實(shí)時(shí)分析被認(rèn)為是數(shù)據(jù)分析領(lǐng)域的巨大飛躍。但是，究竟是什么是實(shí)時(shí)分析？

當(dāng)系統(tǒng)正在處理和分析即時(shí)加載或不超過一分鐘之前產(chǎn)生有意義的信息的數(shù)據(jù)時(shí)，據(jù)說正在執(zhí)行實(shí)時(shí)分析。這只是意味著系統(tǒng)有效地在數(shù)據(jù)到達(dá)時(shí)處理數(shù)據(jù)，而不會(huì)在以后的時(shí)間內(nèi)存儲(chǔ)和檢索數(shù)據(jù)。系統(tǒng)動(dòng)態(tài)地運(yùn)行，使用可用的資源實(shí)時(shí)執(zhí)行數(shù)據(jù)捕獲，集成，分析和報(bào)告。

意義

對(duì)于數(shù)據(jù)驅(qū)動(dòng)的現(xiàn)代企業(yè)來說，實(shí)時(shí)分析是一個(gè)福音。決策是任何業(yè)務(wù)和數(shù)據(jù)形式的組成部分，是此過程的重要組成部分。無論是規(guī)劃，預(yù)測(cè)還是測(cè)試，都是他們需要的數(shù)據(jù)。

實(shí)時(shí)分析在大數(shù)據(jù)的接受率和生命周期發(fā)展中占有重要的一席之地，大數(shù)據(jù)仍處于初級(jí)階段。實(shí)時(shí)的步伐部分被認(rèn)可為高級(jí)分析的規(guī)定性和預(yù)測(cè)性。實(shí)時(shí)分析的傾向代表了大數(shù)據(jù)在轉(zhuǎn)型模式的生命周期中的決定性階段。隨著數(shù)據(jù)管理領(lǐng)域的分析變得越來越普遍，他們的表現(xiàn)速度被記憶在諸如內(nèi)存計(jì)算，存儲(chǔ)庫(kù)同時(shí)讀取和寫入數(shù)據(jù)的多任務(wù)能力以及大數(shù)據(jù)集搜索工具的功能等因素。

革新

新的商業(yè)智能技術(shù)的改進(jìn)或創(chuàng)新是捕獲這種數(shù)據(jù)的必要條件，以便能快速檢索以支持決策。他們必須應(yīng)對(duì)數(shù)據(jù)的巨大規(guī)模，實(shí)時(shí)分析的作用變得更為詳盡。然而，好消息是，新的和更先進(jìn)的技術(shù)正在發(fā)展，以處理這種非傳統(tǒng)和復(fù)雜的數(shù)據(jù)。諸如Hadoop之類的軟件框架已經(jīng)引發(fā)了可以從不同來源產(chǎn)生定性信息的破壞性技術(shù)，并且也在不斷發(fā)展到下一個(gè)階段。

在某些情況下，實(shí)時(shí)大數(shù)據(jù)分析可以最大限度地提高回報(bào)并降低成本，同時(shí)也預(yù)示著機(jī)器可以通過物聯(lián)網(wǎng)（IoT）使用實(shí)時(shí)信息進(jìn)行交互的時(shí)代，使自己做出直觀的決策。

啟示

機(jī)構(gòu)和企業(yè)多年來存儲(chǔ)大量數(shù)據(jù)。雖然過去的數(shù)據(jù)整齊地以表格的形式排列，但是今天以網(wǎng)絡(luò)日志，社交媒體內(nèi)容，人口普查報(bào)告，客戶服務(wù)記錄等形式出現(xiàn)的數(shù)據(jù)爆炸性大多數(shù)是非結(jié)構(gòu)化或半結(jié)構(gòu)化的。數(shù)據(jù)量，數(shù)據(jù)速度和數(shù)據(jù)多樣性，對(duì)于處理大量數(shù)據(jù)，結(jié)構(gòu)化或非結(jié)構(gòu)化，舊的或最新數(shù)據(jù)的數(shù)據(jù)科學(xué)家而言，這些都變得至關(guān)重要。

演化

實(shí)時(shí)商業(yè)智能技術(shù)的根源源自航空，國(guó)防和機(jī)器人等動(dòng)態(tài)功能部門。這些部門不斷發(fā)展實(shí)時(shí)訪問實(shí)時(shí)數(shù)據(jù)的技術(shù)，以提供高度響應(yīng)的結(jié)果。一些技術(shù)包括：

大規(guī)模并行編程（MPP）

這種類型的處理涉及多個(gè)處理器以協(xié)調(diào)的方式工作，通過使用自己的單獨(dú)處理器，內(nèi)存和操作系統(tǒng)。MPP允許并行搜索大量數(shù)據(jù)庫(kù)。

數(shù)據(jù)倉(cāng)庫(kù)設(shè)備（DWA）

數(shù)據(jù)倉(cāng)儲(chǔ)的創(chuàng)新實(shí)時(shí)架構(gòu)，明確針對(duì)大數(shù)據(jù)分析; 它為這種類型的工作負(fù)載提供了令人難以置信的性能。

內(nèi)存處理（PIM）

這是一種集成芯片架構(gòu)，可將處理器并入內(nèi)存芯片中，從而最大限度地延長(zhǎng)時(shí)間。

級(jí)數(shù)

作為一個(gè)持續(xù)的過程，RTBDA涉及多個(gè)系統(tǒng)和工具。它可以分為幾個(gè)階段，具體取決于上下文。

數(shù)據(jù)驗(yàn)證

此階段包括提取符合數(shù)據(jù)建模資格的相關(guān)特征。集成來自不同來源的非結(jié)構(gòu)化數(shù)據(jù)，可以對(duì)不相關(guān)的數(shù)據(jù)進(jìn)行過濾，同時(shí)可以發(fā)送蒸餾數(shù)據(jù)集進(jìn)行處理。

實(shí)時(shí)得分

終端用戶在決策層使用動(dòng)作啟動(dòng)評(píng)分。這里，排列的評(píng)分規(guī)則與要分開部署的數(shù)據(jù)疏遠(yuǎn)。

資料復(fù)興

這個(gè)階段不斷地刷新變化的數(shù)據(jù)，因?yàn)槟_本運(yùn)行數(shù)據(jù)并構(gòu)建可以重新使用以更新模型的模型。

應(yīng)用

實(shí)時(shí)分析的一個(gè)理想示例可以是能夠提供超快速結(jié)果的基于云的CRM。有關(guān)客戶及其人口統(tǒng)計(jì)，購(gòu)買歷史記錄和偏好設(shè)置的最新信息有助于做出更快的業(yè)務(wù)決策。實(shí)時(shí)分析可以刷新銷售和客戶支持儀表板，立即提高客戶體驗(yàn)。

此外，實(shí)時(shí)分析不僅可以幫助您衡量自己的指標(biāo)，還可以讓您即時(shí)評(píng)估競(jìng)爭(zhēng)對(duì)手或合作伙伴的業(yè)績(jī)報(bào)告。

隨著大數(shù)據(jù)的出現(xiàn)涉及大量非結(jié)構(gòu)化數(shù)據(jù)，實(shí)時(shí)分析框架和工具可以幫助您更準(zhǔn)確，快速地收集，驗(yàn)證，分析和利用它。當(dāng)數(shù)據(jù)到達(dá)時(shí)，當(dāng)實(shí)時(shí)完成時(shí)，可以建立全新的分析/預(yù)測(cè)應(yīng)用模塊。這使企業(yè)能夠快速做出數(shù)據(jù)驅(qū)動(dòng)的決策，并有更多的信心。

優(yōu)點(diǎn)

更快的結(jié)果

當(dāng)數(shù)據(jù)為原始數(shù)據(jù)時(shí)，可以立即對(duì)數(shù)據(jù)進(jìn)行分類，使查詢能夠檢索合適的數(shù)據(jù)，從而使系統(tǒng)能夠快速對(duì)其進(jìn)行排序。這有助于預(yù)測(cè)數(shù)據(jù)趨勢(shì)，從而使決策更快更有效率。

不會(huì)那么貴

這并不意味著實(shí)時(shí)技術(shù)便宜。但是，可以避免接收信息的延遲和對(duì)死端結(jié)果的資源的使用。從長(zhǎng)遠(yuǎn)來看，多重和不變的收益使其更有利可圖。

精準(zhǔn)成果

大數(shù)據(jù)可能需要花費(fèi)額外的時(shí)間來收集可能與業(yè)務(wù)完全不相關(guān)的數(shù)據(jù)。實(shí)時(shí)分析旨在通過使用始終有用的即時(shí)分析來集中成果。

總結(jié)

數(shù)據(jù)已經(jīng)以各種形式收集了數(shù)千年。

互聯(lián)網(wǎng)的爆炸使我們獲得了大數(shù)據(jù)，而且我們正在進(jìn)一步將其進(jìn)一步增加到不可想象的水平。

涉及大量非結(jié)構(gòu)化數(shù)據(jù)的物聯(lián)網(wǎng)（IoT），實(shí)時(shí)分析框架和工具可以幫助我們更準(zhǔn)確，快速地收集，驗(yàn)證，分析和利用它。

當(dāng)數(shù)據(jù)到達(dá)時(shí)，當(dāng)實(shí)時(shí)完成時(shí)，可以建立全新的分析/預(yù)測(cè)應(yīng)用模塊。

實(shí)時(shí)分析使業(yè)務(wù)能夠快速做出數(shù)據(jù)驅(qū)動(dòng)的決策，并有更多的信心。