隨著數(shù)據(jù)以指數(shù)級增長，超出集中存儲和管理的能力，以下是邊緣分析如何幫助組織克服這一挑戰(zhàn)。

隨著世界的互聯(lián)越來越緊密，能夠收集和分析數(shù)據(jù)的智能設(shè)備的范圍比以往任何時候都要廣泛。如今的汽車通過設(shè)計中內(nèi)置的傳感器和計算機(jī)生成大量數(shù)據(jù);零售商店會整理從庫存、發(fā)貨到顧客購買的所有數(shù)據(jù);生產(chǎn)可再生電力的風(fēng)力渦輪機(jī)由數(shù)百個傳感器組成，每分鐘產(chǎn)生數(shù)百萬個數(shù)據(jù)點。

為這些日常事件提供動力所需的信息量增長速度，超過了為容納和組織這些信息而設(shè)計的網(wǎng)絡(luò)的可用帶寬。不再可能將所有生成的數(shù)據(jù)傳輸?shù)娇梢酝ㄟ^傳統(tǒng)方式組織和分析的中心位置。

邊緣分析，一種分散式數(shù)據(jù)分析，其中數(shù)據(jù)在其源頭——信息網(wǎng)絡(luò)的“邊緣”進(jìn)行分析。

在傳統(tǒng)系統(tǒng)中，數(shù)據(jù)從收集的地方轉(zhuǎn)移到中央存儲庫，在那里可以進(jìn)行分析。但是，即使是當(dāng)今最強大的網(wǎng)絡(luò)也沒有足夠的能力來傳輸大多數(shù)用例中生成的所有數(shù)據(jù)，這意味著必須決定哪些數(shù)據(jù)會被遺漏。

通過在原始數(shù)據(jù)的源頭進(jìn)行分析，邊緣分析避免了將數(shù)據(jù)傳輸回中央系統(tǒng)的需要，同時仍然將所有的見解集中在一起進(jìn)行集中決策。這大大加快了分析的速度，而不影響結(jié)果的質(zhì)量。

為什么要采用邊緣分析

鑒于分析在改進(jìn)決策制定流程和業(yè)務(wù)成果方面的潛在價值，企業(yè)不能不探索自己的選擇。邊緣分析在分析更多數(shù)據(jù)、更快且可能更經(jīng)濟(jì)方面具有廣泛的優(yōu)勢。

當(dāng)使用內(nèi)存數(shù)據(jù)庫時，邊緣分析將進(jìn)一步加速這些優(yōu)勢，因為組織可以在原始數(shù)據(jù)傳入時對其進(jìn)行分析。這為組織提供了實時結(jié)果，使變化和調(diào)整能夠快速進(jìn)行。

邊緣分析還可以幫助解決當(dāng)今精通數(shù)字技術(shù)的企業(yè)最頭疼的問題之一:云成本。在云中存儲數(shù)據(jù)是需要花錢的，在云和本地存儲之間或在云服務(wù)提供商之間傳輸數(shù)據(jù)也是如此。隨著云使用規(guī)模的擴(kuò)大，這些成本往往會迅速上升。因此，通過在邊緣進(jìn)行更多的分析，企業(yè)可以減少云存儲和傳輸成本的支出。

安全性是邊緣分析的另一個優(yōu)勢，特別是當(dāng)組織正在處理個人身份信息(PII)等敏感數(shù)據(jù)時。將企業(yè)的所有原始數(shù)據(jù)集中一個中心位置本身就存在風(fēng)險。通過采用邊緣分析，組織可以將敏感數(shù)據(jù)保留在原處，且只將預(yù)先聚合的數(shù)據(jù)轉(zhuǎn)移到中央數(shù)據(jù)倉庫，這意味著其不必托管和保護(hù)敏感信息。

處于邊緣的行業(yè)

那么，邊緣適用于哪些行業(yè)?在哪里可以看到企業(yè)從邊緣分析中受益?

最重要的行業(yè)之一是可再生能源，該行業(yè)已迅速采用了優(yōu)勢分析。例如，風(fēng)力渦輪機(jī)內(nèi)置了數(shù)百個傳感器，以確保渦輪機(jī)的每個部分都能正常運行，并能適應(yīng)外部條件。如果每臺渦輪機(jī)都能進(jìn)行數(shù)據(jù)分析，則可以進(jìn)行預(yù)測性維護(hù)。先發(fā)制人地識別和隔離每個渦輪機(jī)的任何問題，從而在發(fā)生事故時將對整個團(tuán)隊的影響降至最低。

由于供應(yīng)鏈管理的復(fù)雜性，邊緣分析將獲得關(guān)注的另一個領(lǐng)域是供應(yīng)鏈管理。供應(yīng)鏈通常有數(shù)百個獨立的移動部件，包括需要轉(zhuǎn)移到多個地點進(jìn)行制造的原材料的采購和跟蹤，存儲設(shè)施的管理，以及監(jiān)控數(shù)千個物聯(lián)網(wǎng)設(shè)備，如跟蹤運輸物品的RFID芯片。

在這種情況下，供應(yīng)鏈經(jīng)理可能有一個集中的地方，在那里組織世界各地的產(chǎn)品流動，而“邊緣”可能是帶有RFID標(biāo)簽的貨物的存儲設(shè)施。利用邊緣分析直接在這些存儲設(shè)施中分析數(shù)據(jù)，接近實時，這對于協(xié)調(diào)鏈的其余部分非常有用。例如，供應(yīng)鏈經(jīng)理還需要考慮天氣。這就是AI和ML建模等更先進(jìn)的分析方法可能發(fā)揮作用的地方，這些分析也可以在邊緣進(jìn)行處理。

準(zhǔn)備，預(yù)備，開始

實施邊緣分析不需要以犧牲傳統(tǒng)的中央數(shù)據(jù)庫為代價——事實上，它們最好是一起使用。原始數(shù)據(jù)可以在邊緣進(jìn)行分析，然后聚合并發(fā)送到中央數(shù)據(jù)庫或數(shù)據(jù)倉庫進(jìn)行存儲，并根據(jù)需要進(jìn)行更高級的分析。

在企業(yè)中設(shè)置邊緣分析始于正確的內(nèi)存數(shù)據(jù)庫。要實時分析邊緣的大量數(shù)據(jù)，需要一個高性能的分析解決方案，以及一個可以集成邊緣基礎(chǔ)設(shè)施和中央數(shù)據(jù)倉庫基礎(chǔ)設(shè)施的解決方案。正確的數(shù)據(jù)庫能構(gòu)建一個由集中式系統(tǒng)和邊緣組成的網(wǎng)格，平臺充當(dāng)導(dǎo)管，幫助將數(shù)據(jù)引導(dǎo)到需要去的地方。

隨著物聯(lián)網(wǎng)世界的不斷擴(kuò)展，以及組織開始將更多的AI和ML集成邊緣，以自動優(yōu)化實時數(shù)據(jù)分析，以獲得更好、更快的結(jié)果，邊緣分析將變得更加重要，以避免需要集中處理和分析的數(shù)據(jù)泛濫。可以說，更好的數(shù)據(jù)分析的關(guān)鍵是生活在邊緣。