如今的企業(yè)希望更貼近客戶，而親近感使他們更具反應(yīng)能力和個性，這也讓他們能夠更好地控制這種關(guān)系。由于物聯(lián)網(wǎng)設(shè)備現(xiàn)在具有足夠的能力解決實際問題，每家公司都在建立一個邊緣策略。

數(shù)據(jù)是任何一個邊緣計算策略的核心。邊緣設(shè)備將收集、分析和存儲有關(guān)用戶、其環(huán)境及其響應(yīng)的信息。其結(jié)果是，更多的信息將出現(xiàn)在人們的各種設(shè)備中，信息片段將會散布到整個環(huán)境中。這就是“小數(shù)據(jù)蔓延”。

在未來幾年中，市場的關(guān)注點將從大數(shù)據(jù)轉(zhuǎn)移到小數(shù)據(jù)蔓延。大數(shù)據(jù)更易于控制、管理和分析，它存儲在中央數(shù)據(jù)湖中，數(shù)據(jù)管理員在那里保護數(shù)據(jù)，少數(shù)數(shù)據(jù)科學家對進行了分析。小數(shù)據(jù)蔓延增加了與數(shù)據(jù)相關(guān)的價值和風險。企業(yè)、監(jiān)管機構(gòu)，尤其是個人，需要為小數(shù)據(jù)的蔓延做好準備。

數(shù)據(jù)點1：邊緣計算設(shè)備（尤其是物聯(lián)網(wǎng)設(shè)備）的數(shù)量呈爆炸式增長

分析人士認為，全球目前約有2000萬臺邊緣計算設(shè)備，而且這一數(shù)字正在呈指數(shù)級增長。例如智能電表、汽車和可穿戴設(shè)備，物聯(lián)網(wǎng)和邊緣計算技術(shù)已經(jīng)蔓延到每一個行業(yè)。農(nóng)民、醫(yī)療設(shè)備制造商和制造商不斷地收集遙測數(shù)據(jù);政府、賭場和零售公司對于監(jiān)控視頻的收集也是如此。

數(shù)據(jù)點2：這些設(shè)備生成的數(shù)據(jù)量正在增長

工程師和科學家總是希望獲得更多數(shù)據(jù)。即使現(xiàn)在不能使用，他們也希望將來能挖掘歷史數(shù)據(jù)的價值。因此，每個設(shè)備生成的數(shù)據(jù)量正在飛速增長。與遙測數(shù)據(jù)相比，視頻和音頻的數(shù)據(jù)量更大，并且以更高的清晰度在增長。遙測設(shè)備正在生成更多的數(shù)據(jù)，這些數(shù)據(jù)被更頻繁地收集。自動駕駛汽車收集的數(shù)據(jù)達到了25GB /小時，而且這個數(shù)字還在增加。

數(shù)據(jù)點3：必須在邊緣進行初始處理

邊緣計算設(shè)備正在成為一種技術(shù)成熟的計算設(shè)備，因為必須在本地進行初始處理。如果需要運行自動駕駛汽車或控制起搏器，則不能依靠速度慢、不可靠的網(wǎng)絡(luò)。如果要確定犯罪或環(huán)境問題，則不能等待中央處理資源。因此，實時計算將在邊緣計算設(shè)備本身上完成。其結(jié)果就是一種小數(shù)據(jù)蔓延。

數(shù)據(jù)點4：機器學習需要在中心完成

邊緣計算設(shè)備可以執(zhí)行算法，但是機器學習只能在中心進行。需要跨許多設(shè)備訪問完整的數(shù)據(jù)集進行學習，還需要在更長的時間內(nèi)應(yīng)用更多的計算資源。邊緣計算將優(yōu)化流媒體;中心將優(yōu)化分析、豐富和學習。這意味著邊緣計算需要向中心發(fā)送數(shù)據(jù)。

數(shù)據(jù)點5：需要在中心進行保留

物聯(lián)網(wǎng)數(shù)據(jù)必須符合法規(guī)要求，要求對數(shù)據(jù)和控制進行整合。組織知道他們需要保護、保留和刪除數(shù)據(jù)（例如私人數(shù)據(jù)）。但是，他們還需要保留生成有關(guān)數(shù)據(jù)結(jié)論的算法。從交易股票的算法到調(diào)整胰島素水平的醫(yī)療設(shè)備，再到用于識別潛在犯罪的攝像頭，法院將期望通過視頻能夠再現(xiàn)其結(jié)果。這將需要原始算法和原始數(shù)據(jù)集。這只是一個開始。隨著人工智能的日益普及，監(jiān)管部門將更加關(guān)注。

數(shù)據(jù)點6：云計算將成為整合小數(shù)據(jù)的目標

組織將在云平臺中整合邊緣數(shù)據(jù)，因為它可以實現(xiàn)大規(guī)模的機器學習和合規(guī)性。云計算是唯一具有足夠功能、容量和可訪問性來存儲數(shù)據(jù)的地方。它使客戶能夠應(yīng)用功能強大的分析工具，因此他們不需要在市場上搜尋稀缺的數(shù)據(jù)科學家資源。最后，云計算提供了跨區(qū)域數(shù)據(jù)中心的集中視圖，因此云計算團隊可以集中管理數(shù)據(jù)，以符合本地法規(guī)。

數(shù)據(jù)點7：橫向SaaS解決方案將管理和分類小數(shù)據(jù)

客戶將尋求廣泛的SaaS解決方案來幫助管理和分類他們的數(shù)據(jù)。每個行業(yè)都需要整合和保護其數(shù)據(jù)，他們還需要識別需要匿名或清除的數(shù)據(jù)（例如私人數(shù)據(jù)）。數(shù)據(jù)規(guī)模和多個位置不斷發(fā)展的法規(guī)的復(fù)雜性相結(jié)合，將使組織相信將工作分擔給SaaS專家。這些工具將收集數(shù)據(jù)、保護數(shù)據(jù)、對私有數(shù)據(jù)進行分類，并在客戶需要時幫助他們找到所需的內(nèi)容。

數(shù)據(jù)點8：垂直解決方案將對小數(shù)據(jù)進行分析

每個行業(yè)和組織都希望對數(shù)據(jù)做一些不同的事情。他們希望創(chuàng)造競爭優(yōu)勢。因此，人們將看到用于數(shù)據(jù)分析的行業(yè)專用SaaS工具的興起，這些組織通過在云計算人工智能/機器學習基礎(chǔ)設(shè)施上運行的自有算法來增強功能。通過卸載常見的基礎(chǔ)設(shè)施任務(wù)，領(lǐng)導(dǎo)者將把精力集中在構(gòu)建有利于競爭的秘密武器上。

物聯(lián)網(wǎng)和邊緣計算實際上正在改變每個行業(yè)。通過更接近客戶和員工，組織可以釋放新的機會來改善用戶體驗和生產(chǎn)力。同時，由此產(chǎn)生的小數(shù)據(jù)蔓延要求重新審查如何管理和使用數(shù)據(jù)。實時分析將走向邊緣，數(shù)據(jù)保護和合規(guī)性將轉(zhuǎn)移到SaaS云應(yīng)用程序。這將使組織騰出更多時間來使用云計算工具構(gòu)建數(shù)據(jù)和擴充算法。

但是作為消費者，確保數(shù)據(jù)隱私和合規(guī)性法規(guī)與新技術(shù)保持同步至關(guān)重要。了解變化是第一步。