Насколько готовы организации к переходу к работе в реальном времени? Ну, предстоит еще много работы, пишет на портале ZDNet независимый аналитик Джо Маккендрик.
В наши дни мы слышим много разговоров о том, как важно быть «предприятием реального времени», способным чувствовать и мгновенно реагировать на любое событие или запрос. Конечно, существует техническое определение реального времени, но для бизнеса быть в реальном времени выходит за рамки просто иметь возможность действовать быстро и реагировать на определенную ситуацию тогда, когда необходимо, например, когда клиент нуждается в обновлении продукта.
Итак, что же на самом деле означает быть предприятием реального времени? По мнению ряда отраслевых экспертов, суть в том, что это требует бизнес-чутья, знания данных, внимания к периферии и внедрения современных технологий.
Технологии реального времени критически важны для организаций, потому что в современном быстро меняющемся мире принятие решений в реальном времени является конкурентным преимуществом. «Почти все современные приложения требуют возможностей реального времени», — говорит доктор Викрам Ахмед, директор по корпоративным информационным системам в Стетсонском университете. Он указывает на широкое распространение мобильных устройств и систем, а также Интернета вещей, которым , чтобы работать так, как они спроектированы и для чего предназначены, все данные требуются в реальном времени.
Вопрос в том, насколько к этому готовы предприятия? На данный момент «большинство организаций далеки от зрелости в сфере потоковой аналитики реального времени, — говорит Стив Спарано, главный менеджер SAS по продуктам IoT и потоковой обработке данных о событиях. — Для получения инсайтов в режиме реального времени необходимо уметь в режиме реального времени загружать, структурировать, анализировать и добавлять данные в профили клиентов, а затем действовать в соответствии с ними. Для перехода от обработки данных в почти реальном времени к их обработке в режиме реального времени — когда происходят события, при этом перенаправляя и сохраняя данные в традиционных базах данных для составления отчетов, визуализации и разработки моделей, требуется потоковая аналитика».
Однако технология «не поспевает за взрывным ростом данных и тем стрессом, который они могут создавать для критических систем, — отмечает Джошуа Одмарк, технический директор и соучредитель компании Pandio. — Большинство технологий, существующих сегодня, были построены для анализа больших данных. Аналитика лишь слегка касается того, что можно сделать с данными, и по мере того, как компании стремятся расширить ее возможности, им нужны технологии, способные справиться с бóльшим количеством вещей. Больше данных, больше вычислений, больше пропускной способности, больше труда, больше подключений, больше оперативной поддержки или больше понимания».
В результате движение к миру приложений реального времени все еще продолжается, особенно для средних и малых компаний, которые не располагают необходимыми бюджетом и инфраструктурой и, таким образом, полагаются на «обработку данных в конце дня» и «полуавтоматические протоколы передачи данных», говорит Ахмед.
Конечно, любая технологическая волна приводится в движение приложениями, которые нужны пользователям, и это является ключевым фактором для бизнеса реального времени. «Возможности работы в реальном времени сегодня очень востребованы в большинстве аналитических приложений, — говорит Одмарк. — Движущей силой инноваций являются отрасли, которые сильно зависят от масштаба времени. Приложения машинного обучения начинают исследовать возможности реального времени, поскольку сталкиваются с неточностями при использовании данных временных рядов и разрывом между обучением и развертыванием модели».
Спарано видит, что приложения реального времени возникают во всех отраслях и процессах. «Акцент делается на то, чтобы получить представление о происходящем и принять решение в мгновение ока, а не через дни или даже недели», — говорит он. По его словам, аналитика реального времени позволяет банкам выявлять мошеннические операции и мгновенно определять кредитоспособность онлайновых соискателей кредита. Промышленные производители используют данные IoT и аналитику реального времени для выявления и устранения сбоев и дефектов. Машинное обучение помогает ритейлерам оценивать поведение покупателей и влиять на него с помощью предложений в режиме реального времени, в то время как машинное зрение может помочь им обеспечить социальное дистанцирование в магазинах. Маркетологи транслируют данные в режиме реального времени из различных каналов и точек соприкосновения и собирают инсайты с помощью машинного обучения и других методов прогностической аналитики, чтобы превращать посетителей в покупателей, предоставляя им соответствующие предложения, сообщения или контент.
Эксперты очерчивают, по крайней мере, четыре ключевых шага для построения предприятия реального времени.
Выведите потребности бизнеса на передний план. «Примите для себя, что реальное время — это ваше будущее, и создавайте и преобразуйте ваши как бизнес-, так и операционные процессы, чтобы это были процессы реального времени, — говорит Спарано. — Создание технологии — это первый шаг к построению предприятия реального времени, главное — внедрить ее в каждый бизнес-процесс».
Приведите свои данные в порядок. Для перехода к реальному времени также требуется «надежное управление данными, которое поддерживает интеграцию в режиме реального времени как новых потоковых данных, так и данных из традиционных источников, а также такие возможности, как очистка, периодическое обновление и вменение данных», — говорит Спарано.
Одмарк советует создать сильный основополагающий элемент, называемый «тканью данных» (data fabric). «Это уровень промежуточного ПО, который действует как связующий между всеми корпоративными системами. В прошлом его называли корпоративной сервисной шиной (ESB), но уровень ткани данных настолько вырос, что может включить в себя все функциональные возможности промежуточного ПО на предприятии. Самое главное, это решает сложные проблемы доступности данных при выполнении любых действий в режиме реального времени».
Обратите внимание на периферию. Переход к реальному времени также требует «внедрения аналитики реального времени там, где данные образуются, и предоставления аналитики на периферии — там, где размещены датчики, в магазинах и в Интернете, где находятся покупатели, и на кассах, где совершают преступления мошенники, — говорит Спарано. — Все это требует автономной поддержки, позволяющей выполнять анализ ближе к источнику данных, без подключения к облаку, и создания, таким образом, более гибких и мощных развертываний».
Сентил Кумар, вице-президент по разработке ПО FogHorn Systems, соглашается, отмечая, что «ключевым шагом к созданию предприятия реального времени является установление гармоничного взаимодействия между периферией и облаком. На периферии организации могут локально загружать, обогащать и анализировать данные, выполнять периферийные модели машинного обучения на очищенных массивах данных и использовать расширенные возможности прогнозирования, в отличие от облачных инсайтов — тяжелых, дорогостоящих и ретроспективных».
Ищите более гибкие или новые технологии. По словам Ахмеда, вовлечь организации в работу в режиме реального времени могут помочь облачные системы при соблюдении «некоторых критически важных требований к передаче данных в режиме реального времени через несколько систем, включая веб-сервисы, такие как REST и защищенные туннели».
Получение инсайтов реального времени также означает «подключение и захват потоковых данных из источников данных IoT, которые обычно не доступны с помощью традиционных средств. Речь идет о машинных данных, например отвечающих спецификациям OPC (open platform communications), очередях сообщений Kafka, камерах, аудиодатчиках», — говорит Спарано. По его словам, сюда также относятся «возможности отображения и визуализации шаблонов данных, а также применения данных к ранее построенным прогнозным моделям немедленно, а не позднее в пакетном режиме. Все это касается как типичных высокочастотных данных, так и данных, получаемых от датчиков, данных поведения клиентов и закономерностей в финансовых операциях».
