灵活的数据分析服务和边缘计算

只有从小型数据分析项目入手、后期逐步推广，才能充分彰显基于云的数据解决方案的优势，因为这样一来，技术运用正确与否的风险就全部由云供应商承担。对工业企业而言，如果数据分析变成一种订阅服务，那一切就会变得更加简单。

对数据分析服务提供商而言，云服务有成百上千种，哪种将会统领市场这一问题仍没有定论。但云服务的特殊之处在于其初期投资很低，只需构建几项内部能力即可。试点成本和概念验证的成本也降到了最低。云服务还有另一优势，那就是如果某项技术的实际运用效果不佳，可以随时终止。如此一来，现有的云供应商就有机会参与到企业开展的小规模、低风险试点项目中来。

同时，云分析也存在一些问题，因而不适用于某些情境。一家大型跨国工业企业的海量数据并不是每次都能轻易地打包并发送至数据云，以提取洞见，因为从各处收集而来的用于远程分析的机器数据通常都太过庞大，不是一种有效的实时决策工具。

譬如说，不同地点上百台机器的震动或温度数据的传输需要时间，而要获得低延迟可行洞察，要求极高的数据传输速度。又或者利用率99.9%的云分析平台成本太高，企业无法负担。

幸运的是，不是所有的企业数据都要上传至中央处理器，如同云计算以及企业融合运营数据网和信息数据网时的做法一样。解决方案是在数据生成设备附近部署更多的分析中心——这一相对较新的概念就是“边缘计算”，意味着数据处理不再总是发生在后台。恰恰相反，企业内会形成一个分布式数据分析格局，这样一来就不会出现要处理的数据过多，而分析中心不够用的情况（见图5.6）。

图5.6　边缘分析⁽¹⁰⁾

边缘计算的低传输延迟使其能够做到更加准确和及时。数据分析、软件智能和自动决策均交由小型处理器负责，该处理器能够自主进行机器管理，并且与其他类似设备保持协调一致，共同组成一个数据岛网络。

有了边缘计算，旧系统仍然能够物尽其用，自主运行，迅速高效地为决策者提供信息。制造商可以对数据智能进行灵活部署，哪里最需要就部署在哪里：现场网络、边缘设备当中或者是更广的企业范围内。

另外，边缘技术还能满足许多客户的愿望，将行业数据限制在企业内部，因为客户担心交由第三方云服务供应商进行分析会泄露敏感数据。

在这一方面，数据保密和安全监管也发挥了重要作用。各国制订了不同规则，规定了在哪些情况下数据可以进行跨国或跨企业传输。

虽然边缘分析解决方案已经成为大势所趋，但企业还是应当努力实现跨部门数据流动，避免出现谷仓模式。但不可否认，边缘计算这一概念绝对是最有希望获取智能数据洞察的方法之一。