Isang gabay sa paggamit ng mga bi apps na may gilid na computing

Lahat ng pinag-uusapan ng gilid ng computing sa mga araw na ito ngunit kakaunti ang nakakaintindi kung ano ito, mas kaunti kung ano ang gagawin dito. Sa kumpleto, ang computing sa gilid ay nangangahulugan na ang pagproseso malapit sa mapagkukunan ng data, alinman sa sensor o malapit sa gateway. Kung nais mong malaman kung paano pinakamahusay na mapamamahalaan ng IT ang gilid ng computing bilang isang kahalili, pagkatapos suriin ang "Kailangan ng IT na Simulan ang Pag-iisip Tungkol sa 5G at Edge Cloud Computing, " isang haligi ni Wayne Rash, ang aking kasamahan at taga-ambag ng PCMag IT Watch. Ngunit para sa mga layunin ng artikulong ito, maaari tayong magsimula sa isang paliwanag mula sa firm market market IDC, na tumutukoy sa gilid ng computing bilang isang "mesh network ng mga micro data center" na mayroong "isang bakas ng paa na mas mababa sa 100 square feet."

Tulad ng karamihan sa mga bagong termino sa puwang ng teknolohiya, ang "edge computing" ay malawak na ginagamit at naka-link sa iba't ibang iba pang mga teknolohiya ng buzzword, kabilang ang blockchain, mga network ng paghahatid ng nilalaman (CDN), grid computing, mesh computing, at peer-to- peuter computing. Ang karaniwang gawain, alinman sa teknolohiyang ipinagpapatuloy kasabay ng pag-computing ng gilid, ay upang mapabilis ang anumang pagsusuri ng data at mga kaugnay na pagkilos sa pamamagitan ng pag-iwas sa distansya sa pagitan ng kung saan ang proseso ng data at kung saan ang katapusan ng resulta ng output na ito ay magkakaroon ng epekto.

Pagdating sa pag-on ng iyong mga pananaw na pang-agham na negosyo (BI) na pananaw sa mga maaaring kumilos na pananaw, mahalagang pagsasaalang-alang ito. Ngunit kahit na ang BI (lalo na ang pag-analisa ng low-latency) at ang computing sa gilid ay tila isang tugma na ginawa sa tech langit, maraming dapat isaalang-alang bago pagsamahin ang dalawa.

Ang Analytics sa Edge kumpara sa Streaming Analytics

Ang kahalagahan ng pag-compute ng edge sa analytics ay malinaw sa sandaling napagtanto mo na walang ibang praktikal na paraan upang mailipat ang isang patuloy na tsunami ng Internet of Things (IoT) na data sa ulap nang hindi lumilikha ng hindi maipaliwanag na latency at isang sakong ng isang trapiko sa network. Ang isyu ng latency ay maaaring patunayan ang namamatay sa maraming mga umuusbong na aplikasyon ng analytics, tulad ng awtonomikong pagmamaneho. Dadalhin ka ng data ng overflow mula sa broadband hanggang sa bottleneck nang mas kaunting oras kaysa sa sasabihin na "I-stream ito, Scotty."

Oo, ang streaming analytics ay nai-touted lamang ng ilang taon na ang nakakaraan bilang isang panacea na sensitibo sa latency para sa pagkuha ng isang real-time na nabasa sa IoT data. Ngunit, habang ang streaming analytics ay mayroon pa ring maraming upsides, hindi ito nagawang baguhin ang pisika. Ang mga malaking paglilipat ng data ay pinabagal ng maraming mga hops ng router, pagkaantala ng packet ng virtualization, bumagsak na mga koneksyon, at iba pang mga pisikal na hadlang sa isang network. Sa kaso ng IoT sa mga liblib na lugar, ang pagkuha ng isang koneksyon sa network sa lahat ay isang makapangyarihang panukala sa iffy sa anumang naibigay na araw.

Hindi ito nakakatulong sa mga bagay na ang lahat ng mga problemang ito ay pinalaki ng pisikal na distansya sa pagitan ng data at mga proseso ng computing. Para sa mga kadahilanang ito at iba pa, ang streaming analytics ay may posibilidad na maging sa "malapit-real-time" sa halip na tunay na oras. Ang pagkaantala na iyon - kahit gaano man kalaki-ay isang malaking problema kung, sabihin, kailangan mo ng mga output sa oras para sa isang awtonomous na kotse na mag-preno at maiwasan ang isang pagbangga. Ito ay isang mas malaking problema kung nais mo ang lahat ng mga kotse sa daang iyon na agad na mag-preno.

Sa madaling sabi, ang Star Trek at mga real-life data transporters ay may mga limitasyon at walang anuman ang maaaring gawin ng anumang Scotty sa IT tungkol dito. Mayroong sobrang sobrang data ng IoT para sa mga kasalukuyang network na pangasiwaan at ang dami ay lumalaki pa rin sa isang nakamamanghang rate. Ang malaking paglalakbay dito: Ang edge computing ay sumasabay sa pagtaas ng impormasyon sa network at nagbibigay ng mas mabilis na mga output ng analytics.

Edge Cloud kumpara sa Cloud

Dahil ang mga micro data center ay maaaring maging, at madalas ay, sumali sa pakikipagtulungan, komunikasyon, o magkakaibang pag-andar, gusto ng ilang mga tao na gamitin ang term na "cloud cloud."

Halimbawa, ang mga modernong sasakyan ay may daan-daang mga naka-embed na computer na idinisenyo para sa pamamahala ng mga indibidwal na sistema ngunit nakakonekta din sa bawat isa upang ang mga system ay maaaring makipag-usap sa isa't isa at maangkop kung kinakailangan. Sa madaling salita, sila ay isa-isa, sama-sama, at mabibigat na gumamit ng computing sa gilid upang makumpleto ang iba't ibang mga kumplikadong pag-andar.

"Hindi lamang sila tumugon sa mga sinusunod na kundisyon ngunit natututo at umaangkop sa paglipas ng panahon, " sabi ni Johnathan Vee Cree, PhD., Embedded at Wireless Systems Scientist / Engineer sa US Department of Energy's Pacific Northwest National Laboratory (PNNL). "Halimbawa, ang mga modernong sistema ng iniksyon ng gasolina ay makikita ang mga pattern ng pagmamaneho ng kotse upang ma-optimize para sa lakas at kahusayan ng gasolina. Ang real-time na kalikasan ng data na ito ay gagawing imposible upang maproseso kahit saan maliban sa gilid."

Kahit na sa inter-dependance ng on-system na onboard, ang terminong "edge cloud" ay may kaugaliang mapang-unawa pa dahil hindi ito tama.

"Kung pinag-uusapan ang mga aparato ng IoT, ang mga pagsasaalang-alang ay halos kabaligtaran ng ulap, " sabi ni Vee Cree. "Ang mga aparato ng IoT ay karaniwang may limitadong lakas ng imbakan at pagproseso, potensyal na magkakaugnay na pagkonekta sa labas ng mundo, at maaaring pinalakas ng isang baterya. Ang pangunahing halaga sa mga aparatong ito ay ang kanilang kakayahang ibahin ang mga halaga ng raw sensor na magagamit sa kanila sa makabuluhang data."

Ang graphic na Edge Computing Device sa itaas ay nai-print muli na may pahintulot mula sa TECHnalysis Research.

Gayunpaman, ang gilid ng computing at cloud computing ay hindi magkatulad na eksklusibo. Sa katunayan, sila ay magkakaugnay sa pinakamatagumpay na mga diskarte sa data ng IoT. Iyon ay malamang na hindi magbabago anumang oras sa lalong madaling panahon.

"Ang isang halimbawa ng kumbinasyon ng gilid at cloud computing ay nagmula sa mga tampok na autopilot ni Tesla. Ang sistemang autopilot ay dapat magkaroon ng kahulugan at reaksyon sa patuloy na pagbabago ng mga kondisyon sa pagmamaneho. Ginagawa ito sa pamamagitan ng paggamit ng mga algorithm ng pagkatuto ng machine na nakakakita at maiwasan ang mga panganib habang Kinokontrol ang kotse. Habang ang data na ito ay ginagamit upang gumawa ng mga pagpapasya sa real time, ibinahagi din ito sa ulap at ginamit upang mapabuti ang tampok na autopilot para sa lahat ng mga driver, "paliwanag ni William Moeglein, isang Software Engineer sa PNNL.

Ang gilid at pag-play ng ulap combo ay pangkaraniwan dahil gumagana ito; Pinakikinabangan nito ang pinakamahusay sa parehong mundo ngunit hindi ito ang tanging laro sa bayan. Sa katunayan, 36 porsyento ng mga gilid analytics ay matatagpuan sa sentro ng data ng korporasyon, 34 porsyento sa gilid, at 29 porsyento sa ulap, ayon sa "Computing on the Edge: Survey Highlight, " isang ulat ni Bob O'Donnell, Pangulo at Chief Analyst sa TECHnalysis Research. Nangangahulugan ito na may mga pagpipilian sa kung paano ipinatupad ang mga gilid ng analytics. Ang pagpili ay nakasalalay sa kung ano ang sinusubukan mong gawin at ang mga kundisyon kung saan sinusubukan mong tuparin ang layuning iyon.

"Ang tradeoff sa pagitan ng lakas ng computing at paggamit ng enerhiya ay maaaring isang limitasyon na kadahilanan kapag ang mga aparato ay pinapatakbo mula sa isang baterya. Sa mga kaso kung saan mahalaga ang pagkonsumo ng kuryente, ang mga pagpapasya ay maaaring gawin batay sa maliit na mga halimbawa ng data sa kabila ng pagkakaroon ng pag-access sa patuloy na pagbabasa ng sensor, " sinabi PNNL's Moeglein.

"Ang pag-compute ng edge ay nagbibigay-daan sa feedback para sa mga aparato sa larangan kung saan hindi ginagarantiyahan ang mga komunikasyon, ay isang paraan, o limitado, " pagpapatuloy ni Moeglein. "Sa mga kaso kung saan ang mga system ay inaasahan na gumana nang maraming taon o dekada sa mga baterya, ang gilid ng computing ay maaaring magamit upang magbigay ng mas mahaba na aparato ng aparato sa pamamagitan ng pagbabawas ng data na ipinadala."

Fog computing graphic sa itaas nai-print muli na may pahintulot mula sa Cisco Systems, Inc.

De-Fogging ang Edge Cloud

Pag-aautomat upang mapamahalaan at ma-optimize kung saan at kung paano isinasagawa sa lalong madaling panahon ang analytics, kaya humahantong sa konsepto ng "fog computing, " isang term na pinagsama ng IT at networking vendor na Cisco Systems. Sa diskarte na ito, tulad ng ipinaliwanag ng Cisco sa isang puting papel, "ang mga developer ay alinman sa port o isulat ang mga aplikasyon ng IoT para sa mga fog node sa gilid ng network. Ang mga fog node na pinakamalapit sa gilid ng network ay sumasaliksik sa data mula sa mga aparato ng IoT. Pagkatapos-at ito ay mahalaga- ang fog IoT application ay nagdirekta ng iba't ibang uri ng data sa pinakamainam na lugar para sa pagsusuri. " Tulad ng inilalarawan sa graphic sa itaas, sa view ng Cisco, ang computing ng fog ay nagpapalawak ng ulap na malapit sa aktwal na mga aparato na ginagawa ang koleksyon ng data. Sa pamamagitan ng paglalagay ng fog node sa malapit sa mga aparato ng IoT, naglalayong ang Cisco na mapabilis ang analytics habang binabawasan ang latency.

Sinasabi ng ilan na mas madaling isipin ito habang ang cloud computing ay itinulak sa gilid - na-decentralisado, sa madaling salita - kumpara sa gilid ng computing na computing sa gilid ng network, madalas na sa isang IoT aparato. Isang napaka-nakakaaliw na pagkakaiba, upang maging sigurado.

Kadalasan ang mga tao ay gumagamit ng "edge computing" at "fog computing" nang palitan ng parehong mga konsepto ay magkatulad. Ang kakayahan ng computing ng fog na pag-uri-uriin at data ng ruta sa iba't ibang mga lokasyon para sa pagsusuri na nagtatakda nito. Iyon, at ang compog ng fog ay madalas na "malapit sa gilid" (ibig sabihin, isang gateway) sa halip na tunay na sa gilid tulad ng sa isang IoT aparato.

Sa madaling sabi, walang pagsang-ayon sa kung ano, tiyak, gilid ng computing, ngunit maraming mga tao na nagsasabi na fogging up ang isyu ay hindi makakatulong sa anumang. Ayon sa nabanggit na ulat ng TECHnalysis Research, "mas maraming mga tao ang nag-iisip na ang gilid ng computing ay gawa sa mga endpoints (29.8 porsyento) kaysa sa mga gateway (13.2 porsiyento), ngunit 44 porsyento ang nag-iisip na pareho."

Sa anumang kaso, "ang application ng end-use sa huli ay nagtutulak ng system na kailangan at naglalayong makahanap ng balanse sa pagitan ng mga benepisyo ng pagproseso sa gilid o ulap, " sabi ng Vee Cree ng PNNL.

May isang patakaran lamang ng hinlalaki dito: Kung kailangan mo ng isang desisyon sa malapit- o real-time, pagkatapos gawin ang pagproseso nang malapit sa mapagkukunan ng data hangga't maaari. Ang edge computing ay ang pagpipilian upang maalis ang latency, mas mababa ang paggasta ng enerhiya, at bawasan ang trapiko sa network.

Mga API, Apps, at Ecosystem

Sa pangkalahatan, ang mga app na ginamit kasabay ng mga gilid ng computing ay naglalayong makamit ang bilis at kahusayan. Dito mas malamang na makahanap ka ng mga nakapag-iisang apps sa negosyo (BI), ngunit sa halip, naka-embed na mga pag-andar ng BI at, siyempre, mga interface ng application programming (APIs) upang sumali sa data ng IoT sa umiiral na mga aplikasyon ng BI at mga frameworks sa cloud.

"Ang konsepto ng gilid ng computing ay tumutulong sa mga kumpanya na yakapin ang mga pakinabang ng cloud computing kahit na sa mga sitwasyon kung saan ang mga latency at koneksyon ay mga isyu. Ang ilang mga aplikasyon ay nakikitungo sa isang sukat ng data o isang kinakailangan sa bilis na nagbabawal sa pag-ikot ng pagpunta sa ulap at, sa mga naturang kaso, ang Tableau ang mga analytics na naka-embed sa lokal na aplikasyon ay nagbibigay ng mga pananaw nang mabilis, "sabi ni Mark Jewett, Bise Presidente ng Product Marketing sa Tableau Software.

"Sa iba pang mga kaso, ang pag-computing ng gilid ay nag-aalok ng isang paraan upang makitungo sa mga sitwasyon kung saan ang koneksyon ay hindi maaasahan o mahal o pana-panahon. Mga halimbawa tulad ng mga bagay na lumilipat, tulad ng mga barko, mga bagay na nalalayo, tulad ng mga platform ng langis o mga minahan, o kahit na mga sitwasyon kung saan ang koneksyon ay mabuti ngunit hindi nagkakahalaga ng pagkuha ng isang panganib sa mga pagkagambala, tulad ng mga sistema ng pagmamanupaktura ng halaman kung saan ang downtime ay napakamahal. Ang mga analista at iba pang mga gumagamit sa larangan, na maaaring hindi magkaroon ng access sa isang buong workstation, nais pa rin ng parehong kapangyarihan ng analytics nila nalalaman. "

Hindi lamang ang Tableau ang nagtitinda ng BI o may data sa gilid. Tinuro ng Microsoft si Schneider Electric, isa sa mga customer nito bilang pag-aaral sa kaso. Ang Schneider Electric ay may isang app sa gilid na gumagawa ng mahuhusay na pagpapanatili sa isang langis ng langis, gamit ang Azure Machine Learning at Azure IoT Edge upang mapabuti ang kaligtasan at mabawasan ang mga insidente sa mga liblib na lugar, sinabi ng isang tagapagsalita ng Microsoft. Ang pagproseso ng data ay ginagawa sa aparato. Nagagawa ito sa pamamagitan ng pagdadala ng intelligence intelligence - mga modelo ng ML na sinanay nila sa cloud - sa aparato mismo sa gilid. Pinapayagan nito ang mas mabilis na pagtuklas ng mga anomalya batay sa malaking hanay ng data ng pagsasanay.

Samantala, ang IBM Watson ay nag-uulat ng napakaraming mga kaso ng paggamit, kabilang ang mga ambient at aparato ng boses at pag-uusap ng pag-uusap, drone imahe at analytics ng video, at pagpapanatili at kaligtasan ng tunog na analytics.

"Sa lahat ng mga kasong ito, ang pag-analisar sa gilid ay nagpapagana ng pinahusay na pagganap, gastos, at privacy sa pamamagitan ng pagpapatakbo ng lokal sa mga aparato, " sabi ni Bret Greenstein, Bise Presidente ng IBM Watson IoT, Consumer Offer. "Ang pag-unlad ay kapana-panabik habang ang lakas ng computing sa gilid ay lumalaki, at ang ML ay mature at lumilikha ng mas dalubhasang mga kaso ng paggamit.

"Ang mga aparato ay maaaring 'maunawaan' kung ano ang kanilang nakikita at naririnig, at ginagamit ang pang-unawa na ito upang magbigay ng mas mahusay na serbisyo at gumawa ng mas mahusay na mga pagpipilian. Nangyayari ito sa totoong oras. At dahil ang aktwal na data ay maaaring ma-convert sa mga pananaw sa aparato sa gilid, maaaring hindi mo kailangang ipadala ang data sa ulap, na nagpapabuti sa gastos at tumutulong na paganahin ang mga bagong anyo ng proteksyon sa privacy. "

Ang pagdaragdag ng mga bagong layer ng proteksyon sa privacy ay potensyal na mapupunta sa pagbabawas ng mga pananagutan ng kumpanya habang kailangan pa ring umunlad ang mga kumpanya ng data.

Edge Computing Apps ng Mga Numero

Tandaan na ang gilid ng computing ay nasa pagkabata nito, hindi nakakagulat na ang isang smattering lamang ng mga gilid ng computing apps ay bago (39 porsyento), ayon sa Research ng TECHnalysis. Ang karamihan (61 porsyento) ay lumipat ng cloud app. Iyon ay sinabi, ang mga sumusunod ay ang mga nangungunang gilid ng computing apps:

Mga pagpapatakbo ng analytics (44 porsyento)

Pagmamanman ng proseso (35 porsyento)

Pagmamanman ng empleyado (32 porsyento)

Remote asset monitoring (28 porsyento)

Pagsunod sa lugar ng trabaho / kaligtasan (24 porsyento)

Pagpapanatili ng hula (22 porsyento)

Pagsubok sa pisikal na asset sa site (20 porsyento)

Ang nangungunang limang mga kadahilanan para sa paglipat ng mga ulap ng apps sa gilid, ayon sa parehong ulat ng TECHnalysis Research, ay upang mapabuti ang seguridad, mabawasan ang mga gastos, bawasan ang latency, pagbutihin ang lokal na kontrol, at bawasan ang trapiko sa network.

Sa pamamagitan ng lens ng BI, ang mga kahusayan at mga pagkakataon ay pinahusay na may computing sa gilid. Samakatuwid, makatuwiran na unang lumipat ng mga cloud app o mai-embed ang analytics sa umiiral na mga aplikasyon ng IoT na maaaring ilagay sa pinakamainam na posisyon ang pinakamabilis na posisyon. Halimbawa, sa halip na streaming at pagsusuri ng lahat ng data mula sa isang unit ng robotics sa sahig ng pabrika, maaari mong jettison ang flotsam, na kung saan ay ang tila walang katapusang halaga ng paulit-ulit na impormasyon na nilikha ng sensor.

Sa halip, ang gilid ng computing ay maaaring magamit upang mapansin at pag-aralan lamang ang "data ng pagbabago, " na nangangahulugang ang data na naiiba sa ilang paraan mula sa ibang data streaming mula sa parehong pinagmulan. Halimbawa, isipin ang isang windmill sa arctic na bilog na nag-uulat: "Ayos lang ako. Magaling ako. Magaling ako. Natigil si Blade sa loob ng dalawang segundo. Magaling ako. Ako ayos. Ako ay mabuti." Ang kaunti tungkol sa pagdidikit ng talim ay ang data ng pagbabago. Gayon din ang "wind shift, " na maaaring mag-trigger ng makina upang lumiko at magtipon ng mas maraming enerhiya. Ang pagbabago ng data ay ang mga puntos ng data na may pinakamahalagang kabuluhan dahil naalala nila ang isang pagbabago.

Sa ganitong mga kaso, ang mga app sa gilid ay gumagana lamang sa may-katuturang data; ang ilan ay tatawagin itong "matalinong data." Bakit pakuluan ang dagat kapag ang mga mahahalagang detalye ay maaaring madaling makita? Ginagawa ng mga data ng Smart data na magagamit ang data sa punto ng koleksyon at maaari ring magpasya kung aling data ang ipadala sa ulap para sa karagdagang pagsasama at pagsusuri sa tradisyunal na apps ng BI. Sa ganitong paraan, ang pagmimina ng data ay na-optimize para sa maximum na epekto ng negosyo.

4 Mga Tip para sa Iyong Diskarte sa BI at Edge Computing

Ito ay medyo madali upang tumalon sa board ng trend ng computing sa gilid at magpasya na magsimula sa paglilipat ng mga app mula sa ulap. Ngunit ang pagkilos sa pagkilos nang walang isang diskarte ay isang malubhang pagkakamali. Tandaan ang mga unang araw ng IoT kapag ang mga random na bagay tulad ng mga toasters ay mabilis na nakakonekta sa internet at pagkatapos ay buong kapurihan na ipinakita sa susunod na CES?

Kahit na ang matalinong data ay hindi makakatulong sa iyo kung ang iyong diskarte ay walang katuturan o nawawala. Kaya, narito ang apat na pagsasaalang-alang na dapat tandaan kapag bumubuo ng iyong diskarte sa BI at gilid.

1. Muling suriin ang iyong kasalukuyang pag-play ng IoT para sa karagdagang mga pagkakataon sa pagmimina ng data. Halimbawa, ang isang grocer o tagagawa ay maaaring gumamit ng data mula sa supply chain, tulad ng pagpapalamig at trucking sensor, upang maitatag o patunayan ang pinagmulan ng mga hilaw na materyales. Ang nasabing impormasyon na idinagdag sa isang pagpapanatili blockchain ay maaaring magamit sa marketing upang maakit ang mga consumer na may kamalayan sa kapaligiran.

Ang isang nagtitingi ay maaaring gumamit ng computer vision at edge computing sa tindahan nito upang i-scan ang mga mamimili upang ipakita ang isang representasyon ng 3D on-the-spot kung paano ang damit na tinitingnan ng mamimili ay talagang akma sa kanila. Maaari nitong mapagbuti ang mga benta pati na rin alisin ang pangangailangan para sa mga silid ng dressing at ang nauugnay na mga isyu sa seguridad at privacy. Ngunit ang data ay maaari ring ipadala sa ulap upang ihalo sa iba pang data ng consumer upang ipaalam ang mas malaking diskarte ng kumpanya.

Maghanap ng mga pagkakataon upang makakuha ng higit pa sa IoT na mayroon ka. Ano pa ang magagawa mo sa data na nabuo nito? Ano ang iba pang data na magagamit mo upang mangolekta at maproseso?

2. Magpasya kung aling mga apps ang kailangan mo sa gilid. Maaaring kailanganin mong lumipat ng isang app, mag-embed ng ilang analytics, o magsulat ng isang pasadyang app; lahat ay nakasalalay sa kung ano ang sinusubukan mong gawin. Hayaan ang iyong mga layunin sa negosyo ay gabayan ka sa pagpili ng mga app.

Ang isang magandang lugar upang malaman ang higit pa tungkol sa pagbuo ng mga app para sa gilid ay isang pagpupulong ng OpenDev, na inayos ng OpenStack Foundation. Ang OpenStack ay ang open-source cloud computing project, at nangyari lang na ang gilid ng computing ay isang mainit na paksa doon. Nangyayari din na ang bukas na mapagkukunan ay mainit sa gilid ng computing, dahil ito ay halos sa lahat ng computing. Maaari mo ring isaalang-alang ang mga app na inaalok ng mga vendor sa gilid ng computing at naka-embed na analytics na ibinigay ng mga vendor ng BI app.

3. Pumili ng bagong tech na nais mong gamitin. Maaari mong hilingin sa mga vendor na bigyan ka ng isang demo upang magkaroon ka ng pakiramdam para sa aling tech na nais mong gamitin, kung anong mga magagamit na apps, at ilang gabay sa pagbuo ng mga app para dito. Halimbawa, ang Amazon Web Service (AWS) at AWS Greengrass, Microsoft Azure IoT Edge, at ang Cisco at IBM Watson IoT ay nag-aalok ng isang timpla ng tech pati na rin ang analytics at app para sa IoT edge computing.

Maaari mo ring suriin ang isang malawak na iba't ibang mga blockchain, CDN, peer-to-peer, at iba pang mga purong play vendor. Ngunit huwag pansinin ang mga higanteng tech tulad ng Dell Inc., IBM Corp., at Hewlett Packard Enterprise (HPE), na kinuha ang lahat sa pagdaragdag ng karagdagang mga imbakan at kakayahan sa computing at analytics sa kanilang hardware upang mabago ang mga ito sa mga aparato sa gilid.

Magkaroon ng isang pakiramdam para sa iyong mga pagpipilian bago ka magsimulang seryosong suriin ang mga vendor. Gayundin, kumuha ng isang imbentaryo ng mga uri ng IoT tech na kasalukuyang ginagamit ng iyong kumpanya at ang mga uri na nais mong idagdag, bago ka magsimulang makipag-usap sa mga vendor. Sa ganoong paraan, mas malamang na manatili ka sa track.

4. Magplano para sa ebolusyon. Mayroong isang pattern sa landas patungo sa kapanahunan na sinusunod ng lahat ng hindi pa matanda na tech at mga uso. Asahan na ang parehong ebolusyon na mangyayari sa BI at sa gilid. Kaya, oo, malamang na magkakaroon ng pagsasama-sama ng mga nagtitinda ang ilang mga punto; tandaan mo yan

Hanapin din ang pagkabulok ng cloud tech mula sa tamang ulap upang magamit din nila sa gilid. Gusto mong makita ang tulad ng isang decoupling na magbibigay sa iyo ng maximum na kakayahang umangkop sa paggamit ng ulap o gilid. Ito ay malamang na magmaneho ng mga gastos at magmaneho ng mga kahusayan sa pamamagitan ng mas matalinong mga app mula sa isang magkakaibang ekosistema sa halip na mula sa isang nag-iisang nagtinda. Gawin ang iyong plano kapwa sa panandaliang at pangmatagalang upang matiyak na maaari kang umangkop sa napakahihintay na mga pagbabago nang walang malaking pagkawala sa mga nakaraang pamumuhunan.