Teradata Sediakan 4D Analytics untuk Smart City dan Wearables

Teradata (NYSE:TDC) menyatakan ketersediaan 4D Analytics, sebuah analytics tingkat lanjut yang menggabungkan data lokasi geospasial 3 dimensi dengan dimensi waktu yang ke-4. Dengan menggabungkan analytics time-series, geospasial, pelanggan dan operasional, Teradata mendukung smart city, perangkat teknologi (wearables), dan transportasi.

President Director Teradata Indonesia, Erwin Sukiato, menuturkan, kita berada di ambang ledakan besar aplikasi IoT dan menggunakan kasus-kasus yang didukung oleh analisis canggih. Perangkat seperti connected car, armada, pesawat, lampu lalu lintas, jalan raya, perangkat yang dapat dikenakan (wearables) akan menjadi lebih pintar dan lebih bernilai seiring dengan disuguhkannya wawasan analitik baru kepada mereka.

"Teradata, dengan kemampuan 4D Analytics pertama untuk industri, siap memimpin revolusi komputasi yang lebih pintar ini, mendorong peningkatan yang berawal dari efisiensi energi, hingga peningkatan keamanan transportasi," tutur Erwin dalam keterangan yang diterima di Jakarta, Rabu (11/7/2018).

Untuk industri, IoT menjadi investasi penting untuk bisnis. Teradata Analytics Platform meningkatkan pengembalian dalam investasi tersebut dengan membuat edge computing, menyediakan analisis dampak bisnis, membawa wawasan kepada analisis data sensor tradisional.

Penambahan kemampuan 4D Analytics meningkatkan analytics IoT dengan menggunakan wawasan berbasis waktu dan “tempat” dari sebuah perangkat, seperti mobil dan perangkat teknologi (wearables).

Penggunaan kemampuan 4D Analytics Teradata mengekspos wawasan yang memungkinkan logika dan aturan baru untuk membuat perangkat menjadi lebih pintar. Perusahaan dapat menggunakan kemampuan Analytics 4D untuk memberdayakan berbagai aplikasi yang disempurnakan, seperti berikut ini. 

• Menganalisis pola kereta api, kereta bawah tanah, taksi, mobil, lampu lalu lintas, lalu lintas restoran, dan gerakan warga umum, menghasilkan wawasan sebagai logika untuk membuat kota pintar.
• Mempelajari data sensor dari armada kendaraan, seperti waktu dan rute perjalanan, untuk memprediksi kemungkinan kerusakan dan dampak bisnis yang dihasilkan.
• Menggunakan perangkat yang dapat dikenakan (wearables) dan perangkat medis pribadi untuk menganalisis data tentang denyut jantung dan aktivitas pasien, untuk memahami kepatuhan pengobatan.
• Menganalisis data dari masing-masing mobil untuk memahami perbedaan antara kecelakaan dan nyaris kecelakaan.