边缘分析是一种分析方法，可在系统的非中心组件，例如传感器、交换机和各种连接的设备上执行分析。换句话说，洞察力是在更接近收集数据的设备处获得的。
边缘分析的重要性
零售、能源、安全、制造和物流等行业可以从边缘分析支持的快速决策中受益。例如，自动驾驶汽车在遇到道路上的障碍物时需要在瞬间做出制动决定。在这种情况下，决策速度要求远远快于任何云计算解决方案所能提供的。企业正在网络边缘快速部署传感器和智能设备，以帮助更快地分析数据。
边缘分析的工作流程
边缘分析工具的一般工作流程遵循以下模式：
1、边缘的传感器或设备收集数据
2、设备内的分析功能支持在边缘执行分析
3、如果设备需要采取行动，它会根据分析结果采取行动。
4、相关数据从边缘传输到云端，因此企业可以通过汇总来自数千台设备的汇总数据来了解全局
边缘分析与常规分析的区别
边缘分析有与常规分析类似的功能，但执行、处理分析时是不一样的。边缘分析应用程序需要在具有内存、处理能力或时通信限制的边缘设备上工作。
边缘分析的优势
1、由于在数据源中识别出洞察力，因此可以更快、自主地做出决策，从而防止延迟
2、由于集中存储的数据较少，因此降低了中央数据存储和管理的成本
3、数据传输成本更低，因为与中央数据仓库通信的数据更少
4、更好的安全性/隐私性，因为最精细的数据（例如视频片段）不会存储或传输
边缘分析的实际用例
1、零售客户行为分析
零售商可以利用来自一系列传感器的数据，包括停车场传感器、购物车标签和商店摄像头。通过对从这些设备收集的数据进行分析，零售商可以借助行为定位为每个人提供个性化的解决方案。
2、远程监控和维护
当任何机器出现故障或需要维护时，能源和制造等行业可能需要即时响应。在不需要集中数据分析的情况下，组织可以更快地识别故障迹象并在系统内出现任何瓶颈之前采取行动。
3、智能监控
企业可以利用实时入侵者检测边缘服务来保障自身安全。通过使用来自安全摄像头的原始图像，边缘分析可以检测和跟踪任何可疑活动。
