公司应该在何处分析自己的物联网（IoT）数据，而AnalyticOps又是什么?

当构建一个物联网项目时，CIO和业务都会思考一个问题：应该在哪里进行数据分析，在边界还是在云中？

在边界分析数据，给予公司速度优势。不是将每个ping或一批ping发送到云，在设备上收集和分析数据点。但并不是所有的物联网用例都需要利用边界分析提供的速度优势。

Adarsh Narasimhamurthy，他是位于内蒂克，马萨诸塞州的数学计算软件公司，MathWorks的高级工程师。最近，在剑桥，马萨诸塞州举办的Predictive Applications and APIs会议的小组讨论上说，“这是客户需要考虑的挑战：我需要什么样的数据分析？在哪里运行分析？有什么与之相关的时间延迟？当事件发生时，我是否需要立马响应？还是只要一天一次了解下情况？”

有些对温度敏感的运输，在某些情况下，是对时间敏感，比如，药品。现在，温度是使用没有联网的设备进行测量的， Krenar Komoni说，他是供应链物联网初创企业Tive的CEO。只有当货物抵达配送中心时，才能知道偏差或“温度变化”。

Tive的物联网设备，是一个联网设备，可以提供运输条件的近乎实时的情况。“当药品制造商能够获得实时数据，温度发生变化时，他们就能知道，” Komoni说。“他们可以重新订购药品，病人就能按时获得它。”

Tive的物联网设备小到可以装进你的手掌。但由于它的大小，并且使用电池供电，它无法进行数据分析。联网的心脏监视器也是同样，Ed Featherston说，他是位于伯灵顿，马萨诸塞州Collaborative Consulting LLC的高级企业架构师。

“在这么小的设备内，只能构建这么多的计算能力，”他说，这是经验之谈。“只能做到这么多。”

在这两个例子中，物联网设备产生的数据都很简单，对设备执行分析，既是不可行的，也不是必要的。但当设备既复杂又庞大时，比如联网汽车——数据处理和分析战略又该是什么呢？其中一个与会者想知道：除了选择云或边界分析，物联网数据可以既在边界又在云中分析吗？

波士顿Sea Street Technologies的创始人和CEO Harley Stowell说，“是的，当然。”他建议使用一个架构，对于数据何地，何时，如何处理进行优先排序，这样任务关键型数据可以在边界进行分析，非关键数据可以推送到云。

MathWork的Narasimhamurthy表示同意，认为联网汽车本身做出的决策应该在本地处理；与全球环境有关的数据，应该在云中处理。 “这和网络弹性有关，”他说。“即使没有云，汽车也应该能够依靠本身，完全工作。”

转向DevOps
DevOps是趋势。Stuart Bailey，是位于River Forest，伊利诺伊州的Open Data Group的CTO。则建议依赖分析的企业同时考虑AnalyticOps职能，用于平衡数据科学家和业务部门。

“这些人员可以组织设计分析，然后输入到业务应用中，确保它的运行，” Bailey说。

AnalyticOps职能可以维护分析，用于寻找数据中有意义的模式。分析模型通常是由数据科学家构建的，但他们并不一定进行维护。如果数据更改或模型需要更新，AnalyticOps功能可以确保及时完成，他说。

将AnalyticOps引入分析工作流“是一个企业变革；而不是一个技术改变，” Bailey说。

各方观点
“我经常谈论的物联网问题之一，是数据的来源。它来自世界各地，这来自众包，这来自其他设备。我怎么知道信息是合法的？这是企业面对的巨大挑战，因为你之前从来没有以这样的规模处理过数据。”——Collaborative Consulting 的Ed Featherston。

“就像80年代和90年代的计算机科学，从技术角度来看，数据科学是相当成熟的，但它的市场行为，仍然不成熟。”——Open Data Group合伙人和CTO Stuart Bailey。

“不是没有信息，而是一部分信息。这就是现状：我们如何分析部分信息？我们如何从现有的数据中获得尽可能多的信息？”——数据库开源项目BayesDB CEO Richard Tibbetts

本文转自d1net（转载）