急救醫(yī)學(xué)領(lǐng)域有黃金時間(Golden hour)概念，即患者在受重傷后若獲及時治療，對其最終生存很重要。一旦錯過時機，后續(xù)治療效果會很有限。而物聯(lián)網(wǎng)(IoT)和實時分析也適用相同原則。

據(jù)Sensors Magazine報導(dǎo)，最新估計顯示，到2020年連網(wǎng)設(shè)備的數(shù)量將成長到200億~500億個。IoT在家庭和工業(yè)領(lǐng)域都將有大幅成長。但I(xiàn)oT系統(tǒng)和平臺大多使用云端分析，而會增加在設(shè)備上采取行動的時間。

這種時間延遲若發(fā)生在住宅內(nèi)，可能會導(dǎo)致災(zāi)難性后果；而在工業(yè)環(huán)境中若無法立即檢測及采取行動，則將影響安全、安保和機器故障。若利用云端方案，將無法夠快地提供數(shù)據(jù)，讓IoT得以有效用于任務(wù)關(guān)鍵型應(yīng)用。此問題除已成為重大問題，且會隨IoT部署規(guī)模擴大而加劇。

為支持大量IoT設(shè)備從根本上縮短決策和行動時間，分析需盡可能靠近設(shè)備邊緣。邊緣分析則能透過在事件發(fā)生時提供實時可操作的見解來解決此問題。傳統(tǒng)大數(shù)據(jù)方法非常適合批次導(dǎo)向(batch-oriented)分析，但不適用于IoT所需的交互式實時分析。

有了大型機器、引擎或網(wǎng)絡(luò)中百萬臺較小設(shè)備產(chǎn)生的大量數(shù)據(jù)，就不可能在大規(guī)模地探勘數(shù)據(jù)同時仍能做出實時決定。流經(jīng)這些網(wǎng)絡(luò)的數(shù)據(jù)既龐大又快速，因此需要主動分析框架來實時確定問題并采取行動。

企業(yè)若需要實時決策、行動和見解，就需要支持邊緣分析、云端分析、實時和歷史混合的架構(gòu)。此原則適用于智能工廠、智慧城市、智能家庭等環(huán)境。

IoT產(chǎn)業(yè)開始意識到，從大量IoT設(shè)備中提供這些見解的最佳方式之一，就是在設(shè)備本身的網(wǎng)絡(luò)真實邊緣盡可能進(jìn)行更多分析。這種架構(gòu)使設(shè)備真正具智能性，可在數(shù)據(jù)流入設(shè)備時分析、檢測和處理數(shù)據(jù)。

將原始數(shù)據(jù)上傳到云端，加以分析并將行動傳回設(shè)備的傳統(tǒng)方法，會導(dǎo)致有礙于操作的時間延遲。但若在邊緣執(zhí)行分析和模式檢測，則能在需要立即采取行動的情況下實現(xiàn)幾乎實時的響應(yīng)，例如提醒用戶設(shè)備或網(wǎng)絡(luò)遭受攻擊，或關(guān)閉顯示危險行為的引擎。

簡言之，數(shù)據(jù)移動到分析引擎的時間越長，可能產(chǎn)生有害影響的異常就越可能被忽略。透過使用邊緣分析、機器和智能傳感器，就能利用云端聚合非關(guān)鍵數(shù)據(jù)，并將其與來自設(shè)備的數(shù)據(jù)實時結(jié)合，以檢測異常情況和性能問題。

部署此模型的邊緣分析平臺為開發(fā)人員提供連接設(shè)備的輕松方法，使其能動態(tài)地將分析腳本部署到邊緣，并協(xié)調(diào)云端和邊緣之間的分布式分析。這使企業(yè)能藉異常檢測和實時、可操作的見解，實現(xiàn)IoT實時分析的全部潛力，并透過增加運算能力和實時智能的定制分析方案，而能利用整個IIoT領(lǐng)域的寶貴市場機會。展望未來，這也為機器學(xué)習(xí)和人工智能(AI)舖平道路。

人們現(xiàn)在生活在萬物連網(wǎng)的世界里，市場的整體動態(tài)正在發(fā)生變化，營運商、制造商、公用事業(yè)公司和醫(yī)療保健供應(yīng)商都在考慮如何集成IoT，好以最高效、有利的方式來提供其服務(wù)。唯一辦法就是實時監(jiān)控、分析IoT正在創(chuàng)建的大量數(shù)據(jù)，并根據(jù)所得見解進(jìn)行相應(yīng)操作。

企業(yè)市場需要找到適合其期望的IoT方案。企業(yè)若能管理大量數(shù)據(jù)處理、監(jiān)控、診斷和服務(wù)管理，就能充分利用IoT的部署，但這一切都始于網(wǎng)絡(luò)的真實邊緣。企業(yè)若能承認(rèn)這一點，則其關(guān)鍵數(shù)據(jù)不僅會保持活力，還會蓬勃發(fā)展。