創新對于保持業務相關性和避免業務中斷的企業來說至關重要，但是這些創新將會在哪里出現呢？
行業專家認為，創新不會發生在云端，而是在邊緣。然而，邊緣計算也只是云計算的一種延伸。那么這意味著什么？因為云計算和邊緣計算可能會一起工作。
另外，蘋果公司日前推出的iPhone X手機采用的面部識別技術之類的技術是否會給用戶個人信息帶來更大的風險，這引起了人們的關注。
在此之前，蘋果公司的智能設備使用了指紋識別技術，而一些安卓智能設備采用虹膜識別技術。因此，科幻小說中的情節很快成為了科學事實。
企業需要未雨綢繆，尤其是需要應對五個月后生效的歐盟“通用數據保護條例（GDPR）”。為了確保零售商、政府機構、緊急服務機構，以及其他組織不違反法規標準，人們需要考慮采用面部識別、車牌識別、車輛傳感器等技術是否能夠符合GDPR的規定和要求。
賦予公民權力
Index Engines公司營銷和業務發展副總裁Jim McGann就這些法律規定提出了自己的想法：“GDPR將個人數據的權力交給了公民。所以，那些在歐盟（包括美國）開展業務的公司必須遵守這個法規。”
他補充說，GDPR對于組織進行數據管理提出了一個關鍵問題。很多時候，組織很難在他們的系統或紙質記錄中查找個人數據。而且通常他們無法知道數據是否需要保存、刪除、修改或糾正。因此，由于可能面臨巨大的罰金，GDPR將把組織的責任推到一個新的高度。
不過，他提供了采用相關解決方案的建議：“我們提供信息管理解決方案和應用策略來確保組織的業務符合數據保護條例。需要對PB級數據進行整理，但是組織對于存在什么樣的數據并沒有真正的理解。Index Engines公司通過查看不同的數據源來了解可以清除的內容，從而提供清除這些數據的服務。許多組織可以釋放30％的數據，這使得他們可以更有效地管理數據。一旦組織可以有效地管理數據，他們就可以對其實施相應的策略和措施，因為大多數公司都知道什么類型的文件包含個人數據。”
清除數據
McGann繼續說道：“其中大部分數據是非常敏感的，所以很多公司不愿意談論這些，但是我們通過法律咨詢公司也做了很多工作，以使組織遵守法規。”
例如，財富500強電子制造商Index Engine公司完成了數據清理工作，該公司發現其40％的數據不再包含任何商業價值。因此，該公司決定將其清除。
他指出：“這樣可以節省數據中心的管理成本：他們通過清理數據獲得了積極的結果，但如果是一家上市公司，就不能隨意刪除數據，因為存在法規遵從性問題。”在某些情況下，需要保存文件長達30年。他建議，“企業需要詢問這些文件是否具有商業價值或任何法規遵從要求。”例如，如果沒有合法的理由保存數據，那么它就可以被刪除。一些公司也正在將其數據遷移到云端，以便從數據中心刪除數據。
在這個過程中，很多公司需要檢查數據是否具有商業價值，以便做出他們的數據遷移決定。組織需要考慮他們的文件中存在什么內容——無論是用于數據管理、備份和存儲的邊緣計算還是云計算。
確保信息合規
因此，重要的是組織要探索如何防止新技術被消費者和公民所不喜歡的方式使用，并考慮如何使用這些數據為組織和消費者創造價值，這是非常重要的。而使用這些數據的組織需要在提供、使用、保護，以及改進數字服務方面注意信息安全。
例如，面部識別技術有許多應用程序，其作用不僅僅是允許用戶解鎖智能手機上的應用程序，也可以用于支付費用。通過智能手機的面部識別技術，其圖像被保存在本地部署的數據中心中。盡管如此，人們仍然需要在數據庫上保留一定數量的數據，而這些數據也需要得到保護，以防止黑客利用個人數據進行惡意攻擊。
在邊緣計算中的創新
隨著組織對自主汽車和智能城市的投入日益增加，以及自動緊急制動（AEB）等聯網的汽車技術的發展，2018年也需要考慮創新的場所，以及是否需要在法規遵從和創新之間取得平衡。
此外，越來越多的人認為，創新將出現在邊緣計算而不是云端，而邊緣計算只是云計算的一種延伸。即使數據要靠近源頭進行分析，大量數據仍然需要在其他場所進行分析。數據和網絡延遲是一種歷史的障礙，人們希望延遲的影響可以減少或消除。
邊緣計算可以擴展數據中心的能力，允許大量規模較小的數據中心來存儲、管理和分析數據，同時允許一些數據可以由一個斷開的設備或傳感器進行管理和本地分析（例如連接的自主汽車）。一旦出現網絡連接，其數據就可以備份到云端，以便進一步采取行動。
數據加速
減少網絡延遲和數據延遲可以改善客戶體驗。但是，由于數據傳輸到云端的可能性較大，網絡延遲和數據包丟失可能會對數據吞吐量產生相當大的負面影響。如果沒有諸如PORTrock IT等機器智能解決方案，延遲和數據包丟失的影響可能會抑制數據和備份性能。
如果面部識別技術的數據庫無法快速傳送公民身份和移民信息，這可能會導致機場延誤，并可能發生事故或自動駕駛汽車出現技術問題。
隨著自動駕駛汽車技術的出現，汽車產生的數據將會以一種持續不斷的方式來往于車輛之間。這些數據中的一部分（例如關鍵狀態和安全數據）需要快速響應的周轉，而其他數據則通常是道路信息，例如交通流量和行駛速度。自動駕駛汽車通過4G或5G網絡將安全關鍵數據全部發送回中央云位置，在開始收到數據之前，由于網絡延遲，可能會在周轉時增加大量數據延遲。而目前還沒有簡單而經濟的方法來減少網絡間的延遲。光速是人們無法改變的主要因素。因此，如何有效和高效地管理網絡和數據延遲，這至關重要。
大量數據的挑戰
日立公司表示，自動駕駛汽車每天將創造大約2PB的數據。預計聯網的汽車每小時將創建大約25TB字節的數據。考慮到目前在美國、中國和歐洲有8億多輛汽車。因此，在不久的將來突破10億輛，如果其中一半的汽車具備完全網絡連接，假設每天平均使用3小時，那么每天將會創造375億千兆字節的數據。
如果像預期的那樣，大部分的新車在21世紀20年代中期都是自主駕駛的汽車，那么上述數字就顯得微不足道了。很明顯，并不是所有的數據都能夠在沒有一定程度的數據驗證和減少的情況下立即被傳送回云端。必須有一個折衷的方案，而邊緣計算可以支持這種技術，可以應用在自動駕駛車輛。
從物理角度來看，存儲日益增多的數據將是一個挑戰。數據的大小和規模有時是十分重要的。由此產生了每GB成本的財務和經濟問題。例如，雖然人們認為電動汽車是未來的主流，但耗電量必然會增加。
此外，還需要確保個人或設備創建的大量數據不違反數據保護立法也是必要的。
客服