随着物联网(IoT)的发展，越来越多的设备被连接起来，生成海量数据，并实现了“数据化”。数据化之后，自然就需要“数据解构”。
何为数据解构?公认的定义是：对数据进行“存储、搜索、挖掘、整合、应用”等一系列过程。但个人认为，这未免过于抽象。
以图像识别为例，要在图像中查找某个人物(或物体)，需要对图像进行以下操作：
1、图像存储：先把图像存起来；
2、图像搜索：在存储的图像中，查找某个人物(或物体)；
3、图像挖掘：找到的该人物(或物体)可能存在于多个图像中；
4、图像整合：把多个图像中的人物(或物体)整合到一起；
5、图像应用：比如，该人物(或物体)一旦被识别出来，就可以跟他(它)互动，他(它)会根据预先设定的条件去做一些事情。
这个过程，与其说是“数据解构”，不如说是“按需数据处理”：先存起来，按需搜索、挖掘、整合，再去做应用。
把图像中的人物(或物体)识别出来，只是数据应用的初级形式。真正的数据应用，形式非常复杂，而且一定是个性化的。
每个人的数据都是独一无二的。每个人的数据需求，也是独一无二的。 以工业生产为例。同一型号的机床，A公司的生产效率总比B公司高5%。凭什么?就凭A公司对数据的处理能力。
比如，A公司部署了一套基于云计算的“机床数据管理系统”，可以实现对机床运行数据的实时获取、存储、分析、挖掘、整合和应用(比如，通过对机床运行数据的分析，发现某个零部件寿命即将到期，就会提前向仓库发送更换提醒；通过对机床运行数据的挖掘，发现某个零部件的重量每减少10%，就能把生产效率提升3%，并立即反馈给设计部门等等)。
由于A公司有了这套系统，终于把生产效率提升了5%。
5%是什么概念呢?如果A公司的年产值是10亿元，那就等于每年比B公司多创造了5000万元的财富。
在这个案例中，云计算担当了重要的角色。正是这套机床数据管理系统部署在云端，才使得A公司对机床运行数据的实时处理变成了可能。
然而，部署在云端的数据管理系统，只是这套系统的“大脑”。分布在各台机床本地的传感器、控制器、智能模块等，才是这套系统的“神经网络”。
没有分布在各台机床本地的传感器、控制器、智能模块等，部署在云端的数据管理系统就变成了一堆废物。
所以，在物联网(IoT)时代，特别是在云计算时代，“智能边缘计算”的概念已经变得越来越重要。
如果说，“云计算”是智能时代的大脑(负责思考)，那么，“智能边缘计算”就是智能时代的神经网络(负责行动)。
没有“智能边缘计算”，就没有真正的“云计算”。没有“智能边缘计算”，就没有真正的“大数据”。
在不久的将来，“智能边缘计算”将会变得越来越普及。请记住这个趋势，并在适当的时机介入，这可能会给您的企业带来重要的商业价值。
本文由mdnice多平台发布
