Economie de l'IoT – Leçons pour les fournisseurs de services et les entreprises

Owen Rogers de 451 Research

De nombreuses organisations ont déplacé leur infrastructure vers un environnement de cloud public et nombre d'entre elles utilisent désormais des services cloud pour gérer l'Internet des objets.

En fait, plus des deux tiers des entreprises utilisent des actifs de calcul de périphérie et de proximité pour l'analyse IoT, les machines et autres données IoT. Pour prendre en charge ces données, les principaux fournisseurs de cloud hyperscale comme AWS , Google et Microsoft ont des offres Cloud IoT disponibles pour une utilisation en entreprise sur une base de paiement à l'utilisation.

Plus tôt cette année, les analystes de l'économie numérique et de l'IoT de 451 Research a détecté une baisse du prix de l'IoT d'Azure d'environ 50 %. Ce changement substantiel a conduit les analystes à se demander :« Y avait-il un moyen de savoir laquelle des plateformes IoT cloud hyperscaler (AWS, Google et Microsoft) était la moins chère ? »

Essentiellement, l'équipe voulait comprendre quels paramètres de coût – tels que la taille moyenne du message, le nombre de messages et le nombre de mises à jour du registre – avaient le plus d'impact sur le choix du fournisseur le moins cher. Mais l'objectif ultime de l'équipe était de comprendre quel fournisseur, dans l'ensemble, était le plus susceptible d'être le moins cher.

Après avoir identifié neuf paramètres de tarification susceptibles d'avoir le plus d'impact sur les coûts, les analystes ont mis en œuvre une stratégie d'apprentissage automatique et construit une simulation Python pour comparer automatiquement les modèles de tarification américains pour AWS, Google et Microsoft.

Avec une taille d'échantillon de 10 000 000 de simulations, 451 analystes de recherche ont trouvé qu'Azure et AWS étaient rentables dans certaines circonstances (indiqué dans le diagramme d'arbre de décision). Microsoft semblait généralement moins cher à grande échelle, alors qu'AWS est aujourd'hui moins cher dans la plupart des cas d'utilisation en entreprise. Cependant, Google ne s'est avéré être le moins cher dans aucune des simulations effectuées.

Leur expérience en essayant de trouver une réponse à cette énigme de l'économie de l'IoT a conduit à deux conclusions. Premièrement, l'accessibilité de l'apprentissage automatique en tant que service leur a fourni une capacité de découvertes que nous n'avions tout simplement pas auparavant.

Cependant, alors qu'une grande partie de la complexité de l'apprentissage automatique était abstraite, une connaissance approfondie était encore nécessaire pour élucider les complexités du modèle de tarification de sorte que l'apprentissage automatique puisse être utilisé. En d'autres termes, pour les entreprises, il ne suffit pas d'avoir des experts en apprentissage automatique.

Des experts dans le contexte des données sont nécessaires pour rendre l'apprentissage automatique viable, ce qui signifie donner aux employés une base sur ces techniques afin que ces experts puissent profiter des outils et des experts en apprentissage automatique. Les spécialités verticales ont un grand rôle à jouer.

La deuxième conclusion était que, même lorsque le modèle de tarification est simplifié, les nuances ajoutent de la complexité et leur impact est souvent peu clair. Aujourd'hui, le fait est que si une entreprise veut comprendre en toute confiance sa facture cloud, elle doit souvent calculer manuellement le coût.

Ce n'est tout simplement pas pratique, et la plupart des consommateurs de cloud ne comprennent pas exactement ce pour quoi ils paient. Ce n'est pas le cloud de service public « comme l'électricité » - il s'agit d'un casse-tête complexe où peu, voire aucun, de consommateurs de cloud maîtriser leurs dépenses.

Les deux conclusions offrent des opportunités aux fournisseurs de services :pour réduire la complexité et négocier entre les plates-formes pour économiser de l'argent et des maux de tête à vos clients, et pour permettre et simplifier l'accès aux services d'apprentissage automatique pour permettre aux non-experts d'en profiter.

L'auteur de ce blog est Owen Rogers, directeur de recherche – Digital Economics Unit