Життя на межі: 5 основних переваг крайової аналітики

Крайова аналітика - або аналіз даних ближче до того, де вони зібрані - є відносно новою ідеєю в аналітиці даних, і, принаймні, поки що ми найчастіше чули про неї, про яку йдеться у взаємодії з IoT. Зрештою, у світі з датчиками скрізь та дедалі більшим обсягом даних, що надходять, крайова аналітика пропонує спосіб отримати значення з даних способом швидшим, простішим та, у багатьох випадках, більш практичним. Але хоча крайова аналітика забезпечила технологію використання IoT, її обіцянка фактично поширюється за межі IoT до краю більш традиційної екосистеми даних. Тут ми розглянемо переваги обробки даних на краю перед їх зберіганням та застосуванням більш традиційної аналітики, і чому багато організацій починають шукати можливість вибору між цими двома варіантами, щоб відповідати їх потребам.

Деякі дані не варто економити

У перші дні великих даних організації займалися збором даних. Тоді колективна мудрість полягала в тому, що збирати дані - це добре, навіть якщо її неможливо проаналізувати повністю. Проблема полягає в тому, що в міру вдосконалення збору даних обсяги даних почали вибухати. Згідно з доповіддю, опублікованим дослідницькою організацією SINTEF у 2013 році, за попередні два роки було зібрано 90% усіх даних у світі. За даними IDC, до 2020 року для кожної людини на планеті буде створено 1, 7 мегабайт нової інформації. Це становитиме близько 44 зеттабайт даних.

З накопиченням даних питання стало очевидним: що ми насправді будемо робити з усією цією інформацією? На жаль, іноді відповідь становить дуже мало. Дослідження, яке було опубліковано у 2015 році Pricewaterhouse Coopers та Iron Mountain, виявило, що 43% опитаних компаній отримували "незначну відчутну вигоду" від отриманих ними даних. Ще 23% виявили, що вони не отримують ніякої користі. Що організації все частіше вчаться, це те, що хоча збір даних має великі переваги, не всі дані корисні, і не всі дані варто зберігати, особливо коли це надходить із безлічі датчиків, які ми називаємо "IoT".