生活在边缘：边缘分析的5大关键优势

边缘分析-或分析更接近收集数据的数据-在数据分析中是一个相对较新的想法，至少到目前为止，我们最常听到它与IoT结合使用的说法。 毕竟，在无处不在的传感器和越来越多的数据流入的世界中，边缘分析提供了一种以更快，更简单且在许多情况下更实用的方式从数据中获取价值的方法。 但是，尽管边缘分析提供了可利用物联网的技术，但其承诺实际上已从物联网扩展到了更为传统的数据生态系统的边缘。 在这里，我们将研究在边缘处理数据而不是存储数据并应用更多传统分析方法的优势，以及为什么许多组织开始寻求在这两个选项之间进行选择以满足自己需求的能力。

某些数据不值得保存

在大数据的早期，组织都是在收集数据。 当时的集体智慧是，即使无法完全分析数据，收集数据也是一件好事。 问题在于，随着数据收集的改善，数据量开始爆炸式增长。 根据研究机构SINTEF在2013年发布的报告，全球数据的90％是在过去两年中生成的。 根据IDC的数据，到2020年，将为地球上的每个人每秒创建1.7兆字节的新信息。这将总计约44 ZB的数据。

随着数据的堆积，问题变得显而易见：我们实际上将如何处理所有这些信息？ 不幸的是，有时答案很少。 普华永道（Pricewaterhouse Coopers）和铁山（Iron Mountain）在2015年发布的一项研究发现，接受调查的公司中有43％从所收集的数据中获得了“很小的实益”。 发现另外23％的人“没有任何收益”。 组织越来越了解到的是，尽管数据收集具有重大好处，但并非所有数据都是有用的，也不是所有数据都值得保留，特别是当数据来自无数传感器（我们称为“ IoT”）时。