IoTの経済学–サービスプロバイダーと企業向けのレッスン

451ResearchのOwenRogers

多くの組織がインフラストラクチャをパブリッククラウド環境に移行し、現在では多くの組織がモノのインターネットを管理するためにクラウドサービスを使用しています。

実際、企業の3分の2以上が、IoT分析、マシン、その他のIoTデータにエッジおよびニアエッジのコンピューティング資産を使用しています。このデータに対応するために、 AWS などの主要なハイパースケールクラウドプロバイダー 、 Google および Microsoft クラウドIoT製品を、従量制で企業が使用できるようにします。

今年の初め、 451 Research のデジタル経済およびIoTアナリスト AzureのIoT価格が約50％引き下げられたことを検出しました。この大幅な変更により、アナリストは「ハイパースケーラークラウドIoTプラットフォーム（AWS、Google、Microsoft）のどれが最も安かったかを知る方法はありましたか？」と尋ねました。

基本的に、チームは、メッセージの平均サイズ、メッセージの数、レジストリの更新の数など、どのコストパラメータが最も安価なプロバイダーの選択に最大の影響を与えたかを理解したいと考えていました。しかし、チームの最終的な目的は、全体として、どのプロバイダーが最も安価である可能性が高いかを理解することでした。

アナリストは、コストに最も影響を与える可能性のある9つの価格設定パラメーターを特定した後、機械学習戦略を実装し、Pythonシミュレーションを構築して、AWS、Google、Microsoftの米国の価格設定モデルを自動的に比較しました。

10,000,000回のシミュレーションのサンプルサイズで、451人のリサーチアナリストは、AzureとAWSが状況によっては費用対効果が高いことを発見しました（意思決定ツリー図に示されています）。 Microsoftは一般的に規模が安いように見えましたが、AWSは今日のほとんどのエンタープライズユースケースで安価です。ただし、実施したシミュレーションのいずれにおいても、Googleが最も安価であるとは言えませんでした。

このIoTの経済学の難問に対する答えを見つけようとした彼らの経験は、2つの結論につながりました。まず、サービスとしての機械学習のアクセシビリティにより、これまでになかった発見の機能が提供されました。

ただし、機械学習の複雑さの多くは抽象化されていますが、機械学習を使用できるように価格設定モデルの複雑さを解明するには、依然として深い知識が必要でした。言い換えれば、企業にとって、機械学習の専門家がいるだけでは十分ではありません。

機械学習を実行可能にするには、データのコンテキストにある専門家が必要です。つまり、これらの専門家がツールや機械学習の専門家を活用できるように、従業員にこれらの手法の基礎を提供する必要があります。垂直の専門分野は果たすべき大きな役割を持っています。

2番目の結論は、価格設定モデルが単純化されたとしても、ニュアンスは複雑さを増し、その影響はしばしば不明確であるということでした。今日、問題の事実は、企業がクラウドの請求額を自信を持って理解したい場合、多くの場合、手動でコストを計算する必要があるということです。

これは単に実用的ではなく、ほとんどのクラウド消費者は彼らが何を支払っているのかを正確に理解していません。これは「電気のように」ユーティリティクラウドではありません。これは複雑なパズルであり、クラウド消費者は実際にはほとんどいません。彼らの支出を把握している。

どちらの結論も、サービスプロバイダーに機会を提供します。複雑さを軽減し、プラットフォーム間で仲介して顧客のお金と頭痛の種を節約し、機械学習サービスへのアクセスを有効化および簡素化して、専門家以外の人が利用できるようにします。

このブログの作成者は、デジタルエコノミクスユニットのリサーチディレクターであるオーウェンロジャースです