点击查看更多云产品快速入门】
不知道怎么入门?这里分分钟解决新手入门等基础问题,可快速完成产品配置操作!

物联网数据分析LA(Link Analytics)是阿里云为物联网开发者提供的设备智能分析服务,全链路覆盖了设备数据采集、管理(存储)、清洗、分析等环节,有效降低了数据分析门槛,实现了设备数据与业务数据的融合分析透视。

物联网数据分析可与应用开发(IoT Studio)结合使用,配置数据可视化大屏,完成设备状态监控、园区环境监测、运营大屏等业务场景的开发工作,助力物联网开发者基于数据实现业务创新,创造更多业务价值。物联网数据分析与应用开发的架构图如下。

image
产品主要功能如下。

数据源管理

物联网数据分析对设备数据和外部数据两种数据源提供管理能力。通过数据源配置,可管理设备数据、业务数据和数据生命周期。

数据资产

数据资产可通过数据服务、物标签、数据表等方式集中展示,方便您快速定位所需数据,进行下一步业务操作。

  • 数据服务:物联网平台的统一数据服务总线,可统一管理对外数据服务API。
  • 物标签:实体设备能力的结构化表达,包括自身基本属性、设备协议信息(如物模型等)、设备空间信息、业务属性信息、T+1指标数据信息等衍生数据。支持通过物标签进行数据分析。
  • 数据表:包含设备数据源表和外部数据源表等多种表类型。

分析透视

提供丰富的数据分析工具,帮助用户更好地处理设备数据。目前提供针对时序数据的时序透视、针对物标签和数据表的可视化分析、以及针对数据表的SQL分析能力。

任务开发

支持开发流数据任务。流任务可以配合边缘网关,下发到边缘,特别适合工业互联网场景。

实验室

实验室将提供各类最新的分析功能。

  • 提供针对设备属性数据、上下线情况的智能监测,可针对异常情况进行报警,帮助用户完成对设备常用的监控。
  • 提供针对IoT数据特点的空间数据可视化,支持二维、三维空间数据的可视化,用数据连接真实世界。

(1).二维数据可视化可以在地图上实时展示设备的运行状态,方便您查看、管理设备。支持将结果页URL授权分享给其他用户,用于制作数据大屏等场景。同时配套提供对应的低功耗网络定位功能,实时了解设备位置。
(2).三维数据可视化提供海量模型及编辑器,通过简单拖拽建模,与物联网平台设备关联,轻松构建三维空间可视化。支持将结果页URL分享或嵌入到指定系统中,实时展示设备运行状态,对设备进行远程控制。

本文来自 阿里云文档中心 物联网数据分析 什么是物联网数据分析

【云栖号在线课堂】每天都有产品技术专家分享!
课程地址:https://yqh.aliyun.com/zhibo

立即加入社群,与专家面对面,及时了解课程最新动态!
【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
数据分析专家对冠状病毒到暗数据的分析与探讨
数据分析领域的两位思想领袖对冠状病毒、暗数据、数据科学家的角色进行了分析和探讨,并对数据分析为何仍然如此困难的原因进行了阐述。
643 0
联系我们 (“数据中台”合集)
在数字经济的浪潮下,已经有一批传统企业的先行者正借助数据中台实现数智化的完美转型!关于数据中台,您可能会有不少疑问,那么这篇文章一定会帮到您!
2455 0
使用DLA轻松实现漏斗数据分析
概述 漏斗分析是帮助运营人员分析一个多步骤过程中每一步的转化与流失情况。假设我们在购买商品的过程中,需要触发的事件包括 “启动”,“登陆”,“搜索商品”,“查看商品”,“生成订单”等。运营人员需要分析某段时间内(比如2017年1月5号到2017年2月5号),在全部用户中依次有序触发 “登陆” —> “搜索商品” —> “查看商品” —> “生成订单“ 事件的人群的转化流失情况,即计算全部用户中触发了“登陆”事件的总人数A,A中触发“搜索商品”事件的总人数B,B中触发“查看商品”事件的总人数C,以及C中触发“生成订单”事件的总人数D。
1364 0
数据分析
数据分析 提供了数据集合, 应该将他们分成两类, 一个是测试类, 一个是训练类 深度学习中最难的就是特征提取 并不是数据中的所有特征都有用的, 没有需要的使用DataFrame中的drop()去掉 one-hot: 将string值转为int值,方便运算 --> pd.
744 0
快速上手物联网解决方案(4)—— 数据转储
通过『物联网平台』的『规则引擎』功能将数据转储到『表格存储』数据库中。
2695 0
R 数据质量分析①
数据质量分析 数据质量分析是数据挖掘中数据准备的最重要一环,是数据处理的前体。数据质量分分析主要任务是识别脏数据。常见的脏数据包括: 缺失值 异常值 不一致的值 重复数据或者包括特殊符号的数据 缺失值处理 处理数据缺失的一般步骤: 识别缺失数据 检测导致数据缺失的原因 删除包含缺失值的实例或用合理的数值代替(插补)缺失值。
998 0
+关注
文章
问答
文章排行榜
最热
最新
相关电子书
更多
物联网数据运营之路-时序数据库物联网模型探究
立即下载
互联网、电商实时大数据分析最佳实践
立即下载
大数据与机器学习支撑的个性化大屏
立即下载