Datenanalysetools: der schnellere Weg zur Erkenntnis

Technik von Intel beschleunigt und optimiert Analyselösungen mit Tools, Frameworks und Bibliotheken.

Die Datenanalysetools sollen die Implementierung datengestützter Business-Intelligence vereinfachen und optimieren. Intel arbeitet eng mit einigen Größen in der Datenanalyse zusammen, um Hardware in puncto Genauigkeit und Effizienz zu optimieren.

Mit dem Anwachsen der Datenvolumen wurden Datenanalyse und Datenwissenschaften unverzichtbar, um Zusammenhänge bei Prozessen, Kunden und Systemen zu verstehen. Und Tools, die mit größeren Datenbeständen bessere Vorhersagen ermöglichen, sind neue Trends in der Datenanalyse. Unternehmen und IT-Organisationen steht eine breite Palette an Datenanalysetools zur Auswahl – von Analyseplattformen mit umfassender Funktionalität bis zu Tools und Bibliotheken für spezifische Anwendungen.

Partner-Tools

Intels Wurzeln auf dem Gebiet der Datenanalyse reichen tief. Unsere Kooperation mit Partnern dreht sich um Optimierung und Effizienz, mit dem Ziel, heutigen Organisationen eine einfachere und schnellere Implementierung modernster Analysestrategien zu ermöglichen – von vorausschauender und Echtzeitanalyse bis zu Augmented Analytics.

SAP

Seit mehr als einem Jahrzehnt kooperieren Intel und SAP, um hohe Leistung und Skalierbarkeit für ein breites Spektrum von Datenanalysen bereitzustellen. Intels interne Open-Data-Plattform nutzt SAP HANA* zur schnelleren Datenanalyse für sein Lieferketten-Datenanalysesystem.

Intel und SAP arbeiten gemeinsam daran, das SAP-Angebot an Datenanalysesoftware – von SAP HANA* und SAP Analytics bis zur intelligenten Analyse mit SAP Leonardo – für skalierbare Intel® Xeon® Prozessoren und persistenten Intel® Optane™ Speicher zu optimieren. Durch diese Technik kann für umfangreiche Analyseaufgaben mehr Hauptspeicher zur Verfügung gestellt und der Startvorgang beschleunigt werden.

Oracle

Oracle ermöglicht als ein Marktführer bei Systemen für das Datenbankmanagement gemischte Workloads für die Onlinetransaktionsverarbeitung und die Echtzeit-Streaming-Analyse der Daten aus vielerlei Datenquellen. Intels gemeinsame Arbeit mit Oracle, die einen Zeitraum von mehr als 20 Jahren umfasst, hat dazu beigetragen, dass die Oracle-Datenbank Leistung und Skalierbarkeit auf Enterprise-Niveau bietet, insbesondere im Bereich der verteilten Echtzeitanalyse. Die Oracle-Datenbank nutzt die Mesh-Architektur der skalierbaren Intel® Xeon® Prozessorreihe, um die Leistung bei Analyseaufgaben zu verbessern.

Microsoft* SQL Server

Microsoft* SQL Server bietet Advanced-Analytics-Funktionen in der Datenbank für Operational Analytics und vorausschauende Analyse in Echtzeit. Microsoft und Intel haben kooperiert, um dafür zu sorgen, dass Organisationen, die mit Microsoft* SQL Server arbeiten, diese Funktionalität in vollem Umfang nutzen können. Referenzdesigns mit verifizierten, optimierten Hardware- und Software-Lösungen, die auf der skalierbaren Intel® Xeon® Prozessorreihe basieren, stellen sicher, dass die Infrastruktur für unterschiedliche Unternehmensarten und -größen bereit ist.

SAS

Mit Lösungen für eine ganze Reihe von Analyseaufgaben bietet SAS eine robuste Analyseplattform. SAS und Intel haben ihre Kompetenzen gebündelt, um Anwendern schneller erzielbare Ergebnisse und eine intelligentere Entscheidungsfindung im gesamten Unternehmen zu ermöglichen.

Die Kooperation verfolgt das Ziel, die In-Memory-Analyse von SAS mit skalierbaren Intel® Xeon® Prozessoren und Intel® Optane™ Solid-State-Drives zu optimieren. Optimierte Leistungseigenschaften ermöglichen es Unternehmen, ein ganzes Spektrum von Analysestrategien einzusetzen, von Data-Mining und der Prognose bis zur Analyse mit vorausschauenden und deskriptiven Modellen.

Cloudera

Cloudera bietet Big-Data-Analyse- und Datenmanagement-Lösungen im Enterprise-Segment auf Basis von Apache Hadoop. Die für Rechenzentrumstechnik auf Basis der Intel® Architektur optimierten Lösungen von Cloudera machen Enterprise-Kunden das Leistungspotenzial der Open-Source-Technik von Hadoop verfügbar.

Die Cloudera-Distribution von Hadoop (CDH) erweitert die Business-Intelligence mit vorausschauender Analyse, die datengesteuerte Prognosen ermöglicht. Intel® Hardware- und Software-Optimierungen machen die Datenanalyse mit Hadoop für viele Anwendungen und Anwendungsfälle einfacher und schneller.

Intels Kooperation mit Partnern dreht sich um Optimierung und Effizienz, mit dem Ziel, heutigen Organisationen eine einfachere und schnellere Implementierung modernster Analysestrategien zu ermöglichen.

Tools für spezifische Anwendungen

Viele Unternehmen verwenden zusätzlich zur Technik für Datenanalyseplattformen spezielle Datenanalysetools, die hochoptimiert für bestimmte Funktionen sind.

Visualisierungstools
Die Ausgabe bzw. das Reporting ist ein entscheidend wichtiger Teil der Analyse. Tools für die Datenvisualisierung optimieren die visuelle und grafische Darstellung von Ergebnissen aus mehreren Datenquellen und erleichtern das Anfertigen von Diagrammen und anderen Darstellungen von Erkenntnissen aus Analysen für die Business-Intelligence.

  • Tableau: Tableau besteht aus einer Reihe von Tools für die Datenvisualisierung, mit denen die Anwender schnell Visualisierungen auf der Grundlage von Big Data erstellen können. Tableau ermöglicht Visualisierung in Echtzeit und die Integration in Sprachen wie Python* und R sowie in Software für das Datenbankmanagement.
  • Qlik: Zu den Business-Intelligence-Lösungen von Qlik gehören QlikView, eine hochentwickelte Software für die Datenvisualisierung, und Qlik Sense, eine Analyseplattform neuester Generation, die mit „Augmented Intelligence“ arbeitet.

Protokollanalyse
Bei der Analyse in der IT-Abteilung dreht sich alles oftmals um Protokollanalyse – das Verständnis von Protokollen als Grundlage datengesteuerter Entscheidungsprozesse. Die Überwachung von Protokollen mithilfe spezieller Datenanalysesoftware kann es einfacher machen, zu verstehen, wie Infrastruktur, Systeme und Anwendungen zusammenwirken und an welcher Stelle Verbesserungen möglich sind.

  • Splunk: Splunk ist in der Lage, große Mengen von Protokollen in Echtzeit zu analysieren und bietet integrierte Datenanalyse-Dashboards und Problembehandlungstools, die den IT-Abteilungen das Auffinden und Lösen technischer Probleme erleichtern.

Maschinelles Lernen
Einige der spannendsten Fortschritte in der Datenanalyse und den Datenwissenschaften betreffen die künstliche Intelligenz (KI) und das maschinelle Lernen. Augmented Analytics mit automatisierten KI-Engines vereinfacht die Datenmodellierung, um Erkenntnisse und datengestützte Prognosen automatisch zu erstellen.

  • H2O: Mit einer „Driverless AI“-Plattform will H2O einer breiteren Basis von Fachkräften einen leichteren Zugang zu Augmented Analytics mit maschinellem Lernen und KI eröffnen. Mit der möglichen Spark-, R- und Python-Integration ist H2O für die Zusammenarbeit mit bestehenden Infrastrukturen konzipiert.
  • DataRobot: Die für den Enterprise-Betrieb konzipierte KI-Plattform DataRobot vereinfacht die Entwicklung von End-to-End-Anwendungen mit KI und maschinellem Lernen.

Intel® KI-Frameworks und -Tools

Die fortschrittlichsten heutigen Datenanalysestrategien bauen auf KI-Methoden mit Deep Learning und neuronalen Netzwerken auf. Intel bietet mehrere Optimierungen für häufig verwendete Deep-Learning-Frameworks an, um die Entwicklung und das Trainieren von KI-Modellen zu beschleunigen.

Intel® Optimierungen für Deep-Learning-Frameworks

Intel arbeitet mit einer Reihe verbreiteter Deep-Learning-Frameworks, die Datenwissenschaftlern, Entwicklern und Forschern eine höhere Programmiersprache für die Definition, das Trainieren und die Validierung tiefer neuronaler Netze bereitstellen.

  • Die Intel® Optimierung für TensorFlow* optimiert das beliebte Open-Source-Deep-Learning-Framework TensorFlow für die skalierbare Intel® Xeon® Prozessorreihe. Dies unterstützt Datenwissenschaftler und Anwender von High-Performance-Computing (HPC) dabei, neue Problemstellungen im geschäftlichen und Forschungsbereich zu lösen.
  • Die Intel® Optimierung für Caffe* verbessert die Leistungseigenschaften des populären Caffe-Frameworks mit Intel® Prozessoren. Caffe ist ein Deep-Learning-Framework, das auf HPC-Clustern ausgeführt werden kann, um KI-Anwendungen zu unterstützen.
  • Das Apache-MXNet-Framework dient der Verbesserung von Computer-Vision-Modellen mit Inferenzoptimierung und erweiterter Quantisierungsleistung.

Intel® Optimierungen für neuronale Netze 1

  • Intel® Software-Optimierungen für PyTorch* ermöglichen Anwendern, die Vorteile von Intel® Hardware und Intel® Deep Learning Boost mit der Intel® Math Kernel Library for Deep Neural Networks (Intel® MKL-DNN) zu nutzen.
  • Das mit der Intel® Math Kernel Library for Deep Neural Networks erstellte PaddlePaddle bietet schnelle Leistungseigenschaften mit skalierbaren Intel® Xeon® Prozessoren sowie eine umfangreiche Toolsammlung zur Unterstützung von KI-Entwicklern.

Intel® Optimierungen für Big-Data-Frameworks

  • Intels Software-Beiträge für Big-Data- und Analyse-Frameworks tragen dazu bei, dass Anwendungen auf HPC-Systemen schnell und einfach laufen. Intel® Optimierungen für Big-Data-Analysetools und -techniken unterstützen verbreitete Frameworks wie Apache Hadoop* und Apache Spark*.
  • BigDL ist ein Open-Source-, verteiltes und skalierbares Deep-Learning-Framework für Apache Spark und bietet native Unterstützung für Deep-Learning-Funktionen mit Intel® Xeon® Prozessorleistung.

Intel® Softwarebibliotheken1

Mit den Softwarebibliotheken haben Entwickler Zugang zu den kompatiblen Tools, die sie für das schnelle Programmieren von Anwendungen brauchen. Intel® Bibliotheken sollen Entwickler von Analyselösungen und -anwendungen mit Compilern, Performance-Bibliotheken, Parallelverarbeitungsmodellen und hochleistungsfähigen Python-Lösungen auf dem neuesten Stand der Technik unterstützen:

  • Der Intel® C++ Compiler ermöglicht die Entwicklung von Code, der die Vorteile der Verfügbarkeit mehrerer Kerne und integrierter Technik von Plattformen mit Intel® Prozessoren nutzt. 
  • Mit dem Intel® Fortran Compiler lassen sich leistungsstarke Anwendungen entwickeln, indem optimierter Code für die skalierbare Intel® Xeon® Prozessorreihe und Intel® Core™ Prozessoren generiert wird.
  • Die Intel® Distribution für Python* hilft Entwicklern, schnelle Python-Anwendungen zu erstellen und die zentralen Computational Packages zu beschleunigen – alles ohne oder mit nur geringen Änderungen am Programmcode.
  • Die Intel® Math Kernel Library (Intel® MKL) ist eine gebrauchsfertige Math-Library, die Verarbeitungsroutinen und die Leistung von Anwendungen beschleunigt. Diese Bibliothek hilft Entwicklern beim Optimieren von Code für jede Intel® Prozessorreihe mit minimalem Aufwand für zukünftige Prozessorgenerationen.
  • Die Intel® Data Analytics Acceleration Library (Intel® DAAL) beschleunigt die Entwicklung leistungsstarker Datenwissenschaftsanwendungen. Diese Bibliothek hilft Anwendungen, mit den vorhandenen Datenverarbeitungsressourcen schnell bessere Prognosen zu erstellen und größere Datenbestände zu analysieren.
  • Intel® Integrated Performance Primitives (Intel® IPP) stellen eine Bibliothek einsatzbereiter, domänenspezifischer Funktionen bereit, die für verschiedene Intel® Architekturen optimiert sind.
  • Intel® Threading Building Blocks (Intel® TBB) ist eine oft genutzte C++-Bibliothek für parallele Programmierung mit gemeinsam genutztem Arbeitsspeicher und heterogene Datenverarbeitung (Distributed Memory Programming).

Einheitliche Programmierung mit Intel® oneAPI1

Die Analyseaufgaben werden immer verschiedenartiger. Mit der von Intel® oneAPI bereitgestellten Unified-Programming-Schnittstelle können Unternehmen und IT-Organisationen mehrere Hardwarekonfigurationen und -architekturen ohne neuerliche Programmierung unterstützen.

Intel® oneAPI-Produkte stellen Tools für die Implementierung von Anwendungen und Lösungen in verschiedenen SVMS-Architekturen (scalar, vector, matrix, spatial) bereit. Ihre ergänzenden Toolkits (bestehend aus Basis-Kit und Erweiterungen für spezielle Aufgaben) vereinfachen die Programmierung und helfen Entwicklern, bei vielen Analyseanwendungen und -aufgaben effizientere und innovativere Ergebnisse zu erzielen.

Inhalte zu diesem Thema

Informieren Sie sich eingehender über Intel® Technik für die Datenanalyse.

Datenanalyse

Erfahren Sie, wie die Datenanalyse Organisationen dabei helfen kann, zuverlässige, verwertbare Erkenntnisse zu gewinnen und wie Sie Ihre Analysestrategie weiterentwickeln können.

Wie Sie die Möglichkeiten der Datenanalyse ausschöpfen

Was versteht man unter Datenanalyse?

Machen Sie sich mit den Grundlagen der Datenanalyse und den Details der Datenpipeline vertraut, von der Erfassung bis zur Aktion.

Eine kurze Einführung

Datenbank

Hier erfahren Sie mehr über Datenbanktechnik und darüber, welche Auswirkung verschiedene Systeme für das Datenbankmanagement auf Ihre Analysen haben können.

Mehr über Datenbanken

Hinweise und Haftungsausschlüsse
Für die Funktion bestimmter Technik von Intel® kann entsprechend konfigurierte Hardware, Software oder die Aktivierung von Diensten erforderlich sein. // Kein Produkt und keine Komponente bieten absolute Sicherheit. // Ihre Kosten und Ergebnisse können variieren. // Intel hat keinen Einfluss auf und keine Aufsicht über die Daten Dritter. Sie sollten andere Quellen heranziehen, um die Genauigkeit zu beurteilen.

Produkt- und Leistungsinformationen

1Unter Umständen können Intel® Compiler, die nicht für Mikroprozessoren von Intel® spezifisch sind, das gleiche Optimierungsniveau bieten. Zu diesen Optimierungen gehören Befehlssätze für SSE2, SSE3 und SSSE3 sowie weitere Optimierungen. Intel übernimmt keine Garantie für die Verfügbarkeit, Funktionalität oder Wirksamkeit von Optimierungen für Mikroprozessoren, die nicht von Intel hergestellt wurden. Mikroprozessorabhängige Optimierungen in diesem Produkt sind für die Anwendung in Verbindung mit Intel® Mikroprozessoren bestimmt. Bestimmte, nicht für die Intel® Mikroarchitektur spezifische Optimierungen sind Intel® Mikroprozessoren vorbehalten. Entnehmen Sie weitere Informationen zu den spezifischen Befehlssätzen, auf die dieser Hinweis zutrifft, bitte den entsprechenden Benutzer- und Referenzhandbüchern.