Economia da IoT - Lições para provedores de serviços e empresas

Owen Rogers da 451 Research
Muitas organizações mudaram sua infraestrutura para um ambiente de nuvem pública e agora muitas estão usando serviços de nuvem para gerenciar a Internet das Coisas.

Na verdade, mais de dois terços das empresas usam ativos de computação de ponta e de ponta para análise de IoT, máquina e outros dados de IoT. Para acomodar esses dados, os principais provedores de nuvem em hiperescala, como AWS , Google e Microsoft ter ofertas de IoT em nuvem disponíveis para uso empresarial com pagamento conforme o uso.

No início deste ano, os analistas de Economia Digital e IoT da 451 Research detectou um corte no preço de IoT do Azure de cerca de 50%. Essa mudança substancial levou os analistas a perguntar:“Havia uma maneira de descobrir qual das plataformas de IoT em nuvem hiperscaler (AWS, Google e Microsoft) era mais barata?”

Essencialmente, a equipe queria entender quais parâmetros de custo - como o tamanho médio da mensagem, o número de mensagens e o número de atualizações de registro - tinham o maior impacto na escolha do provedor mais barato. Mas o objetivo final da equipe era entender qual fornecedor, de modo geral, tinha mais probabilidade de ser o mais barato.

Depois de identificar nove parâmetros de preços que poderiam ter o maior impacto no custo, os analistas implementaram uma estratégia de aprendizado de máquina e construíram uma simulação Python para comparar automaticamente os modelos de preços dos EUA para AWS, Google e Microsoft.

Com um tamanho de amostra de 10.000.000 de simulações, 451 analistas de pesquisa descobriram que o Azure e o AWS são benéficos em termos de custos em algumas circunstâncias (mostrado no diagrama da árvore de decisão). Em geral, a Microsoft parecia ser mais barata em escala, enquanto a AWS é mais barata na maioria dos casos de uso corporativo hoje. No entanto, o Google não foi considerado o mais barato em nenhuma das simulações realizadas.

A experiência deles na tentativa de encontrar uma resposta para esse enigma da economia da IoT levou a duas conclusões. Em primeiro lugar, a acessibilidade do aprendizado de máquina como um serviço forneceu a eles uma capacidade de descobertas que simplesmente não tínhamos antes.

No entanto, embora grande parte da complexidade do aprendizado de máquina tenha sido abstraída, um conhecimento profundo ainda era necessário para desvendar as complexidades do modelo de precificação de forma que o aprendizado de máquina pudesse ser usado. Em outras palavras, para as empresas, não basta ter especialistas em aprendizado de máquina.

Especialistas no contexto dos dados são necessários para tornar o aprendizado de máquina viável, o que significa dar aos funcionários uma base nessas técnicas para que possam tirar proveito das ferramentas e dos especialistas em aprendizado de máquina. As especialidades verticais têm um grande papel a desempenhar.

A segunda conclusão foi que, mesmo quando o modelo de precificação é simplificado, as nuances adicionam complexidade e seu impacto muitas vezes não é claro. Hoje, o fato da questão é que, se uma empresa deseja compreender com segurança sua fatura da nuvem, geralmente precisa calcular o custo manualmente.

Isso simplesmente não é prático, e a maioria dos consumidores de nuvem não entende exatamente o que está pagando. Esta não é a nuvem de serviços públicos 'apenas como eletricidade' - este é um quebra-cabeça complexo onde poucos, se houver, consumidores de nuvem realmente controlar suas despesas.

Ambas as conclusões fornecem oportunidades para os provedores de serviços:reduzir a complexidade e intermediar as plataformas para economizar dinheiro e dores de cabeça para seus clientes e permitir e simplificar o acesso a serviços de aprendizado de máquina para permitir que não especialistas tirem proveito.

O autor deste blog é Owen Rogers, diretor de pesquisa - Unidade de Economia Digital