在高防CDN加速中5G的机遇与挑战

业务升级

       5G将推进围绕IOT 、AI、 云等应用场景的“新基建”部署，未来将出现更多围绕5G、IOT、AI开展的新业务场景。这些场景不仅会创造更多的商业模式，同时也会优化或重构现有业务模式，将在5G的架构中进一步发展。随着V2X通信协议等在5G框架下的确认，国内汽车制造企业将统一按照5G协议开发出新一代的无人驾驶汽车。在不久的将来，我们将看到真正意义上的无人驾驶汽车应用到我们的生活当中。这将给产险公司创造新的险种，并在这种业务场景下，改变现有保险公司和车主之间利益全责关系，可能会出现车企、用户和保险公司共同的保险业务模式。

技术升级

       企业整体的技术架构或技术储备可以考虑一下三个方面？

以下从企业数据生命周期的四个阶：数据采集，数据存储和资源管理，数据分析和数据应用

来阐述5G时代给企业带来的技术升级的关键点。

数据采集

       5G推动IOT发展，企业在数据采用的范围将扩大至对IOT数据及非结构数据（图像、视频、语音等）；以客户为中心（或以客体事务为主），从数据采集的价值上将从客户的客观信息和app应用行为（一般采用埋点方式采集）延升至更多客户行为数据采集，这种场景体现在如汽车4S店安装摄像头等采集到店用户的图片，再逐步进行基于客户行为特征分析的意向预测等；又如在康养场景中，采集客户健康体征前期辅助医疗诊断等；因此该类数据（IOT和非结构数据）的应用，考虑到IOT数据具有时序性、高频次和时效性等特点，基于现有的大数据平台采集层一般欠缺对于时效性数据和高频次数据的采集能力；建议企业在数据采集层针对IOT数据采集和非结构化数据采集形成单独采集功能层，侧重于时效性数据和构建高频次数据采集的处理架构能力。 

数据存储和资源管理

       IOT数据采集和非结构化数据的采集伴随带来的是企业对于数据存储和算力资源的需要的爆发性增长；尤其是非结构化数据（图片、视频、语音等）、IOT数据虽然个体不大，但是IOT数据一般具备时序性，往往需要对一段时间内的连续性状态数据进行分析，因此IOT加非结构数据存储和计算必然对于现有大数据平台管理成本造成巨大的压力；针对该问题，除了要合理安排好硬件资源的采购计划外，另一方面还要对现有的存储和算力管理模式进行优化，其中最关键的一点是需要参考5G架构中边缘计算的架构机制优化企业数据存储和算力的资源分配机制，基于数据应用的价值要求、时效要求等，通过在边缘端（或客户端）部署规划存储和算力模块，分担企业数据中心(数据平台)的存储和算力压力，同时更好的划分清除数据中心和数据平台及边端服务在整个企业服务提供周期中所需要承担的任务和资源投入。

数据分析

       以往的数据分析从数据对象而言还是主要体现在针对结构化数据的处理和分析，针对非结构化数据也尽限于日志等；当IOT数据和非结构数据日趋变多，尤其是在分析过程的愈加重要的情况下。在数据分析模型上将采用更多针对客户消费行为或其他场景下的计算模型；而针对IOT时序数据的时序性数据分析模型也将更广泛的运用在精益制造、智能环境检测等。而随着边缘计算架构运用，数据分析模型的运行场景将会按照数据应用的时效和价值划分为边缘数据分析和中心云数据分析（把基于规则且需要做即使响应的模型比如人脸识别、设备故障预警下沉至边缘端处理，而把对时效并无要求或需要采用大量算力及数据的分析任务放在数据中心处理如客户交叉营销模型等）。

数据应用

       在5G的场景下，由于对于IOT数据、非结构化数据的应用价值被提上高度，我们可以看到对工业互联网、物联网、智能制造、智能园区和智能楼宇等应用场景有着推进作用；当然除此之外，对于以客户为中心提供服务的企业，原有的应用场景（如围绕客户中心的分析性应用客户360试图，客户精准营销等）也可以得到进一步的效能提升，对于客户的特征分析和预测将更客观更精准；对于客体事务为中心，如环保环境检测等，通过IOT和5G技术将进一步对运营效能和业务标准化起到数据化支撑作用。

5G时代的带来，在业务模式上和技术架构上带来了新的机遇和新的挑战。在这背后是企业IT科技部门的在企业发展过程中需要去承担更多面的角色和更重要任务。服务下沉、资源下沉和控制下沉，要求企业的IT科技部门除了作为中后台的服务部门为业务部门提供数据支持外，更多地参与一线的产品、服务设计。整体来说5G的挑战更多来自于企业如何定位IT科技部门在业务中的位置，这也对IT科技部门提出了更高的要求。