實時分析用例
眾多行業(yè)及工作都能夠從數(shù)據(jù)流處理方案中獲得助益。數(shù)據(jù)流能夠通過管理數(shù)據(jù)實時變化迅速建立起形勢判斷,并幫助企業(yè)以最快速度收集來自傳感器(包括GPS與溫度計等)、攝像頭、新聞消息、衛(wèi)星、股票行情、網(wǎng)絡爬蟲、服務器日志、Flume、Twitter、傳統(tǒng)數(shù)據(jù)庫甚至是Hadoop系統(tǒng)的數(shù)據(jù),最終將其轉化為能夠提升企業(yè)業(yè)績的決策工具。
話雖如此,但實時數(shù)據(jù)分析結論帶來機遇的同時也充滿挑戰(zhàn),意味著管理層或者負責人員需要采取準確的數(shù)據(jù)提煉模式才能將其轉化為可靠的決策依據(jù)。一般來講,實時數(shù)據(jù)分析方案需要立足于專業(yè)知識并配合業(yè)務洞察力,方能真正實現(xiàn)最優(yōu)決策與響應提速。而且更重要的是,分析結論除實時性質之外還需要被確切交付至相關者手中。
醫(yī)療衛(wèi)生與生命科學:
ICU監(jiān)控 – 高效監(jiān)控機制,主動及時關注重癥監(jiān)護病人。
遠程醫(yī)療監(jiān)控 —遠程醫(yī)療監(jiān)控能夠簡化醫(yī)護人員訪問并分析病患醫(yī)療記錄的流程,從而確保病人得到有效診療并降低不必要的成本。
臨床試驗與醫(yī)療設備數(shù)據(jù) — 臨床數(shù)據(jù)流分析能夠順利識別出異?;蛘哳A料之外的行為或者表現(xiàn),從而輔助做出更準確的診斷意見。換言之,其有助于檢測疾病的早期跡象,識別多名病患間的關聯(lián)性并量化特定治療手段的實際功效。
疫情預警系統(tǒng) — 實時傳感器數(shù)據(jù)分析有助于檢測傳染病的暴發(fā)可能性,并通過早期預警系統(tǒng)提示預防及準備。
保險業(yè)
欺詐檢測
提升案例管理效率
檢查策略針對性
策略績效評估
更好地預測未來走向,并據(jù)此做出產(chǎn)品設計、開發(fā)與交付
對產(chǎn)品價格做出細化區(qū)分
根據(jù)當前銷售趨勢做出銷售預測分析
通過實時盡職性調查剔除不合格保險案例
電信運營商
電信運營商能夠深入了解客戶行為并提供定制化服務(例如基于位置的服務、優(yōu)惠政策及產(chǎn)品建議等),并分析客戶的忠誠度、喜好及需求變化趨勢。以此為基礎,運營商將能夠改進計費標準、提升服務質量、改善安全性并控制欺詐活動。
能源行業(yè)
實時數(shù)據(jù)分析在能源行業(yè)中的一大典型案例在于智能化電網(wǎng)。其將以實際使用情況為基礎顯著提升能源供應效率。
根據(jù)特定條件預測設備活動。
檢測多設備閾值級別以降低故障影響。
通過對勘探及生產(chǎn)數(shù)據(jù)的實時分析降低現(xiàn)場人員的工作風險。
電子商務
客戶分析
購買建議
根據(jù)社交媒體情緒分析控制事故或進行修正
運輸行業(yè)
通過GPS實現(xiàn)實時追蹤
智能化交管方案以降低高峰時段的路線擁堵情況
即時與自動遠程信息處理,實現(xiàn)車輛聯(lián)網(wǎng)
投機市場
情緒分析
動量計算
天氣對股市及股票價格的影響
極低延遲實現(xiàn)市場數(shù)據(jù)分析
執(zhí)法領域
智能警務(傳感器、閉路電視安裝并接入中央云數(shù)據(jù)庫、車牌識別、語音識別、犯罪嫌疑人及罪犯GPS追蹤等)
監(jiān)控并識別異?;顒?、行為或事故,旨在加快決策制定速度并防止及減少犯罪事件
刑事調查
監(jiān)控各執(zhí)法機構及公眾間交互
技術領域
網(wǎng)站流量分析與參與(最常瀏覽頁面、瀏覽時長最高頁面、訪客行為及用戶導航模式等)
移動應用——下載、會話、偏好、交易、使用模式等,有效分析客戶行為并設計服務以提升使用感受
實時數(shù)據(jù)處理的挑戰(zhàn)所在
實時事件/交易/交互數(shù)量每秒以百萬計,由此產(chǎn)生的數(shù)據(jù)自然會給數(shù)據(jù)流處理系統(tǒng)造成巨大的壓力。即使數(shù)據(jù)已經(jīng)收集完成,系統(tǒng)仍然需要具備強大的能力以并行處理這些數(shù)據(jù)。之后是進行事件關聯(lián),旨在幫助我們從數(shù)據(jù)中提取有價值信息。除此之外,整套系統(tǒng)還需要具備容錯性與分布式設計——這意味著系統(tǒng)需要擁有低延遲水平以及速度更快的計算機制以完成實時響應任務。
如何實現(xiàn)
為了滿足以上各項苛刻條件,我們需要將大量工具加以結合。其中Apache Kafka負責收集數(shù)據(jù)流,并通過Apache Storm或者Apache Spark(基于具體系統(tǒng)需求)將其路由至HIVE/HDFS,接下來由分析引擎提取結論并將其發(fā)送至儀表板。
如何簡化實現(xiàn)流程
來自任何來源的數(shù)據(jù)都會由Kafka集群負責收集與暫時存儲,而Zookeeper——>中繼——>主題分類機制則隨即跟上。而后其會通過Storm或者Spark被發(fā)送至HIVE/HDFS,并由后者再傳遞至分析引擎(例如SAS VA)——這一切都以實時方式完成,結論則被推送至儀表板供用戶理解及據(jù)此行動。
最后,為了充分發(fā)揮實時數(shù)據(jù)分析的潛能,企業(yè)之間還需要通力協(xié)作。大數(shù)據(jù)領域的經(jīng)驗證明,合作伙伴之間的配合是實現(xiàn)分析的前提條件。最后,各合作伙伴還需要廣泛接觸各垂直行業(yè),從而理解其中的具體業(yè)務及錯綜復雜的相關要素。
因此,選擇理想的合作伙伴亦左右著實時分析項目的最終命運。
總結
多數(shù)企業(yè)都擁有大量最終用戶接觸點,而當下對此類組織以及政府機構而言可謂決定性時刻。通過即時了解當前狀況,各組織機構將能夠讓自己的工作更加富有成效——而實時數(shù)據(jù)分析方案則給了它們一個將理想轉化為現(xiàn)實的選項!