Трансформируйте свою бизнес-аналитику с помощью аналитики в реальном времени

Узнайте, как аналитика в реальном времени помогает организациям получать конкурентные преимущества в новую эпоху бизнеса, ориентированного на данные.

Что такое аналитика в реальном времени?

Люди, ответственные за принятие бизнес-решений, хотят своевременно получать более подробную аналитическую информацию, и аналитика в реальном времени, которую иногда называют эксплуатационной аналитикой, набирает популярность во всех отраслях. Ее инструменты получают практически значимую информацию как из исторических источников, так и из источников реального времени, которые постоянно передают данные в организацию.

Аналитика в реальном времени активно набирает популярность благодаря своей способности превращать данные в аналитическую информацию за секунды или даже доли секунды. Но есть и более простое определение аналитики в реальном времени — это способность предоставить информацию для анализа, создания отчетов и принятия решений сразу же после ее сбора любому сотруднику, которому она необходима. И зачастую такая информация предоставляется проактивно. Ваш эксплуатационный отдел, возможно, еще не осознал, что какое-то устройство вскоре откажет, но прогнозная аналитика своевременно выявит эту информацию.

Как этого достичь? Сначала подумайте о традиционных структурированных базах данных, например об SQL или системах бизнес-аналитики. В таком подходе информация хранится, индексируется и затем обрабатывается через запросы. Это было приемлемо в те времена, когда публикации в Twitter еще не могли служить началом модных тенденций, а ритейлеры не теряли клиентов, если не отправляли на их устройства своевременные и актуальные предложения продукции в пиковые периоды покупок.

Неумолимый темп развития бизнеса приводит к тому, что компаниям необходим новый подход к динамичности данных — к скорости их обработки. Вместо хранения и индексирования информации в традиционных базах данных сценарии использования данных в реальном времени требуют обработки данных «на лету» в процессе их потоковой передачи на сервер. Затем необходимо объединить данные реального времени с историческими данными.

Большинство компаний собирает огромное количество разнообразных данных, но не знает, как их использовать или объединить с внутренними или внешними данными, чтобы получить своевременную аналитическую информацию о своем бренде, впечатлениях клиентов или тенденциях рынка. Аналитика в реальном времени предоставляет способ выявить возможности всех этих данных и позволить принимать бизнес-решения со скоростью Интернета.

Каково экономическое обоснование аналитики в реальном времени?

Ритейлеры, производители, финансовые компании и целый ряд других отраслей стараются адаптироваться к быстрому темпу, с которым данные создаются и должны обрабатываться и анализироваться, чтобы опережать постоянно растущие потребности клиентов и справляться с давлением со стороны конкурентов.

Обычно ценность данных значительно снижается со временем. Благодаря обработке в реальном времени качество данных не снижается, а аналитику можно применять к бизнес-процессам, имеющим узкие временные окна или требующим мгновенной реакции на быструю смену событий.

По мере увеличения потока данных с датчиков и из Интернета вещей необходимость этого процесса становится более насущной, так как такие данные могут обесцениться за несколько дней, часов, минут или даже секунд. Например, данные Интернета вещей, используемые для управления беспилотным грузовиком, являются отличным примером информации, которая становится ненужной или даже опасной, если поступает даже с малейшей задержкой. Таким же образом данные, которые указывают на износ станка или производственной линии, становятся бесполезными, когда наступает сбой.

Аналитика в реальном времени устраняет многие болевые точки компании. Интернет-продавцы объединяют активность транзакций и веб-поиска, чтобы определить следующее подходящее предложение для клиента. Банки анализируют поведение клиентов, чтобы выявить мошенническую деятельность или признаки того, что клиент, работающий с одним из отделов, готов обдумать предложение другого отдела. Динамическое ценообразование, управление рисками, оптимизация колл-центров и обеспечение безопасности — это лишь часть тех процессов, которые помогает оптимизировать аналитика в реальном времени.

В этих случаях данные в реальном времени позволяют компаниям предоставлять дополнительные услуги и продукты именно в тот момент, когда они нужны клиенту, и защитить себя от отрицательных последствий до того, как они могут нанести серьезный ущерб. Аналитика в реальном времени может отделить зерна от плевел. По мере роста темпов развития бизнеса системы раннего предупреждения, которые продвигает аналитика в реальном времени, станут сначала ключевыми отличительными особенностями, а затем и предметами первой необходимости, обеспечивающими то качество обслуживания, которого ожидает пользователь.

Как аналитика в реальном времени соответствует общей стратегии аналитики?

Аналитика — это целая область, и большинство компаний внедряют сочетание аналитических подходов на основе используемых типов данных, рабочих нагрузок и того типа бизнес-проблем, которые они пытаются решить. Сегодня аналитика делится на пять категорий: описательная, диагностическая, прогнозная, предписывающая и когнитивная.

Описательная аналитика отвечает на вопросы о том, что случилось в прошлом. Диагностическая предлагает аналитическую информацию о том, почему эти события произошли. Прогнозная аналитика анализирует текущие и исторические данные для предоставления информации о том, что может случиться в будущем. Предписывающая аналитика предлагает действия, которые компания может предпринять на основе этих прогнозов, а когнитивная автоматизирует или дополняет решения, принятые людьми.

Эти пять категорий надстраиваются друг над другом подобно ступеням, по которым компания идет вверх к формированию организации, работающей по требованию, где решения принимаются быстрее и лучше.

Прогнозная аналитика представляет собой отправную точку расширенной аналитики, где принятие решений может основываться на информации в реальном времени. Прогнозная аналитика — это сценарий использования, который реализует преимущества возможностей аналитики в реальном времени.

Независимо от типа аналитики, который используется в компании, необходимо внедрять комплексную стратегию работы с данными, созданную на основе современной инфраструктуры. Это позволит устранить разрозненность данных и разобщенность внутри организации. Общей чертой всех этих типов аналитики является способность собирать, хранить, анализировать и защищать данные, позволяя аналитической информации быстро масштабироваться внутри организации для своевременного принятия решений.

Какие требования к инфраструктуре и навыкам предъявляет аналитика в реальном времени?

Пакет решений для аналитики состоит из четырех слоев: инфраструктура, данные, аналитика и область применения. Технологии Intel® охватывают все важные компоненты инфраструктуры компании — сеть, СХД и вычисления, — позволяя эффективно управлять данными и быстро использовать их для получения конкурентного преимущества. Согласованная архитектура, например архитектура на базе масштабируемых процессоров Intel® Xeon®, на всех уровнях организации обеспечивает прогнозируемый путь для быстрого масштабирования аналитических программ без необходимости в поддержке нескольких архитектур.

Традиционные решения для больших данных, ориентированные на хранение данных, не подходят для большинства сценариев обработки данных в реальном времени. Все больше поставщиков облачных услуг предоставляют платформу как услугу (PaaS) и программное обеспечение как услугу (SaaS), которые можно использовать для обслуживания аналитики в реальном времени. Посреднические решения в облачных средах позволяют компаниям выполнять рабочие нагрузки в любом месте в зависимости от объема, разнообразия и динамичности информации.

Так как компании создают огромное количество данных в облаке, они должны определить, какие данные необходимо переместить обратно в корпоративную СХД для принятия обоснованных решений. Данные в реальном времени можно обрабатывать на периферии, когда они анализируются непосредственно в точке сбора или рядом с ней. Тем не менее для аналитики в реальном времени в центре обработки данных требуется быстрый доступ к большим и постоянно растущим объемам данных, а также их анализ. А значит, очень важно оптимизировать инфраструктуру на всех уровнях — от процессора до памяти и подсистем хранения. Технологии энергонезависимой памяти позволяют перенести больше данных ближе к ЦП и сохранить их в памяти в случае отключения питания, устраняя задержки, вызванные ограничениями подсистемы ввода-вывода, получая данные с более медленных твердотельных накопителей и ускоряя перезагрузку системы.

Аналитика в реальном времени собирает данные из любого места в любом формате и превращает их в нужную форму записи для обработки в совокупности. Главное — понять, где данные создаются и как они будут использоваться для улучшения бизнес-процессов и принятия решений.

Кто играет ключевую роль в развитии аналитики в реальном времени?

Будучи технологическим партнером в области аналитики, Intel предоставляет гибкие возможности выбора из ведущих в отрасли программных решений для аналитики — как проприетарных, так и на основе открытого исходного кода.

SAP HANA* — единая база данных, которая сочетает базу данных с расширенной обработкой данных, сервисами приложений и гибкими сервисами интеграции данных. HANA использует программное обеспечение базы данных в оперативной памяти — запрос данных, которые находятся в системной памяти (или ОЗУ), а не данных, хранящихся на физических дисках.

Это позволяет клиентам гораздо быстрее обрабатывать данные множеством новых способов и создавать целый ряд потенциальных сценариев, помогая реализовывать возможности или избегать проблем. Другие поставщики традиционных технологий, например IBM и Oracle, также внедрили в свои платформы поддержку операций в реальном времени.

Решения на базе открытого исходного кода, в основе которых используется базовый код Apache Spark*, позволяют применять аналитику в реальном времени к неструктурированным данным, например к данным социальных сетей, изображениям и видео. Spark использует аналитику в оперативной памяти, которая масштабируется во многих системах, что позволяет параллельно обрабатывать большие объемы данных.

Многие из этих решений можно использовать в облаке, что позволяет выполнять аналитику там, где создаются такие данные, например, анализировать данные социальных сетей и Интернета вещей. В результате компании могут запрашивать данные транзакций и интернет-данные, чтобы выявить шаблоны и тенденции в реальном времени и двигаться в том же темпе, что весь мир и их клиенты.

На рынке постоянно появляется множество разнообразных решений и новых игроков. Это создает насыщенную экосистему решений, которые отлично подходят для реализации преимуществ возможностей вычислений, сетей и СХД, предоставляемых Intel, и обеспечивают все большую динамичность корпоративной аналитики и процесса принятия решений.

Как аналитическая информация в реальном времени позволяет получить новые преимущества для бизнеса


Аналитика в оперативной памяти делает данные ближе (2 из 2)

Аналитика в оперативной памяти помогает организациям получать конкурентные преимущества в новую эпоху бизнеса, где на первом месте стоят данные.

Подробнее

Расширенная аналитика

Новый уровень бизнес-инновации требует ускоренного получения аналитической информации. Начните с продукции и технологий Intel®.

Подробнее

Масштабируемые процессоры Intel® Xeon®

Масштабируемые процессоры Intel® Xeon® нового поколения оптимизированы под рабочие нагрузки для поддержки приложений с интенсивной обработкой данных.

Подробнее

Технология Intel® Optane™

Новая память премиум-класса, которая способна изменить способы создания и использования компьютеров.

Подробнее