为什么边缘及其结构问题

边缘数据可帮助组织具有业务见解，例如库存是否运行低，如果机器将失败并创建新发现。这些见解为组织提供了三种类型的价值：监控企业，工厂和客户;维护技术，如更新软件;或货币化产品。有效的边缘数据处理可以降低响应时间，带宽和连接成本，以及提高不传输数据的安全性，降低存储需求，提高可靠性并保持遵守数据策略。

IOT数据可以从设备到云，或者它可以通过数据获取和控制从设备转移到执行器，然后终于到云端。两种趋势它/不收敛作为服务的边缘一直在改善这个过程。当IT专家有一个特派团保护和OT专家继续制造时，它和OT团队往往会受到赔偿，提供权力或提供任何可能的过程。

“了解[数据采集]和OT非常重要，因为当你去边缘时，它就在那里。[边缘是]不仅仅是关于计算而不是关于传感器而不是关于事情，”布拉多奇说。

IT/OT的融合为更高效的边缘分析提供了能力

首先，组织必须确定他们的优势是什么，他们的产品是什么，比如工厂的机器上安装了物联网传感器。OT由传感器，执行器，数据采集系统和控制系统等技术，如机器人手臂，自动驾驶车辆和工业协议，如控制器区域网络总线。

IT和OT有三种类型的融合：流程，软件和数据以及物理融合。OT在安全上与它合作以及网络支持，尽管这很有挑战性。这一协议的进程和共同努力向前迈进是第一次趋同。第二种是软件和数据融合，边缘数据直接流入IT系统，如预算或客户研究管理。最后，物理融合融合了OT的实际盒设备和IT功能，包括路由器、控制系统、数据采集、计算和存储。

能够[结合OT和IT系统]，并在边缘运行相同的分析，对客户来说是非常强大的。

当组织把它和OT放在一起，他们将使用更少的空间、时间和精力，并有更少的购买和管理。布拉迪奇说，在传统系统中，通过传感器或执行器分析数据的组织可以得到即时结果，但不能得到深层结果。随着数据分析越来越接近云或远程数据中心，结果的深度会增加，但时间也会增加。

“很多数据过期了，过一段时间就没用了。等它传到云端时，可能就没用了。能够[结合OT和IT系统]，并在边缘上运行相同的分析，对客户来说是非常强大的。”

用边缘作为服务进行数据分析

近年来，数据分析主要是在云计算中进行的，但云计算能力已经成为了一种趋势转向边缘。在数据中心看不到的边缘，组织面临着一些挑战，如有限的带宽、关键任务OT系统、恶劣的物理环境、不可靠的连接和增加的安全漏洞。组织正在转向边缘即服务来解决这些困难。

Edge作为物联网部署服务，可以为物联网和物联网设备提供生命周期管理、远程云接口管理、多网络和工业协议管理、稳定连接和自主断开操作。创建在边缘的机器学习算法需要强大的计算能力，但组织可能仍然希望将数据发送到云进行分析，或者只是将边缘数据分析结果发送到云。

供应商或合作伙伴可以运行“边缘即服务”(edge-as-a-service)产品，或者组织负责操作。对使用边缘服务感兴趣的组织仍然是他们的边缘专家。根据行业的不同，有许多独特的优势——比如农业或制造业——而将产品与机器集成可能需要极高的精度。组织最了解他们的系统，以及这些数据是否以供应商或合作伙伴不了解的方式有用。