콘텐츠
- 저장할 가치가없는 일부 데이터
- 민첩성
- 버그 없음, 스트레스 없음-인생을 파괴하지 않고 인생을 바꾸는 소프트웨어를 만드는 단계별 가이드
- 데이터 저장 비용이 많이 든다
- 데이터가 더욱 분산되고 있습니다
- 적은 데이터 (및 복잡성)가 더 많을 수 있음
테이크 아웃 :
엣지 분석은 IoT를보다 스마트하고 더 나은 방법으로 활용하는 기술을 제공했지만 실제로는 IoT를 넘어 기존의 데이터 에코 시스템의 가장자리까지 확대되었습니다.
에지 분석 (또는 수집 된 위치에 더 가까운 데이터 분석)은 데이터 분석에서 비교적 새로운 아이디어이며, 적어도 지금까지 IoT와 관련하여 언급 된 것을 들었습니다. 결국, 모든 곳에서 센서를 사용하고 점점 더 많은 데이터가 유입되는 세상에서 엣지 분석은 더 빠르고 간단하며 많은 경우에보다 실용적인 방식으로 데이터에서 가치를 도출 할 수있는 방법을 제공합니다. 그러나 엣지 분석은 IoT를 활용하는 기술을 제공했지만 실제로는 IoT를 넘어 전통적인 데이터 에코 시스템의 가장자리까지 확대되었습니다. 여기에서는 데이터를 저장하고보다 전통적인 분석을 적용하는 것보다 에지에서 데이터를 처리 할 때의 이점과 많은 조직이 왜 두 가지 옵션 중에서 자신의 요구에 맞게 선택할 수있는 능력을 찾기 시작하는지에 대해 살펴 봅니다.
저장할 가치가없는 일부 데이터
빅 데이터 초기에 조직은 모두 데이터 수집에 관한 것이 었습니다. 당시의 총체적인 지혜는 데이터를 완벽하게 분석 할 수 없었더라도 데이터 수집이 좋은 일이라는 것이 었습니다. 문제는 데이터 수집이 향상됨에 따라 데이터 볼륨이 폭발하기 시작했다는 것입니다. 2013 년 연구 기관인 SINTEF가 발표 한 보고서에 따르면 전 세계 데이터의 90 %가 지난 2 년 동안 생성 된 것으로 나타났습니다. IDC에 따르면 2020 년까지 지구상의 모든 사람에 대해 초당 1.7MB의 새로운 정보가 생성 될 것입니다. 이는 약 44 제타 바이트의 데이터에 해당합니다.
데이터가 쌓이면서 문제는 분명해졌습니다. 이 모든 정보를 사용합니까? 불행히도 때로는 대답이 거의 없습니다. Pricewaterhouse Coopers와 Iron Mountain이 2015 년에 발표 한 연구에 따르면 조사 대상 기업의 43 %가 수집 한 데이터를 통해 "실질적인 혜택"을 얻지 못했습니다. 23 %가 "어떤 혜택도 얻지 못함"을 도출했습니다. 조직이 점점 더 많이 배우고있는 것은 데이터 수집에 큰 이점이 있지만 모든 데이터가 유용한 것은 아니며 모든 데이터를 유지할 가치가있는 것은 아니며, 특히 우리가 "IoT"라고 부르는 무수한 센서에서 흘러 나올 때 모든 데이터를 보존 할 가치가 없다는 것입니다.
Dell Statistica의 글로벌 마케팅 및 채널 담당 이사 인 Shawn Rogers는 "IoT에서 제공되는 많은 데이터가 원자 수준으로 유지해야하는 데이터 일 필요는 없습니다"라고 말했습니다.
"이러한 방대한 양의 모든 정보에서 더 많은 데이터를 유지하고, 더 많은 데이터를 분석하고, 더 풍부하고 심층적 인 통찰력을 얻는 기능을 모두 즐기고 있다고 생각합니다. 즉, 그렇게 할 수 있다고해서 반드시 그렇게해야하는 것은 아닙니다."
에지 분석을 통해 조직은 데이터가 실제로 발생하는 위치에 더 가깝게 데이터를 분석 할 수 있으므로 데이터를 보내기 전에 의사 결정을 내릴 수 있습니다. 결과적으로 많은 양의 데이터를 저장하고 통합 할 필요성을 줄일 수 있습니다. 데이터 생성 및 수집이 계속 확장됨에 따라 이는 확실히 좋은 일입니다.
민첩성
데이터를 소스에 더 가깝게 분석하는 또 다른 이점은 민첩성입니다. 경우에 따라 데이터가 실시간으로 훨씬 유용합니다. IoT 센서에서 흐르는 데이터의 경우 특히 그렇습니다. 많은 다른 예 중에서도 공장 센서, 의료 기기, 거래 및 사기 탐지 응용 프로그램 및 시스템 모니터링은 모두 빠르고 응답 성이 높은 방식으로 해결해야하는 데이터를 제공합니다. 소위 "스트림 처리"는 데이터를 빠르고 지속적으로 처리해야하는 응용 프로그램에서 중요합니다. 비즈니스 속도가 빨라짐에 따라이 기능은 많은 산업에서 더 필요합니다.
로저스는 "분석 소비자로서 장기적으로 투자 할 데이터와 가치를 창출 할 데이터, 저장 가치가있는 데이터, 저장 가치가없는 데이터에 대한 전략적 결정을 내릴 수 있기를 원한다"고 말했다. .
버그 없음, 스트레스 없음-인생을 파괴하지 않고 인생을 바꾸는 소프트웨어를 만드는 단계별 가이드
아무도 소프트웨어 품질에 신경 쓰지 않으면 프로그래밍 기술을 향상시킬 수 없습니다.
"데이터를 분석으로 이동하는 대신 분석을 데이터로 이동하는 것이 중요하다고 생각합니다. 분석이 더 분산됨에 따라 대부분의 고객이 필요로하는 요구라고 생각합니다."
데이터 저장 비용이 많이 든다
빅 데이터 스토리지 초기에는 많은 조직이 언젠가 유용 할 것이라는 아이디어로 많은 데이터를 수집했습니다. 문제는 데이터 수집 및 저장 비용이 해당 데이터에서 파생 된 값으로 완화되지 않는 비용이 든다는 것입니다.
"지난 10 년 동안 우리가 본 사람들은 하둡 클러스터를 세워 데이터를 저장하고 언젠가는 유용 할 것이라고 생각하는 사람들이었습니다. 그런 다음 일부 하둡 기술의 이점을 이용하여 데이터를 수집하는 데 여전히 많은 비용이 든다는 것을 금방 알아 냈습니다 로저스는 말했다.
Edge 분석은 조직이 데이터에보다 신속하게 응답 할 수있을뿐만 아니라 데이터 수집 및 분석에 대해 더 나은 프로세스를 만들 수있는 방법을 제공합니다. 또한 에지 분석을 통해 조직은 장기적이고 심층적 인 분석을 위해 유지할 데이터를 선택할 수 있습니다. 이를 통해 데이터를보다 쉽고 저렴하게 관리 할 수 있습니다.
데이터가 더욱 분산되고 있습니다
데이터를 한 곳에 보관하는 시대는 이미 끝났을 것입니다. 따라서 IoT 센서와 같이 데이터가 발생하는 다양한 영역뿐만 아니라 다른 플랫폼에서 분석을 배포, 관리 및 최적화해야합니다.
"하둡 클라우드 또는 분석 어플라이언스와 같은 다른 플랫폼에 데이터를 배포하려는 경우 분석 기능을 데이터로 옮길 수있는 유연성이 필요합니다. 엣지 분석은 IoT의 엣지만을위한 것이 아닙니다. 더 전통적인 데이터 에코 시스템의 우위”라고 Rogers는 말했다.
적은 데이터 (및 복잡성)가 더 많을 수 있음
최근까지 빅 데이터 수집, 저장 및 분석에 대한 대화는 소스 시스템에서 데이터를 수집하여 데이터웨어 하우스로 유도하는 것이 었습니다. 그러나 데이터웨어 하우스는 분석의 스트레스에 부응하는 능력이 점점 더 낮아질뿐만 아니라, 분석을 위해 광범위한 네트워크를 통해 데이터를 전송해야하기 때문에 복잡성과 보안에 문제가 있습니다.
"우리가 사용하기 위해 지점 A에서 지점 B로 데이터를 이동하는 모든 작업에는 많은 복잡성이 있습니다. Edge 분석을 통해 데이터를 분석 할 장소로 이동할 것인지 또는 분석 할 장소로 이동할 것인지에 대한 결정을 내릴 수 있습니다. 로저스는 "데이터가있는 곳에 분석을 적용하고 싶다면"라고 말했다.
다시 말해, 엣지 분석은 데이터 사용 방식 측면에서 더 많은 옵션을 제공하며보다 심층적 인 데이터 분석에 가장 적합한 리소스를 보존하는 데 도움이됩니다.
"가장자리 분석은 데이터 관리의 세계와 한 장소에서 다른 장소로 데이터를 이동하는 방법에 영향을 미칩니다. 또 다른 방법은 고객이 가장 적합한 플랫폼을 선택하고 고객에게 속도에 대한 답변을 제공 할 수있는 기회를 제공하는 것입니다. 사업."