公司應(yīng)該在何處分析自己的物聯(lián)網(wǎng)（IoT）數(shù)據(jù)，而AnalyticOps又是什么?

當(dāng)構(gòu)建一個(gè)物聯(lián)網(wǎng)項(xiàng)目時(shí)，CIO和業(yè)務(wù)都會(huì)思考一個(gè)問題：應(yīng)該在哪里進(jìn)行數(shù)據(jù)分析，在邊界還是在云中？

在邊界分析數(shù)據(jù)，給予公司速度優(yōu)勢。不是將每個(gè)ping或一批ping發(fā)送到云，在設(shè)備上收集和分析數(shù)據(jù)點(diǎn)。但并不是所有的物聯(lián)網(wǎng)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(nèi)蒂克，馬薩諸塞州的數(shù)學(xué)計(jì)算軟件公司，MathWorks的高級(jí)工程師。最近，在劍橋，馬薩諸塞州舉辦的Predictive Applications and APIs會(huì)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(shù)據(jù)分析？在哪里運(yùn)行分析？有什么與之相關(guān)的時(shí)間延遲？當(dāng)事件發(fā)生時(shí)，我是否需要立馬響應(yīng)？還是只要一天一次了解下情況？”

有些對(duì)溫度敏感的運(yùn)輸，在某些情況下，是對(duì)時(shí)間敏感，比如，藥品?，F(xiàn)在，溫度是使用沒有聯(lián)網(wǎng)的設(shè)備進(jìn)行測量的， Krenar Komoni說，他是供應(yīng)鏈物聯(lián)網(wǎng)初創(chuàng)企業(yè)Tive的CEO。只有當(dāng)貨物抵達(dá)配送中心時(shí)，才能知道偏差或“溫度變化”。

Tive的物聯(lián)網(wǎng)設(shè)備，是一個(gè)聯(lián)網(wǎng)設(shè)備，可以提供運(yùn)輸條件的近乎實(shí)時(shí)的情況。“當(dāng)藥品制造商能夠獲得實(shí)時(shí)數(shù)據(jù)，溫度發(fā)生變化時(shí)，他們就能知道，” Komoni說。“他們可以重新訂購藥品，病人就能按時(shí)獲得它。”

Tive的物聯(lián)網(wǎng)設(shè)備小到可以裝進(jìn)你的手掌。但由于它的大小，并且使用電池供電，它無法進(jìn)行數(shù)據(jù)分析。聯(lián)網(wǎng)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(jí)企業(yè)架構(gòu)師。

“在這么小的設(shè)備內(nèi)，只能構(gòu)建這么多的計(jì)算能力，”他說，這是經(jīng)驗(yàn)之談。“只能做到這么多。”

在這兩個(gè)例子中，物聯(lián)網(wǎng)設(shè)備產(chǎn)生的數(shù)據(jù)都很簡單，對(duì)設(shè)備執(zhí)行分析，既是不可行的，也不是必要的。但當(dāng)設(shè)備既復(fù)雜又龐大時(shí)，比如聯(lián)網(wǎng)汽車——數(shù)據(jù)處理和分析戰(zhàn)略又該是什么呢？其中一個(gè)與會(huì)者想知道：除了選擇云或邊界分析，物聯(lián)網(wǎng)數(shù)據(jù)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(dāng)然。”他建議使用一個(gè)架構(gòu)，對(duì)于數(shù)據(jù)何地，何時(shí)，如何處理進(jìn)行優(yōu)先排序，這樣任務(wù)關(guān)鍵型數(shù)據(jù)可以在邊界進(jìn)行分析，非關(guān)鍵數(shù)據(jù)可以推送到云。

MathWork的Narasimhamurthy表示同意，認(rèn)為聯(lián)網(wǎng)汽車本身做出的決策應(yīng)該在本地處理；與全球環(huán)境有關(guān)的數(shù)據(jù)，應(yīng)該在云中處理。 “這和網(wǎng)絡(luò)彈性有關(guān)，”他說。“即使沒有云，汽車也應(yīng)該能夠依靠本身，完全工作。”

DevOps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(shí)考慮AnalyticOps職能，用于平衡數(shù)據(jù)科學(xué)家和業(yè)務(wù)部門。

“這些人員可以組織設(shè)計(jì)分析，然后輸入到業(yè)務(wù)應(yīng)用中，確保它的運(yùn)行，” Bailey說。

AnalyticOps職能可以維護(hù)分析，用于尋找數(shù)據(jù)中有意義的模式。分析模型通常是由數(shù)據(jù)科學(xué)家構(gòu)建的，但他們并不一定進(jìn)行維護(hù)。如果數(shù)據(jù)更改或模型需要更新，AnalyticOps功能可以確保及時(shí)完成，他說。

將AnalyticOps引入分析工作流“是一個(gè)企業(yè)變革；而不是一個(gè)技術(shù)改變，” Bailey說。

“我經(jīng)常談?wù)摰奈锫?lián)網(wǎng)問題之一，是數(shù)據(jù)的來源。它來自世界各地，這來自眾包，這來自其他設(shè)備。我怎么知道信息是合法的？這是企業(yè)面對(duì)的巨大挑戰(zhàn)，因?yàn)槟阒皬膩頉]有以這樣的規(guī)模處理過數(shù)據(jù)。”——Collaborative Consulting 的Ed Featherston。

“就像80年代和90年代的計(jì)算機(jī)科學(xué)，從技術(shù)角度來看，數(shù)據(jù)科學(xué)是相當(dāng)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(xiàn)狀：我們?nèi)绾畏治霾糠中畔?？我們?nèi)绾螐默F(xiàn)有的數(shù)據(jù)中獲得盡可能多的信息？”——數(shù)據(jù)庫開源項(xiàng)目BayesDB CEO Richard Tibbetts