雖然實時分析和大數(shù)據(jù)都是趨勢，但它們的組合實時大數(shù)據(jù)分析似乎應(yīng)該是一個非常有前途的舉措，應(yīng)該是許多企業(yè)所渴望的。讓我們看看這是否真的如此。
您會發(fā)現(xiàn)本文提供了豐富的實時客戶大數(shù)據(jù)分析示例。我們這樣做是為了方便和一致性。盡管有更多領(lǐng)域可以應(yīng)用實時數(shù)據(jù)分析。
如果您因為認(rèn)為實時不可能有兩種定義而打算跳過本節(jié)，請不要感到驚訝——確實有。事實上，實時的定義非常模糊，它因公司而異，或者更準(zhǔn)確地說，因業(yè)務(wù)任務(wù)而異。
我們的大數(shù)據(jù)咨詢團(tuán)隊提出了以下定義：
實時大數(shù)據(jù)分析意味著大數(shù)據(jù)在到達(dá)時進(jìn)行處理，并且業(yè)務(wù)用戶在不超過分配給決策制定的時間段的情況下獲得有用的見解，或者分析系統(tǒng)觸發(fā)操作或通知。
由于實時經(jīng)常與瞬時混淆，讓我們澄清數(shù)據(jù)輸入和響應(yīng)的時間范圍。就數(shù)據(jù)輸入而言，實時處理引擎可以設(shè)計為推送或拉取數(shù)據(jù)。最普遍的例子是具有不斷流動的大量數(shù)據(jù)（也稱為流）的推送選項。然而，實時處理引擎并不總是能夠攝取流數(shù)據(jù)。或者，它可以設(shè)計為通過詢問是否有新數(shù)據(jù)到達(dá)來提取數(shù)據(jù)。此類查詢之間的時間取決于業(yè)務(wù)需求，可能從幾毫秒到幾小時不等。
相應(yīng)地，響應(yīng)時間也不同。例如，自動駕駛汽車需要非常快的響應(yīng)時間——只有幾毫秒。如果我們處理安裝在風(fēng)力渦輪機上的傳感器，并且它們傳達(dá)緩慢增長的齒輪箱油溫，該溫度仍低于臨界水平但高于正常水平，我們需要一分鐘的響應(yīng)時間來改變?nèi)~片槳距，從而卸載渦輪機并防止機器故障甚至火災(zāi)。但是，銀行的分析系統(tǒng)需要幾分鐘時間來評估申請人的信譽；零售商的動態(tài)定價可能需要長達(dá)一個小時才能更新。盡管如此，所有這些例子都被認(rèn)為是實時的。
盡管一般組織重視實時管理數(shù)據(jù)，但并非所有公司都采用實時大數(shù)據(jù)分析。原因可能有所不同：缺乏專業(yè)知識或資金不足、擔(dān)心相關(guān)挑戰(zhàn)或整體管理團(tuán)隊的不情愿。但是，那些實施實時分析的公司可以獲得競爭優(yōu)勢。
假設(shè)您是一家時裝零售商，希望通過提供一流的客戶服務(wù)來利用這一優(yōu)勢。實時分析大數(shù)據(jù)有助于將這一偉大舉措付諸實踐。例如，一旦客戶經(jīng)過零售商的商店，他們就會在智能手機上收到推送通知，以激勵他們進(jìn)入。通常，它是基于客戶的購買或什至在網(wǎng)站上的瀏覽歷史的個性化促銷優(yōu)惠。一旦顧客進(jìn)入商店，員工就會在他們的移動應(yīng)用程序中收到通知。這讓他們了解客戶的最新購買情況、整體風(fēng)格偏好、對促銷的興趣、典型消費等。這對客戶和零售商來說似乎是雙贏的局面，不是嗎？
電子商務(wù)零售商還可以通過實時分析大數(shù)據(jù)來獲得更好的績效。例如，他們可以減少廢棄手推車的數(shù)量。假設(shè)客戶已經(jīng)走了那么遠(yuǎn)，但出于某種原因，他們決定不完成購買。盡管如此，仍有很好的機會激勵他們改變主意。該系統(tǒng)正在轉(zhuǎn)向客戶的個人資料數(shù)據(jù)以及購買和瀏覽歷史，以將客戶的行為與來自同一細(xì)分市場的其他客戶的行為以及他們在類似情況下對不同行為的反應(yīng)進(jìn)行比較。根據(jù)分析結(jié)果，系統(tǒng)從所有可能的操作中選擇最合適的——例如，提供折扣。
讓我們來看看典型的實時大數(shù)據(jù)分析解決方案是如何工作的。為了使說明更加生動，我們將附上一個對每個人都具有說明性的示例，因為我們時不時地都扮演著客戶的角色。
想象一家旨在提供個性化客戶體驗的零售商。這條漫長道路上的第一步是識別顧客，一旦他們進(jìn)入商店。零售商可以通過多種方式實現(xiàn)這一點，例如，通過實施人臉識別。
有了這個唯一的數(shù)據(jù)源，零售商可以做一個簡單的分析，比如計算商店里目前有多少男性和女性顧客。然而，零售商不會只滿足于一個數(shù)據(jù)源。即使要知道有多少客戶是第一次來，有多少是常客，也需要另一個數(shù)據(jù)源，例如CRM。一般上下文也很有幫助，例如，有關(guān)商店營業(yè)時間的信息。
處理后，實時數(shù)據(jù)會進(jìn)入實時儀表板或變成通知或系統(tǒng)操作。我們已經(jīng)為第一種情況提供了示例，此時零售商可以了解目前商店中有多少顧客。讓我們詳細(xì)看看另一個選項。假設(shè)一位顧客在移動應(yīng)用程序中形成了一個購物清單，并在商店里四處走動。根據(jù)客戶當(dāng)前的位置數(shù)據(jù)（由信標(biāo)收集并由相同的實時分析處理），該應(yīng)用程序可以提示沿著銷售區(qū)的最佳方式，以便他們可以抓住清單上的所有內(nèi)容。
讓我們繼續(xù)上面提到的例子來解釋機器學(xué)習(xí)的貢獻(xiàn).順便說一下，機器學(xué)習(xí)本身并不是實時發(fā)生的。這是一個復(fù)雜的過程，系統(tǒng)需要大量的時間來分析海量的數(shù)據(jù)，這些數(shù)據(jù)通常涵蓋1年以上的時間，從不同的角度得出有價值的模型和模式。這些模型幫助系統(tǒng)做出實時決策。現(xiàn)在，舉個例子：系統(tǒng)已經(jīng)分析了客戶檔案和他們所屬的細(xì)分市場、他們的行為模型、購買歷史、對營銷活動的反應(yīng)等，并構(gòu)建了一個支持個性化推薦的模型。當(dāng)客戶走在過道上時，系統(tǒng)可以通知他們有關(guān)促銷優(yōu)惠或客戶會感興趣的相關(guān)產(chǎn)品。
機器學(xué)習(xí)的概念還需要模型驗證應(yīng)用程序，因為它們可以不斷提高模型的準(zhǔn)確性。此外，它們通過允許從錯誤或嘈雜的數(shù)據(jù)中進(jìn)行基本過濾來提高輸入數(shù)據(jù)的質(zhì)量。
現(xiàn)在讓我們將目光轉(zhuǎn)向數(shù)據(jù)存儲。它由兩部分組成：數(shù)據(jù)湖和數(shù)據(jù)倉庫。前者是存放所有原始數(shù)據(jù)或經(jīng)過非常簡單處理的數(shù)據(jù)的地方。數(shù)據(jù)倉庫可以通過僅從數(shù)據(jù)湖中提取、轉(zhuǎn)換和加載一些數(shù)據(jù)，將大數(shù)據(jù)縮小2-10倍。
總之，零售商不能僅靠實時分析生存。您可以看到該方案的其他一些不實時的重要組件。盡管如此，如果零售商想要獲得有價值和深入的洞察力，它們?nèi)匀恢陵P(guān)重要。例如，我們還沒有提到的數(shù)據(jù)分析模塊負(fù)責(zé)通過應(yīng)用由數(shù)據(jù)分析師驅(qū)動的精心設(shè)計的算法和統(tǒng)計模型來運行復(fù)雜的分析。事實上，這個過程可能需要幾個小時或更長時間，但結(jié)果值得等待。相應(yīng)地，零售商的分析儀表板將始終不僅包含實時數(shù)據(jù)，還包含歷史數(shù)據(jù)。
總結(jié)
如果周密計劃并正確實施，實時大數(shù)據(jù)分析絕對可以成為競爭優(yōu)勢。考慮到對實時性的解釋有多么不同，重要的是要清楚地了解公司對分析系統(tǒng)的要求。