Анализ стоимости IoT: что провайдеры услуг и предприятия могут извлечь из ценового моделирования облачных сервисов

Обзор

Сегодня большинство организаций переносят свою инфраструктуру в общедоступные облачные среды и используют эти платформы для управления растущей экосистемой Интернета вещей (IoT).

Более двух третей предприятий уже используют периферийные и ближние к периферии вычислительные ресурсы для аналитики IoT, машинного обучения и других задач, интенсивно использующих данные. Ведущие гипермасштабируемые провайдеры — AWS, Google Cloud и Microsoft Azure — предлагают услуги IoT с оплатой по мере использования, адаптированные под потребности предприятий.

Исследование цен 451 Research

В начале этого года аналитики отдела цифровой экономики и IoT компании 451 Research отметили примерно 50% снижение цен Azure на IoT. Это вызвало ключевой вопрос: какой гипермасштабируемый провайдер — AWS, Google Cloud или Microsoft — предлагает наименьшую общую стоимость?

Команда выделила девять параметров ценообразования, которые могут существенно повлиять на общую стоимость: средний размер сообщения, объем сообщений, обновления реестра и другие. Используя подход машинного обучения и симуляцию на Python, они сравнили ценовые модели трех платформ для рынка США.

Проведя 10 000 000 симуляций, анализ показал, что Azure и AWS могут быть costo-эффективны в определенных сценариях, как проиллюстрировано на диаграмме дерева решений. В целом Microsoft стал более дешевым вариантом при крупном масштабе, тогда как AWS предлагал самые низкие цены для большинства типичных сценариев использования предприятий. Google Cloud не стал самым дешевым ни в одной симуляции.

Ключевые выводы для предприятий

• Машинное обучение как сервис открывает инсайты — исследование продемонстрировало, что облачные инструменты машинного обучения могут выявить скрытые возможности для оптимизации затрат, но успех требует глубокой предметной экспертизы для интерпретации сложных моделей ценообразования.
• Сложность сохраняется даже при упрощенных моделях — несмотря на усилия по упрощению ценообразования, нюансы остаются, что часто заставляет организации вручную рассчитывать ожидаемые затраты — практику, которая ни практична, ни масштабируема.

Поскольку облачное биллинг далеко от модели «как электричество», многие потребители не могут понять, за что они платят. Этот пробел в знаниях создает четкую возможность для провайдеров услуг снизить сложность, выступать брокерами между платформами и упростить доступ к машинному обучению для неэкспертов.

Автор: Оуэн Роджерс, директор по исследованию — подразделение цифровой экономики