公司應該在何處分析自己的物聯網（IoT）數據，而AnalyticOps又是什么?
當構建一個物聯網項目時，CIO和業(yè)務都會思考一個問題：應該在哪里進行數據分析，在邊界還是在云中？
在邊界分析數據，給予公司速度優(yōu)勢。不是將每個ping或一批ping發(fā)送到云，在設備上收集和分析數據點。但并不是所有的物聯網用例都需要利用邊界分析提供的速度優(yōu)勢。
Adarsh Narasimhamurthy，他是位于內蒂克，馬薩諸塞州的數學計算軟件公司，MathWorks的高級工程師。最近，在劍橋，馬薩諸塞州舉辦的Predictive Applications and APIs會議的小組討論上說，“這是客戶需要考慮的挑戰(zhàn)：我需要什么樣的數據分析？在哪里運行分析？有什么與之相關的時間延遲？當事件發(fā)生時，我是否需要立馬響應？還是只要一天一次了解下情況？”
有些對溫度敏感的運輸，在某些情況下，是對時間敏感，比如，藥品。現在，溫度是使用沒有聯網的設備進行測量的， Krenar Komoni說，他是供應鏈物聯網初創(chuàng)企業(yè)Tive的CEO。只有當貨物抵達配送中心時，才能知道偏差或“溫度變化”。
Tive的物聯網設備，是一個聯網設備，可以提供運輸條件的近乎實時的情況。“當藥品制造商能夠獲得實時數據，溫度發(fā)生變化時，他們就能知道，” Komoni說。“他們可以重新訂購藥品，病人就能按時獲得它。”
Tive的物聯網設備小到可以裝進你的手掌。但由于它的大小，并且使用電池供電，它無法進行數據分析。聯網的心臟監(jiān)視器也是同樣，Ed Featherston說，他是位于伯靈頓，馬薩諸塞州Collaborative Consulting LLC的高級企業(yè)架構師。
“在這么小的設備內，只能構建這么多的計算能力，”他說，這是經驗之談。“只能做到這么多。”
在這兩個例子中，物聯網設備產生的數據都很簡單，對設備執(zhí)行分析，既是不可行的，也不是必要的。但當設備既復雜又龐大時，比如聯網汽車——數據處理和分析戰(zhàn)略又該是什么呢？其中一個與會者想知道：除了選擇云或邊界分析，物聯網數據可以既在邊界又在云中分析嗎？
波士頓Sea Street Technologies的創(chuàng)始人和CEO Harley Stowell說，“是的，當然。”他建議使用一個架構，對于數據何地，何時，如何處理進行優(yōu)先排序，這樣任務關鍵型數據可以在邊界進行分析，非關鍵數據可以推送到云。
MathWork的Narasimhamurthy表示同意，認為聯網汽車本身做出的決策應該在本地處理；與全球環(huán)境有關的數據，應該在云中處理。 “這和網絡彈性有關，”他說。“即使沒有云，汽車也應該能夠依靠本身，完全工作。”
轉向DevOpsDevOps是趨勢。Stuart Bailey，是位于River Forest，伊利諾伊州的Open Data Group的CTO。則建議依賴分析的企業(yè)同時考慮AnalyticOps職能，用于平衡數據科學家和業(yè)務部門。
“這些人員可以組織設計分析，然后輸入到業(yè)務應用中，確保它的運行，” Bailey說。
AnalyticOps職能可以維護分析，用于尋找數據中有意義的模式。分析模型通常是由數據科學家構建的，但他們并不一定進行維護。如果數據更改或模型需要更新，AnalyticOps功能可以確保及時完成，他說。
將AnalyticOps引入分析工作流“是一個企業(yè)變革；而不是一個技術改變，” Bailey說。
各方觀點“我經常談論的物聯網問題之一，是數據的來源。它來自世界各地，這來自眾包，這來自其他設備。我怎么知道信息是合法的？這是企業(yè)面對的巨大挑戰(zhàn)，因為你之前從來沒有以這樣的規(guī)模處理過數據。”——Collaborative Consulting 的Ed Featherston。
“就像80年代和90年代的計算機科學，從技術角度來看，數據科學是相當成熟的，但它的市場行為，仍然不成熟。”——Open Data Group合伙人和CTO Stuart Bailey。
“不是沒有信息，而是一部分信息。這就是現狀：我們如何分析部分信息？我們如何從現有的數據中獲得盡可能多的信息？”——數據庫開源項目BayesDB CEO Richard Tibbetts
京公網安備 11010502049343號