6实时数据分析的最佳业务福利

1.按照业务的速度做出决定

我们在数据管理，BI和分析的世界中所做的大部分 - 即使是最新的数据科学和高级分析工具——仍然属于那个旧术语的范畴决策支持。这是一个很好的描述:软件支持你做出更好的决定。

正如我上面所建议的，随着业务的增长，更好的决策确实需要更快的决策。即使是规模不大的企业也在全球范围内进行在线交易，等待一夜之间的数据管理过程来协调是不够的数据仓库为了提供标准化的报告。远程或国际化的业务团队需要不断地、更频繁地获得最佳信息在仪表板中交付与直接的见解。

因此，企业中的实时数据的第一个和许多主要效益只是能够随时随地支持决策。

2.增加业务敏捷性和优化

陷入困难的陷阱，陷入更快的决策意味着它很容易更敏捷的业务。但实际上，业务灵活性不仅仅是关于决定 - 敏捷性也包括您的战略和战术业务目标。当您选择不同类型时，快速选择选项之间的选择无济果。

在若干行业中经过证明非常成功的经营敏捷性的方法是创建小型，知情，紧密专注的团队叫小队。例如，零售商可以使用小队来专注于生产，家庭货物或其他特定的商品类别，使他们能够快速，直接做出以前可能涉及相当大的管理审查的决定。制造商可能有专注于维护或安全的小队。

通过向队长授权迅速行动，如此接近您的运营，您可以更快地启用对不断变化的商业环境的反应。但是，如果班角具有所需的数据，这种方法只能有效，这必须连续地保持最新以匹配团队的紧迫性。这是实时数据的伟大用例。

3.快速检测并解决操作问题

队伍在科技产业中开始，但仍然在零售业到电信甚至最近，医疗保健 - 所有面临着迅速变化的市场和成本压力的企业，总是有目的地对他们的利润利润。

你并不一定需要一个团队来用实时数据改善业务运营。利用物联网传感器或视频馈送的数据来监控生产线的停工、积压和运行预测维护应用程序现在已经流行了几年。这是一个经典的实时运营改进的典型例子，并证明在减少制造工厂的停机时非常有效。

类似的方法可以应用于完全不同的场景。例如，实时交通状况报告和天气预报可以帮助物流公司更有效地安排送货卡车。如果这些卡车是冷藏的，车上的温度传感器也可以监测需要立即注意的问题或改变路线和发送实时警报。

公司也使用实时分析监控进货订单的余额和产品或零部件的可用性，以便他们能够迅速增加短缺的供应，并在生产、包装或运输落后于目标时检测对短期合同工的需求。

4.确定和行动短期市场变化

有些行业显然对市场的快速波动很敏感，股票交易就是一个明显的例子。当然，实时数据对于这种情况下的业务生存至关重要。

其他行业，如航空公司和酒店链，根据当前的活动，天气，油价等因素，管理价格和可用性，这些因素可以迅速改变。今天，有这么多零售经验在线进行，零售商也必须迅速应对不断变化的需求，成本和客户趋势。

实时数据对于所有这些场景都是非常宝贵的。如果你的库存和利润能让你深吸一口气，安然度过一些混乱时期，你就有可能放慢脚步。然而，如今很少有企业有这样的奢侈。相反，我们必须更加聪明地使用数据，以便更快、更有效地监控我们的市场。

5.个性化在线营销的客户体验

在线零售是一个很好的例子，说明实时数据如何使新的和更有效的客户体验。在砂砾店的旧时代，周到的工作人员将认识到，迎接并指导定期和最优惠的客户。今天，您更有可能被一台可以从您的在线行为获取实时数据的机器人识别。虽然机器人可能无法迎接您，但它肯定会确保主页，特别优惠，建议，以及在某些情况下，即使是配色方案也反映了对您的众多会议了解的内容。

有些人认为这种细心和自动定制可以是“令人毛骨悚然”，有点过于专注于舒适。但事实是，众多组织使用实时技术来个性化他们的网站和在线广告对于个别客户而言，如果没有人们甚至意识到它正在落后于场景，以满足他们认为是正常客户体验的想法。

6.通过最新信息改进客户服务

无论你是打电话给你的公用事业公司、有线电视供应商、移动网络运营商还是航空公司的客户服务，你现在的经验应该比几年前更好。为什么?因为所有这些行业，还有许多其他行业，都在实时数据集成他们的呼叫中心运营。

当呼叫中心代理查找某人的客户记录时，他们应该能够看到有关当地中断，故障设备，异常高的账单，取消的航班或其他问题的信息，然后就像他们与客户交谈一样。这种实时应用程序驱动的洞察力是现在的标准做法。

收集和管理实时数据

很难对实时数据管理所涉及的所有过程进行简明的描述。但是，有两种不同的收集和管理数据的方法很重要:微批处理和流处理。

大多数传统的数据存储库，如数据仓库和操作数据库，都以批量加载数据，并响应分析查询，其中数据集本身是一种批处理。处理批处理时，有一个开始和结束。提取，变换和负载是最常见的数据集成形式;我见过批次ETL流程这一过程持续了12个小时，装载了一个包含数百万条记录的数据仓库。这是一大批，当它成功地结束时，我总是很欣慰。

如果我们想要接近实时的数据收集——例如某些类型的性能数据——我们可以处理微批处理，有时一次只处理一条记录。如果数据管理环境能够处理这些数据，这些微批次就可以以非常快的速度被处理进和出分析系统，接近源的实时数据。尽管如此，微批仍然有起点和终点，并且应该具有传统数据集成技术的一些优势，比如在发生故障时的健壮事务处理。

流数据就像一条流动的河流，没有明确的起点和终点。的流媒体方法在从传感器(如连接物联网的设备中的传感器)收集实时数据时尤其流行，但数据流也可以来自事务日志、活动日志和其他来源。

对于简单的分析类型，如报告当前状况、监视异常和中断或优化业务流程以响应实时活动，流媒体可能是一个很好的选择。一个好的流媒体系统能够处理非常大的数据量，也使它适合数据科学应用程序。

但是，如果重要的是将实时数据与另一个来自另一个源系统的实时数据集成，微批处理可能是一个更好的解决方案。例如，处理航空公司门票和重新预订时，在飞行延误中涉及高卷的快速变化数据，但航空公司需要确保系统的每种变化都与交易安全地履行。微批处理用于此类方案。

实时数据分析的挑战

对许多企业的实时数据分析有一些真正的优势和好处。但是你需要意识到一些潜在的陷阱。尽管现在大多数实时数据被处理并存储在云中，但常涉及的纯粹量表需要特殊规划数据存储。的确，很多大数据它可以包括结构化和非结构化数据，由驱动实时分析的来源(如web流量日志和制造设备)生成。

如果需要审核或审查治理和遵守，您还需要仔细考虑您的数据归档策略。并且您需要在操作上，战术和战略性地规划，以解决系统中断，迟到的数据或其他问题实时处理问题。

尽管如此，目前从许多领先的分析供应商处获得有效的实时技术，实时流迅速成为主流。