把大数据都放到地图上,Space-Time为企业提供可视化的数据监控和分析服务

标签: 国外创业公司 Space-Time Insight | 发表时间:2012-09-20 09:23 | 作者:leo
分享到:
出处:http://www.36kr.com

大数据很火,数据可视化也很火,地图LBS 服务更火,如果把这三者结合起来,会是什么样子? Space-Time Insight就是这样一家将三者整合起来的公司,他们将企业需要的大量专业数据以地理信息的形式展现在地图上,让人们更好的了解、比较和研究他们所需的信息。

Space-Time Insight 最初的定位只有电力行业,比如去年他们帮助加州的独立系统运营公司(ISO)设计一套可视化的软件监控系统来实时检测近25000英里的电力传输系统。但现在,他们开始尝试将这种大数据地图可视化服务扩展到其他领域,比如油气勘探和运输系统等。

Space-Time 高级副总裁Steve Ehrlich 介绍说:“只要企业有重要的数据需要进行地图可视化, Space-Time就能够帮助他们把天气、社交媒体、企业和其他东西上面的内容,以一种他们之前从未想到过的可视化方式给客户展现出来。”

有了这种展示之后,企业可以以一种全新的监控、分析方式来掌管他们的数据。比如当所有数据都显示在地图上之后,企业一旦发现一个地区出现了问题,它就可以根据该地区问题的严重性和周围地区的反应来判断是否会对其他地方产生影响或连锁反应,并在尽可能降低影响的情况下解决问题。

Space-Time 目前已经获得了1400万美元的B轮融资。虽然Space-Time 的主要重心仍然放在电力行业,但无疑其他能源、运输、气象等行业都是广阔的前景。而且除了企业市场,这类地图可视化技术在传统消费、生活服务市场也会有乐观的应用前景。

Space-Time Insight-asset_intelligence Space-Time Insight-renewables_intelligence Space-Time Insight-controlcenterfolsom1_resized1source GigaOM
除非注明,本站文章均为原创或编译,转载请注明: 文章来自 36氪

来微信加36氪为好友吧,打开微信“添加朋友”->按号码查找,然后输入“36氪”添加好友。[ 二维码]

相关 [大数据 地图 space] 推荐:

把大数据都放到地图上,Space-Time为企业提供可视化的数据监控和分析服务

- - 36氪
大数据很火,数据可视化也很火,地图LBS 服务更火,如果把这三者结合起来,会是什么样子. Space-Time Insight就是这样一家将三者整合起来的公司,他们将企业需要的大量专业数据以地理信息的形式展现在地图上,让人们更好的了解、比较和研究他们所需的信息. Space-Time Insight 最初的定位只有电力行业,比如去年他们帮助加州的独立系统运营公司(ISO)设计一套可视化的软件监控系统来实时检测近25000英里的电力传输系统. 但现在,他们开始尝试将这种大数据地图可视化服务扩展到其他领域,比如油气勘探和运输系统等. Space-Time 高级副总裁Steve Ehrlich 介绍说:“只要企业有重要的数据需要进行地图可视化, Space-Time就能够帮助他们把天气、社交媒体、企业和其他东西上面的内容,以一种他们之前从未想到过的可视化方式给客户展现出来.

谷歌地图VS苹果地图:大数据领域竞争

- - 业界
北京时间10月4日消息,苹果在iPhone 5操作系统iOS 6中推出的自家地图应用尽管给人留下了深刻的印象,但是由于错误频频也招致了大量批评. 苹果的地图应用不仅损害了苹果的声誉,而且还有可能会削弱iOS 6与谷歌安卓操作系统竞争的实力. 苹果和谷歌之间的竞争领域可以用三个字来概括:大数据. 谷歌拥有大数据,而苹果正在努力获取大数据. 苹果之所以决定在iOS 6中使用自家地图应用以取代谷歌地图,据传是因为谷歌不愿向苹果许可安卓手机中非常流行的逐向导航服务,使得苹果与谷歌在地理位置领域的竞争中面临挑战. 谷歌2005年向开发者开放地图功能,次年便推出了首个移动地图应用. 此外,谷歌还加大力度,为全球所有重要城市的每条街道提供地图,同时提供全球卫星视图.

谈大数据(2)

- - 人月神话的BLOG
对于大数据,后面会作为一个系列来谈,大数据涉及的方面特别多,包括主数据,数据中心和ODS,SOA,云计算,业务BI等很多方面的内容. 前面看到一个提法,即大数据会让我们更加关注业务方面的内容,而云平台则更多是技术层面的内容. 对于大数据会先把各个理解的关键点谈完了,再系统来看大数据的完整解决方案和体系化. 大数据对传统BI的改进不仅仅是数据类型增加,如半结构化和非结构化数据,而更多的是实时性的改进. 传统的BI方式,如果基于ETL-》ODS-》DW的思路基本无法解决BI分析的实时性问题. 数据量大,海量数据传统BI就有,不是新问题. 特别是结构化数据,再海量也是有一个度,非结构化数据则膨胀和存储量都很大,需要考虑数据分布式,同时数据分布式后带来的关键问题就是数据分析的实时性问题.

大数据之惑

- - 互联网分析
算起来,接触大数据、和互联网之外的客户谈大数据也有快2年了. 也该是时候整理下一些感受,和大家分享下我看到的国内大数据应用的一些困惑了. 云和大数据,应该是近几年IT炒的最热的两个话题了. 在我看来,这两者之间的不同就是: 云是做新的瓶,装旧的酒; 大数据是找合适的瓶,酿新的酒. 云说到底是一种基础架构的革命. 原先用物理服务器的应用,在云中变成以各种虚拟服务器的形式交付出去,从而计算、存储、网络资源都能被更有效率的利用了. 于是,酒量好无酒不欢的人就可以用个海碗牛饮二锅头;酒量小又想尝尝微醺小醉风情的人也可以端个小杯咂巴咂巴女儿红. 大数据的不同在于,它其实是把以前人们丢弃不理的数据都捡起来,加以重新分析利用,使之产生新价值的技术.

白话大数据

- - 互联网分析
这个时代,你在外面混,无论是技术还是产品还是运营还是商务,如果嘴里说不出“大数据”“云存储”“云计算”,真不好意思在同行面前抬头. 是千万级别的用户信息还是动辄XXXTB的数据量. 其实,大数据在我的眼里,不是一门技术,而是一种技能,从数据中去发现价值挖掘价值的技能. ”当我掷地有声用这句话开场时,正好一个妹子推门而入,听到这句话,微微一怔,低头坐下. 如今在很多场合,一提起大数据,基本都会说“日处理数据量XXGB,上传图片XXGB,并发数XXX”“Hadoop集群拥有XXXX节点,总存储XXPB”……诸如此类的技术语言. 但是不是数据大了,就可以达到大数据的境界,可以一起达到人生的大和谐了.

交通大数据

- - 人月神话的BLOG
本文简单谈下智慧交通场景下可能出现的大数据需求和具体应用价值. 对于公交线路规划和设计是一个大数据潜在的应用场景,传统的公交线路规划往往需要在前期投入大量的人力进行OD调查和数据收集. 特别是在公交卡普及后可以看到,对于OD流量数据完全可以从公交一卡通中采集到相关的交通流量和流向数据,包括同一张卡每天的行走路线和换乘次数等详细信息. 对于一个上千万人口的大城市而言,每天的流量数据都会相当大,单一分析一天的数据可能没有相关的价值,而分析一个周期的数据趋势变化则会相当有价值. 结合交通流量流向数据趋势变化,可以很好的帮助公交部门进行公交运营线路的调整,换乘站的设计等很多内容. 这个方法可能很早就有人想到,但是在公交卡没有普及或海量数据处理和计算能力没有跟上的时候确实很难实际落地操作,而现在则是完全可以落地操作的时候了.

全球10大数据库

- - 译言-电脑/网络/数码科技
原文: Fiorenttini   译者: julie20098. [非商业性转载必须注明译者julie20098和相关链接. ,否则视为侵权,追究转载责任. 世界气候数据中心:气候全球数据中心, 220TB 的网络数据, 6PB 的其它数据. 国家能源研究科学计算中心,有 2.8PB 容量. AT & T (美国电讯公司),有 312TB. 谷歌:信息不多,不过据估计大约有 33 万亿 BIL 数据输入. 斯布林特(美国电话公司):约 29 亿行数据(可能具有多个行的数据库). ChoicePoint (公共信息,电话): 250TB. YouTube, 视频可能为 70-90TB.

大数据公司Amazon

- - 36氪 | 关注互联网创业
说到 Amazon,它通常给人的印象是一家典型的电商公司——创办于1995年,靠在线书籍销售业务起家,发展至今也已颇具规模. 近日,TechCrunch作者Alex Williams撰文称,Amazon其实并非一家贸易公司,而是一家大数据公司. 联想到Amazon CEO Jeff Bezos曾说过的一句话:“企业家应该愿意在很长一段时间内承受误解的目光. ” ——难道我们真的一直误解了Amazon. 以下是Alex Williams的全文:. 当日送达在这个假期成为了大型零售商们争相追捧的热潮. 纽约时报指出,其背后的原因是大型零售商们日益感到Amazon的威胁,争相开始跟上Amazon的步伐,提供相匹配的服务.

谈大数据分析

- - 人月神话的BLOG
对于数据分析层,我们可以看到,其核心重点是针对海量数据形成一个分布式可弹性伸缩的,高查询性能的,支持标准sql语法的一个ODS库. 我们看到对于Hive,impala,InfoBright更多的都是解决这个层面的问题,即解决数据采集问题,解决采集后数据行列混合存储和压缩的问题,然后形成一个支撑标准sql预防的数据分析库. 所以对于大数据分析层是一个偏底层的东西,核心是解决数据ETL,数据存储,数据能力的开放. 对于数据采集我们看到各种大数据分析方案基本都是解决数据数据批量导入问题,而不是解决ETL问题,对于Hive方案下拓展了Sqoop来解决数据采集和集成的问题,对于InfoBright本身还要依赖于其它采集集成方案.

大数据架构hadoop

- - CSDN博客云计算推荐文章
摘要:Admaster数据挖掘总监 随着互联网、移动互联网和物联网的发展,谁也无法否认,我们已经切实地迎来了一个海量数据的时代,数据调查公司IDC预计2011年的数据总量将达到1.8万亿GB,对这些海量数据的分析已经成为一个非常重要且紧迫的需求. 随着互联网、移动互联网和物联网的发展,谁也无法否认,我们已经切实地迎来了一个海量数据的时代,数据调查公司IDC预计2011年的数据总量将达到1.8万亿GB,对这些海量数据的分析已经成为一个非常重要且紧迫的需求. Hadoop在可伸缩性、健壮性、计算性能和成本上具有无可替代的优势,事实上已成为当前互联网企业主流的大数据分析平台. 本文主要介绍一种基于Hadoop平台的多维分析和数据挖掘平台架构.