São Paulo - Dell · ANALYTICS BASEADO NO PADRÃO HISTÓRICO DE TRÁFEGO (BATCH) Auto-Tiering de...

São PauloAugust, 28 2018

Maximize resultados relacionando

Aplicações, Dados e Analytics para IoT

Com Dell EMC Isilon e ECS

Sergio Moure DominguesEnterprise Sales Brazil – Unstructured Data Solutions - Dell EMC

4

A IoT está viabilizando a transformação digital

45% Top3Tecnologia para

impulsionar a

transformação digital

Top5Tecnologia impactando

negócios nos próximos

cinco anos

das empresas

têm projetos de

transformação

digital com IoT

Fonte: IDC Vertical IT & Communications Survey 2017, IDC Global IoT Survey 2017

55

= R E T O R N O C O M E R C I A L

++

+

+

+Coisas

Sensores

Dados

Conexões

Gateways/Computação/Armazenamento

Analytics

O que é IoT?A coleta de dados por objetos conectados para criar valor.

66

O retorno comercial da IoT

A U M E N T O D A

E F I C I Ê N C I A

O P E R A C I O N A L

R E D U Ç Ã O

D E R I S C O S

A P R I M O R A M E N T O

D A E X P E R I Ê N C I A

D O C L I E N T E

C R I A Ç Ã O D E

N O V A S F O N T E S

D E R E C E I T A

= Retorno comercial

7

D A D O S

Dados estão no núcleo da IoT

S E N S O R E S

D I S P O S I T I V O SA N Á L I S E D E

D A D O S

E I N S I G H T S

“ A N U V E M ”

E S T A Ç Õ E S

D E B A S E

88

Gerenciar os dados de IoT é desafiador

A Ç Ã O E M

T E M P O R E A L

D A D O S

D I S T R I B U Í D O S

E E M S I L O S

C R E S C I M E N T O

M A S S I V O D E

D A D O S

P R O B L E M A S D E

P E R F O R M A N C E

Como transformar meus dados em ativo?

99

Transforme Dados em Receita

S I M P L I C I D A D E

O P E R A C I O N A L

D E S E M P E N H O

D E N Í V E L

C O R P O R A T I V O

E S C A L A B I L I D A D ET R A N S M I S S Ã O D E

D A D O S P A R A

A N Á L I S E E M

T E M P O R E A L

Como transformar meus dados em um ativo?

1010

Armazenamento de dados não estruturados da Dell EMC

E C S

I S I L O NP R O J E T O

“ N A U T I L U S ”

F I L EF L U X O

O B J E C T

D ATA L A K E U N I F I C A D O

S I M P L I C I D A D E E E S C A L A B I L I D A D E

E X T R A Ç Ã O D E VA L O R D O S D A D O S

11

Amplie suas opções com IoT contínuo

BORDAS NUVEMNÚCLEO

NAUTILUS

PROJETO

Análise em tempo real & IoT

Longa Retenção

Analytics em batch Active Archiving

12

Desempenho de

Alto nível

Processamento

Avançado

Simplicidade operacional

Escala em nuvemAnalytics flexível

PROJETO

NAUTILUS

Acelere seu negócio com Insights

13

Indústria Transporte SaúdeCidades

inteligentesVarejo GovernoTelecomunicação E outros...

Transforme a promessa da IoT em realidade agora mesmo!

14

IoT Industrial

Datacenter central

Fog/Datacenter B

Fog/Datacenter A

DETECÇÃO DE ANOMALIAS EM

TEMPO REAL

Processamento

adicional de

anomalias

Processamento

adicional de anomalias

Auto-Tiering de dados históricos

IoTGW

Sensores

IoT

Industrial

IoTGW

Sensores

IoTGW

Sensores

Reprodução de dados históricos

TREINAMENTO DO MACHINE

LEARNING(BATCH)

TESTES DE REGRESSÃO DO NOVO MODELO

Uploads periódicos de novos modelos de ML

DETECÇÃO DE ANOMALIAS EM

TEMPO REAL

PROJETO

NAUTILUS

PROJETO

NAUTILUS

Manutenção preventivaDetecção de defeitos

em tempo realMonitoramento de segurança

Monitoramento de ativos

1515

Local Inteligente

Otimização do tráfego local Segurança local

Local do

evento

Datacenter A

Datacenter B

TREINAMENTO DO MACHINE LEARNING(BATCH)

ANALYTICS BASEADO NO PADRÃO HISTÓRICODE TRÁFEGO (BATCH)

Auto-Tiering de dados históricos

Upload do novo modelo de ML

Alerta, previsão

de tráfego local

ANÁLISE DO TRÁFEGO LOCAL EM TEMPO REAL

PROJETO

NAUTILUS

PROJETO

NAUTILUS

Sensores

Sensores

Sensores

Utilização otimizada

de energia

Gerenciamento eficiente

do patrimonio

1616

Serviços financeiros

Detecção de fraudes em tempo real

Modelos de riscoPersonalização de ofertas

de varejoSimplificação dos processos

de negócios

NAUTILUS

PROJETO

DETECÇÃO DE FRAUDES (EM TEMPO REAL)

TESTES DE REGRESSÃO DE NOVOS ALGORITMOS

TREINAMENTO NO MODELO DE ML (BATCH)

Switch A/B para novos modelos

Uploads periódicos de novos modelos de ML

Feed de transações em tempo real

Reprodução de transações históricas

Auto-Tiering de dados históricos

NAUTILUS

PROJETOPara processamento

adicional do pipeline

de alertas de fraude

TRANSAÇÕES

TRANSAÇÕES

TRANSAÇÕES

© Copyright 2017 Dell Inc.17

17

Brasil China

TREINAMENTO NO MODELO DE ML

(BATCH)

Auto-tiering de dados históricos

TESTES DE REGRESSÃO

DO NOVO MODELO

Reprodução de dados históricos

PERCEPÇÕES MAIS

RAPIDAMENTE

Auto-tiering de dados históricos

Replicação de dados entre sites

Auto-tiering de dados históricos

TESTES DE REGRESSÃO

DO NOVO MODELO

Reprodução de dados históricos

NAUTILUS

PROJETO

TREINAMENTO NO MODELO DE ML

(BATCH)

Auto-tiering de dados históricos

NAUTILUS

PROJETO

Empresa de pesquisa A Empresa de pesquisa B

Processamento e compartilhamento de dados ADAS

Teste de resistência Gerenciamento de frotaDados como

serviço

© Copyright 2017 Dell Inc.17

Automotivo

1818

Mais de 80% de eficiência

de armazenamento

File: SMB, NFS, HDFS

Líder em scale-out NAS

TCO 48% menor que o da nuvem pública

Object: S3, Swift e Atmos

Líder em Scale-Out Object

O líder reconhecido no setor

© Copyright 2017 Dell Inc.19

1919

Site:

Dell Internet das Coisas

Infográfico:

Dell Technologies

Internet of Things (IoT)

Blog:

How IoT Changes the World of Data

Recursos

© Copyright 2017 Dell Inc.20

20