Economía de IoT:lecciones para proveedores de servicios y empresas

Owen Rogers de 451 Research

Muchas organizaciones han trasladado su infraestructura a un entorno de nube pública y ahora muchas están utilizando servicios en la nube para administrar el Internet de las cosas.

De hecho, más de dos tercios de las empresas utilizan activos informáticos de borde y de borde cercano para análisis de IoT, máquinas y otros datos de IoT. Para acomodar estos datos, los proveedores de nube de hiperescala líderes como AWS , Google y Microsoft tener ofertas de IoT en la nube disponibles para uso empresarial con un sistema de pago por uso.

A principios de este año, los analistas de economía digital e IoT de 451 Research detectó un recorte en los precios de IoT de Azure de aproximadamente un 50%. Este cambio sustancial llevó a los analistas a preguntarse:"¿Había alguna manera de averiguar cuál de las plataformas de IoT en la nube de hiperescalador (AWS, Google y Microsoft) era la más barata?"

Básicamente, el equipo quería comprender qué parámetros de costos, como el tamaño promedio del mensaje, la cantidad de mensajes y la cantidad de actualizaciones del registro, tenían el mayor impacto en la elección del proveedor más económico. Pero el objetivo final del equipo era comprender qué proveedor, en general, era más probable que fuera el más barato.

Después de identificar nueve parámetros de precios que podrían tener el mayor impacto en el costo, los analistas implementaron una estrategia de aprendizaje automático y construyeron una simulación de Python para comparar automáticamente los modelos de precios de EE. UU. Para AWS, Google y Microsoft.

Con un tamaño de muestra de 10,000,000 de simulaciones, los analistas de 451 Research encontraron que Azure y AWS eran rentables en algunas circunstancias (como se muestra en el diagrama de árbol de decisiones). En general, Microsoft parecía ser más barato a escala, mientras que AWS es más barato en la mayoría de los casos de uso empresarial de hoy. Sin embargo, Google no resultó ser el más barato en ninguna de las simulaciones realizadas.

Su experiencia al tratar de encontrar una respuesta a este enigma de la economía de IoT llevó a dos conclusiones. En primer lugar, la accesibilidad del aprendizaje automático como servicio les proporcionó una capacidad de descubrimiento que simplemente no teníamos antes.

Sin embargo, aunque se resumió gran parte de la complejidad del aprendizaje automático, aún se necesitaba un conocimiento profundo para desentrañar las complejidades del modelo de precios de manera que se pudiera utilizar el aprendizaje automático. En otras palabras, para las empresas, tener expertos en aprendizaje automático no es suficiente.

Se necesitan expertos en el contexto de los datos para hacer viable el aprendizaje automático, lo que significa dar a los empleados una base en estas técnicas para que estos expertos puedan aprovechar las herramientas y los expertos en aprendizaje automático. Las especialidades verticales tienen un papel importante que desempeñar.

La segunda conclusión fue que, incluso cuando el modelo de precios se simplifica, los matices añaden complejidad y su impacto a menudo no está claro. Hoy en día, el quid de la cuestión es que si una empresa desea comprender con seguridad su factura de la nube, a menudo necesita calcular manualmente el costo.

Esto simplemente no es práctico, y la mayoría de los consumidores de la nube no entienden exactamente por qué están pagando. Esta no es la nube de servicios públicos 'igual que la electricidad'; este es un rompecabezas complejo en el que pocos consumidores de la nube, si es que hay alguno, realmente controle sus gastos.

Ambas conclusiones brindan oportunidades para los proveedores de servicios:reducir la complejidad y la intermediación entre plataformas para ahorrarles dinero y dolores de cabeza a sus clientes, y habilitar y simplificar el acceso a los servicios de aprendizaje automático para permitir que los no expertos se beneficien.

El autor de este blog es Owen Rogers, director de investigación - Unidad de Economía Digital