Alors que les données dépassent de manière exponentielle les capacités de stockage et de gestion centralisés, voici comment l’analyse de périphérie peut aider les organisations à surmonter ce défi
Alors que le monde continue de devenir de plus en plus interconnecté, la gamme d’appareils intelligents capables de collecter et d’analyser des données est plus vaste que jamais. Les voitures d’aujourd’hui génèrent de grandes quantités de données à partir de capteurs et d’ordinateurs intégrés à leur conception. Les magasins de détail rassemblent des données sur tout, des stocks et des expéditions aux achats des clients. Les éoliennes qui produisent notre électricité renouvelable sont construites avec des centaines de capteurs et génèrent des millions de points de données par minute.
Le volume d’informations requis pour alimenter ces événements quotidiens augmente plus rapidement que la bande passante disponible des réseaux conçus pour les conserver et les organiser. Il n’est plus possible de transférer toutes les données générées dans un endroit central où elles peuvent être organisées et analysées par des moyens conventionnels.
Entrez, edge analytics : un type d’analyse de données décentralisée dans lequel les données sont analysées à leur source – à la « périphérie » du réseau d’information.
Dans les systèmes traditionnels, les données sont transférées de l’endroit où elles sont collectées vers un référentiel central où elles peuvent être analysées. Mais même les réseaux les plus puissants d’aujourd’hui n’ont pas une capacité suffisante pour transférer toutes les données générées dans la plupart des cas d’utilisation, ce qui signifie que des décisions doivent être prises sur ce qui est laissé de côté.
En permettant aux données brutes d’être analysées à leur source, l’analyse de périphérie évite d’avoir à transférer les données vers un système central, tout en rassemblant toutes les informations pour une prise de décision centralisée. Cela accélère considérablement la vitesse à laquelle les analyses peuvent avoir lieu, sans compromettre la qualité des résultats.
>Voir aussi : Comment l’edge computing bénéficiera de la technologie 5G
Pourquoi devriez-vous adopter l’analyse de périphérie
Compte tenu de la valeur potentielle de l’analyse pour améliorer les processus de prise de décision et les résultats commerciaux, les entreprises ne peuvent pas se permettre de ne pas explorer leurs options. Edge Analytics présente un large éventail d’avantages en termes d’analyse d’un plus grand nombre de leurs données, plus rapidement et potentiellement à moindre coût.
L’analyse en périphérie lors de l’utilisation d’une base de données en mémoire accélère encore ces avantages, car les organisations peuvent analyser les données brutes au fur et à mesure qu’elles arrivent. Cela donne aux organisations des résultats en temps réel, permettant d’apporter rapidement des modifications et des ajustements.
Edge Analytics peut également aider à résoudre l’un des maux de tête les plus courants des entreprises numériques d’aujourd’hui : les coûts du cloud. Le stockage des données dans le cloud coûte de l’argent, tout comme le transfert de données entre le cloud et le stockage sur site, ou entre les fournisseurs de services cloud. Ces coûts ont tendance à augmenter très rapidement à mesure que l’utilisation du cloud augmente. Ainsi, en effectuant davantage d’analyses à la périphérie, les entreprises peuvent réduire les dépenses de stockage dans le cloud et les coûts de transfert.
La sécurité est un autre avantage de l’analyse de périphérie, en particulier si les organisations traitent des données sensibles telles que des informations personnellement identifiables (PII). Avoir toutes les données brutes d’une entreprise dans un emplacement central peut être intrinsèquement risqué. En utilisant l’analyse de périphérie, les organisations peuvent conserver les données sensibles là où elles se trouvent et ne transférer que des données pré-agrégées vers l’entrepôt de données central, ce qui signifie qu’il n’a pas à héberger et à protéger les informations sensibles.
Industries en marge
Alors : où ces avantages s’appliquent-ils ? Où pouvons-nous voir des entreprises bénéficier de l’analyse de pointe ?
L’un des plus importants est le secteur des énergies renouvelables, qui a rapidement adopté l’analyse de pointe. Par exemple, les éoliennes ont des centaines de capteurs intégrés pour s’assurer que chaque partie de la turbine fonctionne correctement et peut s’adapter aux conditions extérieures. Si l’analyse des données peut être effectuée sur chaque turbine individuelle, la maintenance prédictive est possible, identifiant et isolant de manière préventive tout problème pour chacune, minimisant l’impact sur l’ensemble du groupe en cas d’accident.
Un autre domaine où l’analyse de pointe gagnera en popularité est la gestion de la chaîne d’approvisionnement en raison de sa complexité. Les chaînes d’approvisionnement comportent souvent des centaines de pièces mobiles individuelles, y compris l’approvisionnement et le suivi des matières premières qui doivent être transférées vers plusieurs sites pour la fabrication, la gestion des installations de stockage et la surveillance de milliers d’appareils IoT tels que les puces RFID qui gardent une trace des articles expédiés.
Dans cette situation, les responsables de la chaîne d’approvisionnement pourraient avoir un endroit centralisé où le mouvement des produits à travers le monde est organisé, et un « bord » pourrait être les installations de stockage avec des marchandises étiquetées RFID. L’analyse des données directement dans ces installations de stockage en temps quasi réel avec l’analyse de périphérie est utile pour coordonner le reste de la chaîne. Les responsables de la chaîne d’approvisionnement doivent également prendre en compte la météo, par exemple, où des analyses plus avancées telles que l’IA et la modélisation ML peuvent intervenir et peuvent également être analysées à la périphérie.
>Voir aussi : La transformation numérique des chaînes d’approvisionnement nécessite une intégration en ligne et hors ligne
Prêt, prêt, partez
La mise en œuvre de l’analyse de périphérie n’a pas besoin de se faire au détriment des bases de données centrales traditionnelles – en fait, il est préférable de les utiliser ensemble. Les données brutes peuvent être analysées à la périphérie avant d’être agrégées et envoyées à une base de données centrale ou à un entrepôt de données pour le stockage et des analyses plus avancées si nécessaire.
La configuration de l’analyse de périphérie dans votre entreprise commence par la bonne base de données en mémoire. Pour analyser de grandes quantités de données en périphérie en temps réel, vous avez besoin d’une solution d’analyse hautes performances, capable d’intégrer une infrastructure en périphérie et une infrastructure d’entrepôt de données centrale. La bonne base de données vous permet de créer une grille composée d’un système centralisé et de la périphérie, la plate-forme agissant comme un conduit aidant à diriger les données là où elles doivent aller.
Alors que le monde de l’IoT continue de se développer et que les organisations commencent à ajouter davantage d’intégrations d’IA et de ML dans la périphérie pour optimiser automatiquement l’analyse des données en temps réel pour des résultats meilleurs et plus rapides, l’analyse de la périphérie deviendra de plus en plus importante pour éviter un déluge de données devant être être traitées et analysées de manière centralisée. Inutile de dire que la clé d’une meilleure analyse des données consiste à vivre à la périphérie.
Jens Graupmann est vice-président senior des produits et de l’innovation chez Exasol.
Lié:
Quatre pratiques de développement de logiciels IoT — Vincent Delaroche, PDG et fondateur de CAST, identifie quatre pratiques clés de développement de logiciels IoT.
Ce que l’arrêt du RTPC signifie pour l’IoT — Explorer comment l’arrêt en attente du réseau téléphonique public commuté (RTPC) pourrait avoir un impact sur les opérations IoT à l’avenir.