The Doppler Quarterly (日本語) 夏 2018 - Page 77

ネットワーク帯域幅 ̶ 前述のように、 IoT データパケットは本質的に小さいが、メッセージのボリュームは 巨大になる可能性があります。対応しないと企業 WAN の許容量を大きく超えてしまうことがあります。 ストレージ ̶ これらすべての IoT デバイスの真の価値は収集するデータにあります。すべてのデータは巨大 データレイクに保存され、分析のために維持されます。これはビジネスのストレージ計画に重大な影響を与える可 能性があります。つまり、 IoT データのボリュームのストレージとアーカイブに対応する必要があります。 でも心配はありません。 『ロボポカリプス』 のようなことは起こりません。 モノのインターネットは、今までの革命的なテクノロジーと同様に、頭にある視点とパラダイムを変える可能性があ ります。このような事態が起きても、成功には適切な設計と計画が必要です。IoT がもたらす課題を理解しなが らも、莫大なメリットがあることも分かっています。幸運なことに、課題に対応できるテクノロジーとプロセスがあ ります。その例としては、以下のようなものが挙げられます。 • パブリッククラウド - 1 つのソリューションは、クラウドのキーアプリケーションとデータストアに、最終保存 先として IoT デバイスの大群によって生成されたデータボリュームを移行することです。クラウドに移行する と、変動するデータボリュームをタイムリーに高コスト効率の方式で適応し、スケーリングできます。 • データガバナンス - IoT デバイスの課題がない場合でも、データプライバシーが現在のテクノロジー世界 で継続する問題です。GDPR は将来にわたって対応が必要となる問題の典型例です。すべてのデータプラ イバシーソリューションのクリティカルコンポーネントは、実際に保持しているデータの種類と場所を把握し ています。これには、強固なデータガバナンスプロセスが必要です。IoT デバイスからのデータをそのプロセ スに追加すると、プライバシー課題への対応の第一歩になります。 • ブロックチェーン - ブロックチェーンは分散型台帳テクノロジーであり、それ自体で多様な産業に革命的な 影響をもたらします。調査対象の興味深い領域は、機能を補完する IoT とブロックチェーンの組み合わせで す。分散性とコンテンツの不変性により、ブロックチェーンは IoT セキュリティ、正統性、およびプライバシー 問題に対応する魅力的なプラットフォームです。 • 機械学習 - 機械学習はセキュリティ課題の一部に対応できる可能性があります。機械学習アルゴリズムを 使用すると、受信したデータボリュームを検査できます。詐称された、または乗っ取られたデバイスによるセ キュリティリスクを示すデータ矛盾の識別パターンを検出します。 すぐには消えることのないレーダーの点 「レイクフライ」 のたとえは、たいしたことではありません。この小さな虫は、年に 1 回だけ出現し、 2、 3 週間でレー ダーから消えてしまいます。その一方で、アナリストの見積りと現在のトレンドから、モノのインターネットは普及 し、信じられない速度で成長しています。 レーダースクリーンでデータセンターの外に、 IoT が大きく点灯すると、大きな価値を生み出す可能性があります が、考慮すべき多くの課題もあります。多くの読者が何回も語るのを耳にしますが、適切な設計と計画が不要な テクノロジーはありません。モノのインターネットでは本当に必要です。 「虫」を払いのけようとしないでください。 その先に多くの仲間がいます。 2018 年夏号 | THE DOPPLER | 75