PRODUITS BIG DATA ET IOT SIMERTEL

La société SIMERTEL propose une sélection de Plateformes Big Data pour l’archivage, le stockage, le traitement et le monitoring des données.

Sélection de Plateformes pour collecter, traiter et diffuser les données.

Sélection des produits Big Data et IoT

Les produits proposés constituent de véritables plateformes Big Data, fédèrent un grand nombre de données destinées à la visualisation et au Reporting. Les produits répondent aux besoins dans différents métiers, ils intègrent les fonctionnalités nécessaires pour collecter, traiter et diffuser les données :

  • Pluto Live Report : progiciel de Reporting
  • ElasticSearch : base de données NOSQL

PLUTO LIVE REPORT

PLUTO LIVE REPORT est un progiciel de Reporting de dernière génération dédié à l’automation et l’IoT (l’internet des objets). Moderne et très efficace, il convient parfaitement aux entreprises à la recherche d’un système d’information automatique et dynamique. Il agrège et transforme l’ensemble des données du terrain en informations valorisées et facilite grandement la prise de décision. Spécialement conçu pour les applications de gestion de l’énergie, du bâtiment, de la production ou du traitement de l’eau. PLUTO est une solution client-serveur innovante, développé en 64 bits pour plus de performances et doté d’une interface moderne pour un rendu graphique inattendu dans l’automation. Cette solution est utilisée principalement pour : Agréger des données depuis des bases multiples, Archiver des données temps réel en base de type SQL, Alimenter d’autres applications (BI, MES, ERP…), Configurer simplement des rapports évolués. Fournir des rapports en Live, Web et par Email.

USAGES PLUTO LIVE REPORT

  • La plateforme répond aux problématiques métiers dans les secteurs d’activité suivants :
  • L’industrie : Monitoring énergétique des unités de production
  • Collectivités : Monitoring énergétique des bâtiments, monitoring de l’environnement urbain

ELASTICSEARCH

Elasticsearch est une base de données NoSQL dont la particularité est de pouvoir indexer des documents fortement orientés textes. ElasticSearch, est capable de stocker une grande quantité de documents et que l’on peut interroger en temps réel. Son langage de requête apporte des possibilités d’interrogation et d’extraction des statistiques en temps réel. Elasticsearch intègre un moteur de recherche et d’analyse distribué utilisant le format JSON.

La suite Elastic Stack comprend : > Kibana : une fenêtre sur Elasticsearch permettant la visualisation et l’exploration des données. > Logstash : un ‘pipeline’ pour la collecte, l’enrichissement et le transfert des données vers ElasticSearch (ou un autre entrepôt de données). > Beats : un ensemble d’agents pour le transfert de données vers Logstash et Elasticsearch.

USAGES ELASTIC SEARCH

La plateforme a été développée pour répondre aux problématiques métiers dans différents secteurs d’activité :

Industrie
  • Améliorer la détection de fraude
  • Obtenir une vision à 360° des besoins clients
  • Efficience et amélioration des processus
  • Analyser les données télémétriques des véhicules connectés
Finance
  • Enrichissement et visualisation des données utilisateurs
  • Obtenir une vision à 360° des besoins clients

Le X-PACK comprend les modules :

  • Security (Shield) pour protéger les données Elasticsearch : authentification des utilisateurs, gestion des droits, chiffrements des données, protection des données par niveaux (Cluster, index, document et/ou champ) et audit logging.
  • Alerting (Watcher) pour être immédiatement informé d’anomalies relevées dans un cluster Elasticsearch : consommation de CPU trop élevée, temps de réponse des applications anormal, nombre d’erreurs 503 trop nombreuses.
  • Monitoring (Marvel) pour suivre en temps réel les performances d’Elasticsearch, de Kibana et de Logstach.
  • Reporting pour générer des rapports depuis toute visualisation ou tout tableau de bord Kibana.
  • Graph pour déceler et analyser graphiquement les relations potentielles entre les données Elasticsearch : liens entre personnes, lieux, préférences, produits
  • Machine Learning pour modéliser le comportement des données Elasticsearch (tendances, périodicité, …) afin d’identifier plus rapidement les anomalies et leurs causes