IoT-kostenanalyse: Wat serviceproviders en ondernemingen kunnen leren van cloudprijzen

Overzicht

Vandaag de dag migreren de meeste organisaties hun infrastructuur naar publieke cloudomgevingen en benutten deze platforms om het groeiende Internet of Things (IoT)-ecosysteem te beheren.

Meer dan twee derde van de ondernemingen gebruikt nu edge- en near-edge-computebronnen voor IoT-analyse, machine learning en andere data-intensieve taken. Toonaangevende hyperscale-providers – AWS, Google Cloud en Microsoft Azure – bieden pay-as-you-go IoT-services op maat van bedrijfsbehoeften.

Prijsonderzoek van 451 Research

Eerder dit jaar merkten analisten van het Digital Economics en IoT-team van 451 Research een prijsverlaging van ongeveer 50% bij Azure's IoT-services. Dit riep de vraag op: Welke hyperscaler – AWS, Google Cloud of Microsoft – biedt de laagste totale kosten?

Het team identificeerde negen prijsparameters die de totale kosten aanzienlijk kunnen beïnvloeden: gemiddelde berichtgrootte, berichtvolume, registerupdates en anderen. Met een machine-learning-benadering en een Python-simulatie vergelijken ze de Amerikaanse prijsmodellen van de drie platforms.

Na 10.000.000 simulaties onthulde de analyse dat Azure en AWS in specifieke scenario's kosten-effectief kunnen zijn, zoals geïllustreerd in het beslissingsboomdiagram. Microsoft bleek over het algemeen de goedkoopste optie op grote schaal, terwijl AWS de laagste prijzen bood voor de meeste typische enterprise-use-cases. Google Cloud kwam in geen enkele simulatie als goedkoopste uit.

Belangrijkste inzichten voor ondernemingen

• ML as a Service onthult inzichten – Het onderzoek toonde aan dat cloud-gebaseerde machine-learning-tools verborgen kostenefficiënties kunnen onthullen, maar succes vereist diepe domeinkennis om complexe prijsmodellen te interpreteren.
• Complexiteit blijft bestaan ondanks vereenvoudigde modellen – Ondanks pogingen om prijsmodellen te stroomlijnen, blijven nuances bestaan die organisaties vaak dwingen om handmatig verwachte kosten te berekenen, een praktijk die noch praktisch noch schaalbaar is.

Omdat cloudfacturering ver verwijderd is van een "net als elektriciteit"-utility, worstelen veel consumenten met het begrijpen waar ze voor betalen. Deze kennisgap biedt een duidelijke kans voor serviceproviders om complexiteit te reduceren, als bemiddeler op te treden tussen platforms en toegang tot machine learning te vereenvoudigen voor niet-experts.

Auteur: Owen Rogers, Research Director – Digital Economics Unit