Xplain Data ObjectAnalytics Database (XOA)

Worum auch immer Ihr Geschäft sich dreht (den “Patient”, die “Maschine” oder den “Kunde” usw.) – Sie sammeln ständig vielfältige Informationen zum Objekt. Und so viel ist sicher: Diese Informationsvielfalt wird in Zukunft noch zunehmen. Daher wird es immer wichtiger, dass Sie Ihr Geschäftsobjekt über all die verschiedenen Datenströme hinweg analysieren können, die damit verbunden sind.

Komplexe Daten zu sammeln und konsistent zu verwalten – dafür sind relationale Datenbanken hervorragend geeignet und geschaffen. Dazu muss jedoch ein Objekt in seine Bestandteile zerlegt und diese in verschiedenen Tabellen gespeichert werden. Ist ein Objekt einmal über viele Tabellen verteilt, ist es extrem herausfordernd, es “als Ganzes” zu analysieren – und eine agile 360°-Sicht schwer zu erreichen.

Um neue Horizonte zu erschließen, benötigen wir eine Technologie, die mit der Komplexität und dem Volumen von Real-World-Daten umgehen kann: Xplain Data ObjectAnalytics.

Typische Unterobjekte für Ihr Haupt-Geschäftsobjekt sind:

• Ereignisströme wie die Verordnungen, Diagnosen und Behandlungen im Laufe des Lebens eines Patienten
• Fertigungsdaten mit Tausenden von Werkstücken und den damit verbundenen Millionen von Prozessparametern, Ereignissen und Meldungen entlang einer Produktionslinie

u.v.m.

Einfache Beantwortung von Fragen, die sich auf verschiedene Teilströme beziehen, z. B.

• Medikamente, die entsprechend einer bestimmten Diagnose verwendet wurden
• Reihenfolge der Reparaturvorgänge in Bezug auf beobachtete Fehlermeldungen

Und letztendlich ist ObjectAnalytics die Grundlage für Causal Discovery. Feature-Engineering wird obsolet – anstatt Features für ein bestimmtes Problem zu entwickeln, arbeiten Sie einfach mit einem Objekt als Ganzes.

Statt mit Zeilen in einer flachen Tabelle arbeitet ObjectAnalytics mit ganzen Objekten. Dieses innovative Konzept eröffnet neue Dimensionen für die Bereiche des maschinellen Lernens und der künstlichen Intelligenz.

ObjectAnalytics ist genau das Gegenteil einer relationalen Datenbank. Alle Informationen zu Ihrem Geschäftsobjekt werden in eine objektzentrierte Datenstruktur eingebunden. Das bedeutet, dass z. B. alle Informationen über jeden einzelnen Patienten gemeinsam in einer “Objektinstanz” verfügbar sind. Was zusammengehört, wird zusammen gespeichert – und steht Ihnen für ganzheitliche Analysen zur Verfügung.

Mit dieser objektzentrierten Darstellung können komplexe Abfragen, die Beziehungen zwischen verschiedenen Unterobjekten analysieren, mit Hochgeschwindigkeit ausgeführt werden. Algorithmen, die zuvor aufwendig zu implementieren waren, sind nun einfach anzuwenden. Neuartige, bisher unvorstellbare Algorithmen werden möglich (siehe CausalDiscoverer).

Sie können Daten aus mehreren Quellen abrufen und sie als Unterobjekte (oder rekursive Unterobjekte) verknüpfen. So fügen Sie Unternehmensdaten aus verschiedenen Quellen zu einem einzigen ganzheitlichen Bild zusammen. ObjectAnalytics ersetzt Ihre relationalen Datenbanken nicht. Es fasst lediglich Daten aus potenziell unterschiedlichen Quellen schnell zu einer objektzentrierten Ansicht zusammen. Und Sie arbeiten ab sofort mit Ihren Geschäftsobjekten “als Ganzes”.

Einige unserer größeren Installationen umfassen 60 Mio. Patienten und 3 Mrd. Ereignisse in verschiedenen Unterobjekten (in einigen Projekten bis zu 50 „verschachtelte“ Unterobjekte) auf einem Server mit 128 Kernen. Bei jeder Anfrage arbeiten alle Kerne parallel, so dass wir zahlreiche Clients gleichzeitig bedienen können.

Die Standardinstallation erfolgt über einen Docker-Container. Die Bereitstellung unserer Technologie auf einer Cloud-Plattform wie AWS oder einem lokalen Rechner ist extrem einfach. Ein Data Scientist kann sie auf seiner lokale Spielwiese nutzen und dort erprobte Lösungen nahtlos in den unternehmensweiten Einsatz übernehmen.

Sie können Abfragen an die ObjectAnalytics Database von jeder Programmiersprache aus durchführen, die Webanfragen initiieren kann.

Zusätzlich zur Weboberfläche bieten wir:

• Methoden, die in spezifischen Umgebungen die Ausführung von Abfragen und den Zugriff auf Ergebnisse erleichtert
• eine Java Object MapReduce-Schnittstelle, um eine Operation auf einem Objekt zu definieren und diese massiv parallel auf Millionen von gespeicherten Objektinstanzen auszuführen. Mit dieser Schnittstelle können Sie Algorithmen tief in die Core Engine der Datenbank einbringen: So kommen die Algorithmen zu den Daten, anstatt eine Unmenge an Daten zu den Algorithmen zu transportieren.

Die offenen Schnittstellen bieten eine Fülle von Möglichkeiten: Erstellen Sie Ihre eigene benutzerdefinierte Anwendung mithilfe der verfügbaren Schnittstellen – z. B. JavaScript. Oder nutzen Sie Dash Enterprise über die Python-Schnittstelle für das Dashboarding.

Es sind Pakete für Python, R (Beta) und JavaScript verfügbar. In Python werden Ergebnisse z. B. als Pandas Data Frame zurückgeliefert. Python und R richten sich in erster Linie an Data Scientists, während die JavaScript-Schnittstelle es Webentwicklern ermöglicht, schnell eine eigene Analyse-Anwendung zu implementieren.

Hinweis: Die Java Object MapReduce Schnittstelle ist noch nicht offiziell freigegeben – bitte wenden Sie sich an das Xplain Data Team, wenn Sie diese nutzen möchten.