Váženie výhod a nevýhod analýzy veľkých dát v reálnom čase

Obsah

Čo sú veľké dáta a ako sa líšia od analýzy veľkých dát v reálnom čase?
Pros
Zápory
záver
Žiadne chyby, žiadny stres - Váš sprievodca krok za krokom k vytvoreniu softvéru na zmenu života bez zničenia vášho života

Zdroj: Seoterra / Dreamstime

Zobrať:

Okamžitá dostupnosť údajov v reálnom čase sa môže javiť ako ideálny scenár, ale s výhodami sú aj nevýhody.

V tomto veku explózie údajov organizácie zbierajú a ukladajú údaje neustále sa zvyšujúcim tempom. Jednoduché zhromažďovanie týchto údajov pre vašu organizáciu však nemá žiadnu obchodnú hodnotu. Analýza a vizualizácia týchto veľkých údajov v reálnom čase premieňajú toto množstvo údajov na hodnotné štatistiky. Aj keď tento prehľad v reálnom čase môže mať pre vašu organizáciu veľký význam, má výhody aj nevýhody.

Čo sú veľké dáta a ako sa líšia od analýzy veľkých dát v reálnom čase?

Predtým, ako sa presunieme ďalej, budeme diskutovať o veľkých údajoch - čo presne to je? Tradične sa údaje ukladali oveľa ľahšie, pretože ich bolo oveľa menej. Veľké dáta vznikli, keď bolo potrebné ukladať súbory údajov v oveľa väčších množstvách. Nejde iba o údaje alebo súbor údajov, ale o kombináciu nástrojov, techník, metód a rámcov.

Veľké údaje môžu pochádzať z takmer všetkého, čo generuje údaje, vrátane vyhľadávacích nástrojov a sociálnych médií, ako aj z niektorých menej zrejmých zdrojov, ako sú energetické siete a dopravná infraštruktúra. Tieto údaje možno rozdeliť do troch typov: štruktúrované, pološtrukturované a neštruktúrované.

Veľké údaje sa zvyčajne zhromažďujú a analyzujú vo vopred stanovených intervaloch. S analýzou veľkých údajov v reálnom čase je však zber a analýza nepretržitá, čo poskytuje podnikový prehľad o všetkých minútach. (Viac informácií o analytike veľkých údajov nájdete v časti Ako môže veľká analýza údajov optimalizovať výkonnosť IT.)

Hadoop je najznámejší nástroj na analýzu veľkých údajov, ale nie je vhodný na spracovanie veľkých údajov v reálnom čase. Niektoré nástroje veľkých dát v reálnom čase zahŕňajú:

Storm - Jedná sa o distribuovaný výpočtový systém v reálnom čase, ktorý pracuje s akýmkoľvek programovacím jazykom a je škálovateľný. V súčasnosti ju vlastní.
GridGain - Jedná sa o podnikový open-source grid computing nástroj. Je kompatibilný s Hadoop DFS, ktorý ponúka náhradu za Hadoop's MapReduce.

Pros

Teraz je možné diskutovať o výhodách analýzy veľkých dát v reálnom čase.

Rýchlo rozpoznať chyby - Umožňuje predpokladať, že sa vyskytla chyba a je potrebné ju vyriešiť ASAP. Vďaka analýze veľkých dát v reálnom čase je možné túto chybu okamžite a rýchlo napraviť. To môže pomôcť zabrániť početnejším a / alebo závažnejším poruchám. Z dlhodobého hľadiska to tiež pomáha reputácii firmy - rýchle opravy chýb by mohli pomôcť získať viac zákazníkov.
Úspory - Aj keď implementácia analýzy údajov v reálnom čase môže byť drahá, vysoká hodnota okamžitej analýzy údajov môže tieto výdavky nahradiť.
Progresívne služby - Monitorovanie produktov a služieb prostredníctvom analýzy veľkých údajov by mohlo viesť k vyššej miere konverzie pre zákazníkov, čo by zase mohlo viesť k vyšším ziskom. Bezprostredné chyby a problémy možno ľahko predvídať pomocou analytických metód, ktoré by tiež mohli pomôcť pri zameraní sa viac na potreby zákazníkov.
Detekcia podvodov v reálnom čase - Tím, ktorý spravuje bezpečnosť systémov a serverov, môže byť rýchlo a ľahko informovaný o podvodoch, čo im umožňuje prijať opatrenia v reálnom čase hneď po zistení podvodu. (Viac informácií o detekcii podvodov nájdete v časti Machine Learning & Hadoop v časti Detekcia podvodov nasledujúcej generácie.)
Stratégie vo vzťahu k konkurentom - Konkurencia desí mnoho ľudí na súčasnom trhu a analýza veľkých údajov pomáha pri poskytovaní podrobného obrazu konkurentov, ako je uvedenie nového produktu, zníženie / zvýšenie cien na určité obdobie alebo zameranie sa na používateľov z konkrétneho miesta.
Štatistiky - Podrobné informácie o predaji sú nevyhnutné na to, aby ste vedeli, kde stojí predaj. Tieto informácie by mohli viesť k ďalším príjmom, ako je napríklad strata zákazníka v dlhodobom horizonte, kontrola miery odchodov a nájdenie optimálnych spôsobov zvýšenia predaja prostredníctvom analýzy veľkých údajov v reálnom čase.
Trendy - Rozhodnutia na základe analýzy zákazníckych trendov možno robiť pomocou analýzy veľkých dát v reálnom čase. To by mohlo zahŕňať ponuky, reklamy, potreby zákazníkov, ponuky dostupné pre konkrétnu sezónu a ďalšie. Preto môže zlepšiť aj dlhodobé rozhodnutia.

Zápory

Teraz sa pozrime na nevýhody.

Hadoop nie je kompatibilný - Ako už bolo uvedené, Hadoop, najpoužívanejší nástroj na analýzu veľkých dát, v súčasnosti nie je schopný spracovať údaje v reálnom čase. Preto sú potrebné niektoré ďalšie nástroje s očakávaním, že v budúcnosti Hadoop pridá funkčnosť pre prístup v reálnom čase.
Vyžaduje sa nový prístup - niektoré organizácie sú zvyknuté dostávať informácie raz týždenne. Pri neustálom príleve veľkých údajov v reálnom čase je však potrebný úplne odlišný prístup. Pre niektoré organizácie by to mohlo byť výzvou a mohlo by to viesť k prestavbe niektorých rozhodnutí a plánov.
Možné zlyhanie - Niektoré organizácie môžu vidieť veľkú analýzu údajov v reálnom čase ako novú lesklú hračku a chcú ju okamžite implementovať. Ak sa však nebude implementovať správne, môže to spôsobiť množstvo problémov. Ak podnik nie je zvyknutý na spracovanie údajov takou rýchlou rýchlosťou, môže to viesť k nesprávnej analýze, ktorá by mohla spôsobiť väčšie problémy pre organizáciu.

záver

Analytika veľkých dát v reálnom čase môže mať pre podnik obrovský význam, ale podnik musí najprv zistiť, či klady prevážia nevýhody v ich konkrétnej situácii, a ak áno, ako budú tieto nevýhody prekonané. Je to stále relatívne nová technológia, preto sa očakáva, že sa bude vyvíjať v budúcnosti a dúfajme, že vyrieši niektoré zo svojich súčasných výziev.