<\/strong><\/h1>\n
Markedet for cloududbydere udvikler sig og modnes hurtigt. Samarbejde og til sidst konsolidering sker l\u00f8bende med hyppige meddelelser om alliancer og\/eller erhvervelser af mindre udbydere.<\/p>\n
Nedenst\u00e5ende figur viser Forrester Researchs opfattelse af aktuelle \u201devaluerede leverand\u00f8rer ud fra 24 kriterier, som vi grupperede i tre h\u00f8jtst\u00e5ende kategorier:<\/p>\n
Nuv\u00e6rende tilbud:<\/strong> Hver leverand\u00f8rs position p\u00e5 Forrester Wave-grafikkens lodrette akse angiver styrken af \u200b\u200bdets nuv\u00e6rende tilbud. N\u00f8glekriterierne for disse l\u00f8sninger inkluderer tilslutningsmuligheder, implementering og sikkerhed, administrationskonsol, funktioner til applikationsaktivering samt analyse og data.<\/p>\n Strategi:<\/strong> Placering p\u00e5 den vandrette akse angiver styrken af \u200b\u200bleverand\u00f8rernes strategier. Vi vurderede partnerstrategi, kommerciel model, innovationsk\u00f8replan, platformdifferentiering og leveringsmodel.<\/p>\n Markeds tilstedev\u00e6relse: <\/strong>Repr\u00e6senteret af st\u00f8rrelsen p\u00e5 mark\u00f8rerne p\u00e5 grafikken afspejler tilstedev\u00e6relsen p\u00e5 markedet for hver leverand\u00f8rs direkte kunder, tilsluttede enheder og geografisk kundefordeling”.<\/p>\n Lige nu trender cloud-udbydere, der samarbejder om at dominere forretnings vertikaler baseret p\u00e5 de originale egenskaber for hver leverand\u00f8r.<\/p>\n F.eks. samarbejder General Electric med Microsoft Azure for at kombinere GEs digitale transformationskonsulentbistand om industrielt udstyr, med Microsoft Azure-database og BI-platform, og muligheden for at distribuere infrastruktur eksternt. Microsoft har mange IoT-specifikke services som man med logik kan binde sammen til unikke l\u00f8sninger i deres Azure sky. Problemet er, at dette kan g\u00f8res p\u00e5 mange m\u00e5der og det kr\u00e6ver ekspertise at vide hvordan man g\u00f8r det optimalt og hvordan man sikrer en fremtidssikret arkitektur. Derfor har vi udviklet Beacon Tower.<\/p>\n Cisco leverer traditionelt netv\u00e6rksinfrastruktur og forbindelseskomponenter og kombineret med IBMs backend og Watson avancerede analyser, supplerer de hver deres specialiteter.<\/p>\n For flere hospitaler g\u00e5r Cisco og GE sammen om at forbedre patient- og enhedsoptimering, for at reducere spild af artikler eller ikke-optimeret brug af udstyr – samarbejde mellem de store leverand\u00f8rer er blandet og matchet p\u00e5 tv\u00e6rs af brancher og vertikaler.<\/p>\n PTC erhvervede ThingWorx sammen med Axeda, hvor begge tilf\u00f8jede solid erfaring fra industriel IoT og bragte en komponentplatform til henholdsvis let mashup og visualisering med statistiske komponenter. Senere er ColdLight Machine Learning og forudsigende analyse blevet tilf\u00f8jet til portef\u00f8ljen.<\/p>\n Generelt er udfordringerne ved at opk\u00f8be og integrere eksisterende teknologi, er at man risikerer et kludet\u00e6ppe af “black box” teknologi der g\u00f8r det sv\u00e6rt at tilpasse til specielle krav, kompliceret at holde opdateret og som kunde b\u00f8r man ogs\u00e5 n\u00f8je overveje hvor mange leverand\u00f8rer der lokalt har ekspertise med teknologierne.<\/p>\n Til sammenligning, tilbyder Amazon Web Services (AWS) og Google Cloud, hvis tjenester kun leveres af deres offentlige skyer, mindre oplevelser med fysiske enheder p\u00e5 “the edge”. Nyligt samarbejde mellem AWS og Salesforce er blevet annonceret.<\/p>\n Valg af en kommerciel skytjeneste kr\u00e6ver en grundig analyse af kravene og prioriteterne for den virksomhed, der skal underst\u00f8ttes. F\u00f8lgende er en liste over eksempler p\u00e5 kriterier, der skal overvejes:<\/p>\n Geografi, lokale forekomster globalt:<\/strong> Lokal lovgivning kan kun kr\u00e6ve, at personoplysninger opbevares i indenlandsk datalagring. For andre datatyper styrkes hurtigere svarfrekvenser og dataredundans med skyopbevaring lokaliseret p\u00e5 det samme kontinent.<\/p>\n Fleksibilitet mellem Cloud og Edge:<\/strong> Protokolunderst\u00f8ttelse til b\u00e5de kortdistance og tr\u00e5dl\u00f8se tilslutningsmuligheder. Evnen til at implementere en ‘hybrid’ eller ‘lokal’ sky, dvs. udf\u00f8re tidskritiske beregninger p\u00e5 beregningsenheder t\u00e6ttere p\u00e5 enhederne for at garantere latens og stabilitet (f.eks. Off-shore vindm\u00f8ller eller fragtskibe). Desuden minimerer risikoen for datatab for knap tilsluttede industrielle IoT-anl\u00e6g, hvis dataoverf\u00f8rslen forstyrres. Reducer overf\u00f8rselsbelastningen, hvis omkostningerne ved data er h\u00f8je.<\/p>\n Underst\u00f8ttelse af udviklings- og eksperimentv\u00e6rkt\u00f8jer:<\/strong> Software Development Kit (SDK) til modellering af hurtig dataanalyse og tr\u00e6k-og-slip-visualisering med brugerinteraktionsmoduler. Ellers vil kodning p\u00e5 lavt niveau v\u00e6re n\u00f8dvendig?<\/p>\n Avanceret analyse og AI:<\/strong> Disse termer d\u00e6kker over et stort sp\u00e6nd; fra standard statistisk analyse til automatisk (overv\u00e5get eller ikke-overv\u00e5get) m\u00f8nstergenkendelse og indl\u00e6ringsalgoritmer, der udbygger viden om stadig st\u00f8rre datas\u00e6t p\u00e5 tilsyneladende ukorrelerede data.<\/p>\n Skal\u00e9rbarhed:<\/strong> Hvordan behandler leverand\u00f8ren virksomheder med enkle eksperimentelle datas\u00e6t med sandkasser; hvordan man \u00f8ger belastningen og support ved udrulning af bredere implementering og hvordan d\u00e6kker man omkostninger og branding af store operationer globalt?<\/p>\n One-stop shopping og support:<\/strong> Evnen til at tilbyde support og afb\u00f8de problemer p\u00e5 tv\u00e6rs af eksterne territorier. Vil leverand\u00f8ren proaktivt hj\u00e6lpe med at finde fejl uden for deres eget specifikke forretningsdom\u00e6ne?<\/p>\n Integration med produktionsstamdata:<\/strong> Evnen til at linke til (f.eks. SAP) stamdata fra produktionslogistikken til integration med livscyklusstyring af hvert produceret produkt repr\u00e6senteret ved digital tvillingfunktionalitet.<\/p>\n API-styring:<\/strong> Gr\u00e6nseflade til eksterne kilder (ind \/ ud) af f.eks. vejrdata, kortdata tilpasset fl\u00e5destyring, mashup af specifikke datas\u00e6t fra tredjeparter eller underst\u00f8ttelse af en platform til tredjeparts datam\u00e6gling.<\/p>\n Forretningsmodeller og omkostningsstruktur:<\/strong> Dybest set kan alle ovenn\u00e6vnte egenskaber og funktionaliteter p\u00e5virke cloud-leverand\u00f8rens prismodel: indsamlede data (samplingshastighed, antal dataelementer, gennemsnit \/ peak b\u00e5ndbredde osv.), samlet lagerplads, baggrund (kolde data) analyse, realtids (hot data) analyse, kompleksitet i analyse- og pr\u00e6sentationsbehov, implementering og versioninering p\u00e5 tv\u00e6rs af geografi, support til udvikling versus v\u00e6rkt\u00f8jsst\u00f8tte osv.<\/p>\n Som du sandsynligvis allerede har l\u00e6st andre steder p\u00e5 dette website, er Beacon Tower en meget fleksibel IoT-platform, der bruger de mange administrerede tjenester leveret af Microsoft Azure-skyen sammensat i et komplet framework med hensyn til implementering, overv\u00e5gning og vedligeholdelse. S\u00e5 i sammenligning med ovenst\u00e5ende udv\u00e6lgelseskriterier og oven p\u00e5 de fordele, som Forrester p\u00e5peger for Microsoft Azure, er Beacon Tower en endnu mere fleksibel, omkostningseffektiv og kraftfuld IoT-l\u00f8sning end hvad man f\u00e5r “out of the box” med standard Microsoft Azure-komponenter. L\u00e6s mere om platformen her<\/a>.<\/p>\n![\"\"](\"https:\/\/beacontower.io\/wp-content\/uploads\/2021\/05\/iot-cloud-providers.jpg\")
<\/strong><\/h1>\nSamarbejde og konsolidering<\/h2>\n
Eksempler p\u00e5 udv\u00e6lgelseskriterier<\/h2>\n
Hvordan passer Beacon Tower?<\/h2>\n