Architektura referencyjna osadzonej analityki produktu

Analiza osadzona produktu umożliwia producentom i dostawcom usług dostarczanie szczegółowych informacji w czasie rzeczywistym bezpośrednio w swoich produktach, zapewniając klientom natychmiastowy wgląd w wydajność sprzętu i kondycję operacyjną. Takie podejście przekształca produkty z prostych urządzeń w inteligentne, połączone rozwiązania, które stale dostarczają wartość za pomocą szczegółowych informacji opartych na danych.

Ta architektura referencyjna pokazuje, jak używać Microsoft Fabric Real-Time Intelligence do tworzenia kompleksowych rozwiązań analityki osadzonych w produktach, które obsługują codzienne miliony zdarzeń IoT z hal produkcyjnych klientów na dużą skalę z małym opóźnieniem. Możesz przetwarzać dane urządzeń przesyłanych strumieniowo i integrować pełne metadane zasobów i hierarchię z bibliotek producenta, aby umożliwić dostosowane środowiska analityczne i szczegółowe informacje w czasie rzeczywistym dla każdego klienta.

Architektura wspiera złożone operacje analityki wielodostępnej, w których urządzenia z hal fabrycznych klientów nieustannie generują zdarzenia IoT. Te zdarzenia zapewniają wgląd w wydajność sprzętu, stan operacyjny i kondycję urządzenia w czasie rzeczywistym. Architektura integruje codzienne zebrane metadane zasobów za pośrednictwem usługi Data Factory i utrzymuje kompleksowe hierarchie urządzeń przechowywane w usłudze OneLake na potrzeby ujednoliconych środowisk analitycznych klientów.

Omówienie architektury

Architektura referencyjna osadzonej analizy produktu używa usługi Microsoft Fabric Real-Time Intelligence do utworzenia ujednoliconej platformy, która przetwarza dane w czasie rzeczywistym z urządzeń klientów i integruje metadane zasobów producenta na potrzeby inteligentnego zarządzania analizą wielodostępną.

Na poniższym diagramie przedstawiono kluczowe składniki i przepływy danych w tej architekturze. Architekturę można zaimplementować z czterema głównymi fazami operacyjnymi, z których każda opiera się na poprzednich, aby zapewnić kompleksowe funkcje osadzonej analizy: pozyskiwanie i przetwarzanie, analizowanie i przekształcanie, trenowanie, wizualizowanie i aktywowanie.

Ponumerowane kroki na diagramie odpowiadają następującemu przepływowi danych:

Urządzenia z hal produkcyjnych klientów naturalnie generują i przesyłają strumieniowo codziennie miliony zdarzeń IoT do usługi Eventstream, zapewniając niskie opóźnienia przy dużej skali.
Pełne metadane i hierarchia zasobów są zbierane codziennie z bibliotek producenta przy użyciu usługi Data Factory i przechowywane w usłudze OneLake.
Zdarzenia przesyłane strumieniowo są agregowane i wzbogacane w czasie rzeczywistym z odpowiednimi metadanymi zasobów, zapewniając wiele wyselekcjonowanych widoków gotowych do użycia.
Agregacje godzinowe i dzienne są tworzone na bieżąco dla klienta, fabryki i urządzenia w celu łatwego użycia i długoterminowego przechowywania.
Zaawansowane modele uczenia maszynowego są trenowane i oceniane w czasie rzeczywistym przy użyciu funkcji nauki o danych.
Deskę rozdzielczą w czasie rzeczywistym oferują unikalne, spersonalizowane środowiska o wysokiej szczegółowości dla każdego klienta.
Activator generuje powiadomienia w czasie rzeczywistym i wglądy dotyczące każdego urządzenia dla każdego klienta.
Raporty usługi Power BI zapewniają rozbudowaną analizę bezpośrednio na danych w czasie rzeczywistym.
Aplikacje niestandardowe zapewniają klientom końcowym dedykowany widok swoich urządzeń w czasie rzeczywistym.

Fazy operacyjne

W tej sekcji opisano szczegółowo każdą fazę operacyjną, objaśniając przepływy danych, kroki przetwarzania i możliwości umożliwione na każdym etapie potoku osadzonej analizy produktu.

Wczytywanie i przetwarzanie

W tej fazie urządzenia na terenie zakładu klienta natywnie generują i przesyłają strumieniowo miliony zdarzeń IoT codziennie do usługi Eventstream, zapewniając niskie opóźnienia przy dużej skali. Ten ciągły strumień danych przechwytuje wydajność urządzenia w czasie rzeczywistym, metryki operacyjne i wskaźniki kondycji sprzętu w wielu środowiskach klienta na potrzeby natychmiastowego przetwarzania i analizy.

Pełne metadane i hierarchia zasobów są zbierane codziennie z bibliotek producenta przy użyciu usługi Data Factory i przechowywane w usłudze OneLake. Te metadane umożliwiają kompleksową kontekstowość urządzeń, w tym następujące typy informacji:

Specyfikacje sprzętu i punkty odniesienia wydajności definiują oczekiwane parametry operacyjne dla każdego typu urządzenia.
Hierarchie zasobów i relacje urządzeń mapują połączenia między sprzętem w środowiskach klientów.
Dokumentacja producenta i parametry operacyjne zawierają informacje referencyjne dotyczące operacji urządzenia.
Informacje o konfiguracji i możliwościach urządzeń opisują funkcje i ustawienia dla każdego urządzenia.
Wzorce wdrażania i użycia specyficzne dla klienta przechwytują sposób, w jaki każdy klient korzysta ze swojego sprzętu.

Rzeczywisty przykład scenariusza: Producent sprzętu przemysłowego przetwarza miliony zdarzeń IoT codziennie z maszyn wdrożonych przez klientów w setkach fabryk na całym świecie. Usługa Data Factory zbiera kompleksowe metadane zasobów z bibliotek producenta, w tym specyfikacje sprzętu, procedury konserwacji i punkty odniesienia wydajności, podczas gdy usługa Eventstream przechwytuje dane operacyjne w czasie rzeczywistym z pomp, kompresorów i sprzętu produkcyjnego, zapewniając natychmiastowy wgląd w wydajność sprzętu i stan kondycji klienta.

Analizowanie i przekształcanie

W tej fazie zdarzenia przesyłane strumieniowo są agregowane i wzbogacane w czasie rzeczywistym z odpowiednimi metadanymi zasobów, zapewniając wiele wyselekcjonowanych widoków gotowych do użycia. Ten proces wzbogacania w czasie rzeczywistym łączy przesyłane strumieniowo dane IoT z następującymi informacjami kontekstowymi:

Specyfikacje sprzętu i parametry operacyjne definiują oczekiwane zachowanie i zakresy wydajności.
Hierarchia zasobów i relacje urządzeń pokazują, jak sprzęt jest połączony i jak współzależne są od siebie.
Kontekst konfiguracji i wdrożenia specyficzny dla klienta przechwytuje unikatowe wymagania klienta.
Rekomendacje producenta i bazowe poziomy wydajności stanowią punkty odniesienia.
Historyczne wzorce wydajności i analiza użycia umożliwiają identyfikację trendu.

Agregacje godzinowe i dzienne są tworzone na bieżąco dla klienta, fabryki i urządzenia w celu łatwego użycia i długoterminowego przechowywania. Te agregacje umożliwiają wykonywanie następujących czynności:

Monitorowanie urządzeń w czasie rzeczywistym: możesz natychmiast śledzić wydajność sprzętu i stan operacyjny w środowiskach klientów.
Analiza specyficzna dla klienta: system zapewnia dostosowane szczegółowe informacje i metryki na podstawie poszczególnych wdrożeń klientów i wzorców użycia.
Analiza historyczna: analiza trendów i rozpoznawanie wzorców obsługują optymalizację wydajności i szczegółowe informacje predykcyjne.
Izolacja danych w wielodzierżawczości: Bezpieczna segregacja danych zapewnia dostosowane doświadczenia analityczne dla każdego klienta.

Pociąg

W tej fazie zaawansowane modele uczenia maszynowego są trenowane i oceniane w czasie rzeczywistym przy użyciu funkcji nauki o danych . Te modele zapewniają następujące możliwości predykcyjne:

Modele przewidywania wydajności urządzeń: te modele prognozują wydajność sprzętu i optymalizują parametry operacyjne na podstawie danych w czasie rzeczywistym i wzorców historycznych.
Analiza użycia klientów: te modele przewidują wzorce użycia i wykorzystanie sprzętu na potrzeby planowania i optymalizacji pojemności.
Wykrywanie anomalii: te modele przewidują anomalie urządzeń i odchylenia wydajności przed ich wpływem na operacje klientów.
Konserwacja predykcyjna: Te modele prognozują potrzeby konserwacji i optymalizują harmonogramy usług na podstawie wskaźników kondycji urządzeń.
Modelowanie zachowań klientów: te modele ułatwiają zrozumienie wzorców użycia klientów i preferencji dotyczących ulepszania produktu i optymalizacji usług.

Wizualizowanie i aktywowanie

W tej fazie połączysz wizualizacje, powiadomienia i aplikacje niestandardowe, aby zapewnić klientom doświadczenie analityki osadzonej.

Real-Time Dashboard umożliwia łatwe tworzenie spersonalizowanych doświadczeń o wysokim stopniu szczegółowości dla każdego klienta. Pulpity nawigacyjne zapewniają następujące możliwości:

Tablice specyficzne dla klienta: Dostosowane doświadczenia analityczne pokazują tylko odpowiednie urządzenia i metryki dla każdego klienta.
Monitorowanie wysokiego stopnia szczegółowości: szczegółowe informacje na poziomie urządzenia obejmują wskaźniki wydajności w czasie rzeczywistym i stan kondycji.
Interaktywna eksploracja: użytkownicy mogą przechodzić z widoku klienta do poszczególnych szczegółów urządzenia przy użyciu analiz kontekstowych.
Wizualizacje z możliwością dostosowywania: Elastyczne konfiguracje pulpitu nawigacyjnego są zgodne z wymaganiami i preferencjami specyficznymi dla klienta.

Activator generuje powiadomienia w czasie rzeczywistym i szczegółowe informacje dla każdego urządzenia dla każdego klienta. Te powiadomienia umożliwiają wykonanie następujących scenariuszy:

Alerty specyficzne dla klienta: Powiadomienia docelowe informują klientów o problemach z urządzeniami, optymalizacji wydajności i potrzebach konserwacji.
Szczegółowe informacje na poziomie urządzenia: Szczegółowe alerty i rekomendacje dotyczą konkretnego sprzętu na podstawie wydajności w czasie rzeczywistym i analizy predykcyjnej.
Automatyczna komunikacja z klientami: proaktywne powiadomienia i szczegółowe informacje są dostarczane bezpośrednio do systemów klientów i personelu.
Optymalizacja usług: wyzwalacze w czasie rzeczywistym inicjują wysyłanie konserwacji, pomoc techniczną i usługi optymalizacji wydajności.

Raporty usługi Power BI zapewniają rozbudowaną analizę bezpośrednio na danych w czasie rzeczywistym. Te raporty obejmują następujące możliwości:

Analiza klientów: Kompleksowe raportowanie obejmuje wydajność urządzeń, wzorce użycia i wydajność operacyjną dla poszczególnych klientów.
Zarządzanie flotą: analiza i testy porównawcze między klientami zachowują prywatność i bezpieczeństwo danych.
Optymalizacja wydajności: Szczegółowa analiza sprawdza wydajność sprzętu, wykorzystanie i możliwości poprawy.
Analiza biznesowa: szczegółowe informacje strategiczne obsługują opracowywanie produktów, optymalizację usług i sukces klienta.

Aplikacje niestandardowe zapewniają klientom końcowym dedykowany widok swoich urządzeń w czasie rzeczywistym. Te aplikacje oferują następujące funkcje:

Portal klienta z marką własną: Aplikacje z marką własną zapewniają klientom dedykowany dostęp do danych oraz analiz dotyczących urządzeń.
Monitorowanie urządzeń w czasie rzeczywistym: funkcje monitorowania na żywo pokazują bieżący stan urządzenia, metryki wydajności i szczegółowe informacje operacyjne.
Samoobsługowa analiza: klienci mogą eksplorować swoje dane, tworzyć raporty niestandardowe i uzyskiwać dostęp do trendów historycznych.
Ułatwienia dostępu dla urządzeń przenośnych: projekt dynamiczny obsługuje dostęp z urządzeń przenośnych i różnych platform na potrzeby operacji w terenie.

Korzyści techniczne i wyniki

Zaimplementowanie tej architektury osadzonej analizy produktu zapewnia mierzalne korzyści w kilku kluczowych obszarach. W tej sekcji opisano wyniki, których można oczekiwać w poszczególnych obszarach.

Inteligencja analizy osadzonej w produkcie

Architektura zapewnia kompleksowe możliwości analizy zapewniające wartość klienta:

Szczegółowe informacje o klientach w czasie rzeczywistym: miliony zdarzeń IoT można monitorować codziennie z małymi opóźnieniami na dużą skalę w celu natychmiastowego dostarczania wartości klienta.
Dostosowane środowiska analityczne: platforma udostępnia unikatowe, dostosowane dashboardy i wnioski dla każdego klienta na podstawie ich konkretnych wdrożeń urządzeń.
Architektura wielodostępna: Bezpieczna izolacja danych i dostosowane środowiska obsługują wielu klientów przy zachowaniu wydajności operacyjnej.
Kompleksowa widoczność urządzenia: pełna integracja metadanych zasobów zapewnia pełny kontekst dla sprzętu i operacji klienta.

Zautomatyzowane operacje klientów

Architektura automatyzuje kluczowe operacje związane z klientem w celu poprawy dostarczania usług:

Inteligentne alerty klientów: powiadomienia w czasie rzeczywistym i szczegółowe informacje dotyczące poszczególnych urządzeń na klienta umożliwiają proaktywną pomoc techniczną i optymalizację.
Automatyczne dostarczanie usług: możesz skonfigurować wyzwalacze wysyłania konserwacji, pomocy technicznej i optymalizacji wydajności na podstawie analizy urządzeń.
Proaktywne zaangażowanie klientów: Modele predykcyjne obsługują sukces klientów, optymalizację sprzętu i zalecenia dotyczące usług.
Dynamiczna alokacja zasobów: korekty w czasie rzeczywistym optymalizują usługi pomocy technicznej, działania konserwacyjne i inicjatywy sukcesu klientów.

Zaawansowana analiza i analiza biznesowa

Architektura zapewnia zaawansowane możliwości analizy na potrzeby podejmowania decyzji opartych na danych:

Analiza osadzona w czasie rzeczywistym: możesz skorelować dane IoT z metadanymi zasobów w celu uzyskania natychmiastowych szczegółowych informacji o klientach i dostarczania wartości.
Inteligencja między klientami: agregowanie wniosków w całej bazie klientów przy zachowaniu prywatności w celu poprawy jakości produktów i benchmarkingu.
Przetwarzanie języka naturalnego: klienci mogą wykonywać zapytania dotyczące danych przy użyciu konwersacyjnej sztucznej inteligencji i intuicyjnych interfejsów.
Analiza predykcyjna i historyczna: platforma łączy zdarzenia w czasie rzeczywistym z historycznymi wzorcami w celu uzyskania optymalnej wydajności sprzętu i sukcesu klientów.

Sukces klienta i optymalizacja produktu

Architektura pomaga zwiększyć sukces klienta i ciągłe ulepszanie produktu:

Ulepszona wartość klienta: Osadzone analizy i niestandardowe aplikacje zapewniają natychmiastowe szczegółowe informacje i zalecenia dotyczące optymalizacji.
Analiza produktu: Agregowanie danych klientów obsługuje ulepszanie produktów, opracowywanie funkcji i szczegółowe informacje o rynku.
Optymalizacja usług: szczegółowe informacje oparte na danych optymalizują usługi pomocy technicznej, planowanie konserwacji i zaangażowanie klientów.
Przewaga konkurencyjna: Zaawansowane analizy i szczegółowe informacje w czasie rzeczywistym osadzone w produktach zapewniają zróżnicowane doświadczenia klientów.

Uwagi dotyczące implementacji

Podczas implementowania tej architektury osadzonej analizy produktu należy wziąć pod uwagę następujące wymagania i najlepsze rozwiązania, aby zapewnić pomyślne wdrożenie.

Wymagania dotyczące architektury danych

Projektowanie architektury danych w celu obsługi ilości i szybkości wielodostępnych danych IoT:

Pozyskiwanie o wysokiej przepustowości: zaprojektuj system tak, aby codziennie przetwarzał miliony zdarzeń IoT z zakładów produkcyjnych klientów z możliwością zwiększenia zdolności w szczytowych okresach operacyjnych.
Przetwarzanie w czasie rzeczywistym: zapewnij niskie opóźnienia przy dużej skali dostarczania wartości klientowi, poniżej jednej sekundy odpowiedzi na krytyczne alerty urządzenia i natychmiastowe przetwarzanie powiadomień dla klientów.
Jakość i walidacja danych: zaimplementuj walidację w czasie rzeczywistym na potrzeby identyfikacji urządzenia, segregacji danych klientów, dokładności metadanych zasobów i obliczeń analitycznych z automatyczną korektą błędów.
Skalowalność wielodzierżawowa: Projektowanie architektury w celu obsługi rosnącej bazy klientów z rozrastającymi się sieciami urządzeń, zróżnicowanymi scenariuszami wdrażania i różnorodnymi ilościami danych na klienta.
Wymagania dotyczące magazynu: Zaplanuj kompleksowe dane klienta, w tym zdarzenia w czasie rzeczywistym, analizę historyczną i metadane zasobów z zasadami przechowywania specyficznymi dla klienta i wymaganiami dotyczącymi niezależności danych.
Integracja metadanych zasobów: skonfiguruj bezproblemowe codzienne zbieranie z bibliotek producentów wraz z automatycznymi aktualizacjami i zarządzaniem wersjami.

Zabezpieczenia i zgodność

Zaimplementuj odpowiednie mechanizmy kontroli zabezpieczeń i środki zgodności dla rozwiązania wielodostępnego.

Kontrola dostępu: zaimplementuj kontrolę dostępu opartą na rolach zgodnie z granicami klientów i obowiązkami użytkownika. Skonfiguruj uwierzytelnianie wieloskładnikowe dla wszystkich funkcji administracyjnych i zarządzania dostępem uprzywilejowanym.
Dzienniki inspekcji: utwórz kompleksowe rejestrowanie pod kątem zgodności, w tym dostęp do danych klientów, działania urządzeń i operacje analityczne. Użyj niezmiennych dzienników inspekcji i zautomatyzowanego raportowania zgodności.
Prywatność danych: zapewnienie zgodności z przepisami dotyczącymi ochrony danych i wymaganiami klientów dotyczącymi prywatności danych IoT, transgranicznym transferem danych i wymaganiami dotyczącymi rezydencji danych.

Punkty integracji

Planowanie integracji z następującymi systemami i źródłami danych:

Systemy IoT klientów: skonfiguruj natywną integrację z urządzeniami w fabryce klienta, bramami IoT i istniejącymi systemami monitorowania na potrzeby bezproblemowego zbierania danych.
Biblioteki producenta: skonfiguruj codzienną integrację z repozytoriami metadanych zasobów, dokumentacją produktu i bazami wiedzy producenta.
Aplikacje klienta: udostępniaj interfejsy API i zestawy SDK (Software Development Kit) do osadzania analiz w przepływach pracy klientów, pulpitach nawigacyjnych i istniejących aplikacjach biznesowych.
Zewnętrzne źródła danych: integracja z systemami innych firm, w tym planowaniem zasobów przedsiębiorstwa klienta (ERP), zarządzaniem konserwacją i platformami technologii operacyjnych.

Monitorowanie i obserwowanie

Zaimplementuj kompleksowe monitorowanie, aby zapewnić niezawodność systemu i zoptymalizować doświadczenia klientów.

Monitorowanie operacyjne

Skonfiguruj następujące możliwości monitorowania w celu śledzenia kondycji systemu:

Pulpity kondycji systemu: konfigurowanie monitorowania w czasie rzeczywistym procesów pobierania danych ze strumienia zdarzeń dla urządzeń klientów, zbierania metadanych usługi Data Factory oraz dostarczania powiadomień za pomocą Activatora z automatycznym zgłaszaniem alertów w przypadku anomalii systemowych.
Monitorowanie jakości danych: zaimplementuj ciągłą walidację przychodzących danych klienta z alertami dotyczącymi niepowodzeń komunikacji urządzeń, nieprawidłowych odczytów czujników lub uszkodzonych danych analitycznych.
Metryki wydajności: śledzenie opóźnienia pozyskiwania danych z urządzeń klientów, czasy odpowiedzi na zapytania dotyczące pulpitów nawigacyjnych klientów i dokładność przewidywania modelu uczenia maszynowego przy użyciu monitorowania umowy SLA na klienta.

Optymalizacja sukcesu klienta

Zaimplementuj następujące rozwiązania, aby zmaksymalizować wartość klienta:

Zarządzanie pojemnością: Odpowiednie dopasowanie przepustowości sieci szkieletowej uwzględniając wzrost oraz wolumen danych klientów. Zaimplementuj skalowanie automatyczne dla okresów szczytowego użycia i optymalizacji kosztów w oknach o niskiej aktywności.
Zarządzanie cyklem życia danych: skonfiguruj automatyczną archiwizację starszych danych klientów do warstw magazynowania o niższych kosztach. Ustaw zasady przechowywania dopasowane do wymagań klienta i usuń dane zgodnie ze specyfikacjami klienta.
Optymalizacja analizy klienta: używaj korelacji wzorców wydajności urządzeń w czasie rzeczywistym z użyciem danych dotyczących użytkowania przez klientów, aby zmaksymalizować dostarczanie wartości dla klientów i optymalizowanie osadzonych doświadczeń analitycznych.

Dalsze kroki

Postępuj zgodnie z tym etapowym podejściem, aby zaimplementować architekturę osadzonej analizy produktu dla organizacji.

Wprowadzenie

Zacznij od tych podstawowych faz, aby ustanowić rozwiązanie osadzonej analizy.

Faza 1. Instalacja fundamentu

Wykonaj następujące zadania, aby przygotować środowisko:

Zapoznaj się z możliwościami Microsoft Fabric Real-Time Intelligence i poznaj wymagania dotyczące pojemności dla skali osadzonej analityki (urządzenia klientów i operacje wielodostępne).
Zaplanuj strategię integracji Eventstream na potrzeby zbierania danych IoT klientów. Rozpocznij od klientów pilotażowych i krytycznych typów urządzeń w celu weryfikacji.
Zaprojektuj implementację analizy w czasie rzeczywistym w usłudze Eventhouse na potrzeby przetwarzania zdarzeń klientów z małym opóźnieniem na dużą skalę.
Skonfiguruj usługę OneLake dla metadanych zasobów i przechowywania danych klientów przy użyciu odpowiednich zasad izolacji i retencji multitenant.

Faza 2. Implementacja pilotażowa

Przed pełnym wdrożeniem zweryfikuj architekturę z ograniczonym zakresem:

Zacznij od podzbioru klientów testowych i typów urządzeń, aby zweryfikować architekturę i przetwarzanie danych w środowisku wielodostępnym.
Zaimplementuj podstawowe przepływy danych na potrzeby monitorowania urządzeń klienta, generowania analiz i podstawowych możliwości powiadomień.
Ustanów integrację z bibliotekami producenta i systemami klientów w celu uzyskania kompleksowych metadanych zasobów i kontekstyzacji.
Wdróż pulpit nawigacyjny Real-Time na potrzeby monitorowania specyficznego dla klienta z dostosowanymi środowiskami o wysokim stopniu szczegółowości.

Faza 3. Walidacja klienta

Przetestuj i zweryfikuj rozwiązanie przed rozszerzeniem do pełnej produkcji:

Przetestuj wydajność systemu w okresach szczytowego użycia klienta i przetwarzaniu danych o dużej ilości.
Zweryfikuj reguły aktywatora dla powiadomień specyficznych dla klienta i szczegółowych informacji dotyczących poszczególnych urządzeń.
Zapewnienie zgodności z przepisami dotyczącymi ochrony danych i wymaganiami dotyczącymi zabezpieczeń specyficznymi dla klienta.
Przeszkol zespoły ds. sukcesu klientów do używania pulpitu nawigacyjnego, interpretacji analiz i angażowania klientów na podstawie wbudowanych danych.

Implementacja zaawansowana

Po zakończeniu faz podstawowych rozwiń rozwiązanie z zaawansowanymi możliwościami.

Inteligentna automatyzacja i sztuczna inteligencja

Ulepszanie rozwiązania dzięki automatyzacji opartej na sztucznej inteligencji:

Konfigurowanie zaawansowanych funkcji nauki o danych na potrzeby tworzenia, trenowania i oceniania predykcyjnych modeli uczenia maszynowego na potrzeby optymalizacji urządzeń klientów i automatyzacji usług.
Zaimplementuj aktywację w celu uzyskania zaawansowanej automatyzacji klienta, w tym proaktywnej pomocy technicznej, konserwacji predykcyjnej i zautomatyzowanego dostarczania usług.
Wdróż copilot na potrzeby analizy języka naturalnego, umożliwiając klientom wykonywanie zapytań o dane przy użyciu interfejsów konwersacyjnych.
Twórz inteligentne aplikacje klienta, które zapewniają obsługę decyzji w czasie rzeczywistym na podstawie wydajności urządzeń, wzorców użycia i analizy predykcyjnej.

Wdrażanie w skali przedsiębiorstwa

Skaluj rozwiązanie w całej bazie klientów:

Skaluj do pełnej bazy klientów dzięki kompleksowemu pokryciu urządzeń i scentralizowanej analizie wielo tenantowej w różnych środowiskach klientów.
Zaimplementuj zaawansowaną analizę dla uzyskania międzyklienckich wglądów, optymalizacji produktów i poprawy usług, zachowując prywatność danych klientów.
Tworzenie kompleksowej osadzonej analizy za pomocą funkcji zapytań bezpośrednich usługi Power BI i niestandardowych aplikacji klienta dla dedykowanych widoków urządzeń.
Twórz modele uczenia maszynowego klasy korporacyjnej na potrzeby sukcesu klienta, analizy produktów i optymalizacji usług.

Zapoznaj się z następującymi zasobami, aby dowiedzieć się więcej o składnikach i możliwościach używanych w tej architekturze:

Opinia

Czy ta strona była pomocna?

Last updated on 2026-02-21