המונח Real-Time data Analytics מתייחס לתהליך הכנת ומדידת נתונים עם כניסתם למסד הנתונים. כלומר, משתמשים מקבלים תובנות או יכולים להסיק מסקנות מיד (או במהירות רבה תוך מספר שניות או דקות) לאחר הגעת הנתונים החדשים.
ישנם 2 סוגים מרכזיים של Real-Time Analytics
ניתוח על פי דרישה: On-demand real-time analytics- במצב זה המערכת ממתינה שהמשתמש יבצע שאילתה ולאחריה מתבצע הניתוח ומתקבלות תוצאות
ניתוח רציף: Continuous real-time analytics – במצב זה מערכת פועלת כל הזמן, באופן רציף ומספקת התראות שונות למשתמשים בזמן אמת או אף מפעילה פעולות מאחורי הקלעים בעת התרחשות האירועים.
הרכיבים המרכזיים של ניתוח נתונים בזמן אמת כוללים:
וAggregator (צובר)-אוסף ניתוחי נתונים בסטרימינג בזמן אמת ממקורות נתונים רבים ושונים
וBroker (מתווך) - הופך נתונים בזמן אמת לזמינים לשימוש
וAnalytics Engine (מנוע אנליטיקה )- מתאם ערכים וממזג זרמי נתונים יחד תוך כדי ניתוח הנתונים
וStream Processor (מעבד זרמים) - מבצע ניתוח ולוגיקה בזמן אמת על ידי קבלה ושליחת זרמי נתונים משולבים.
דוגמאות לשימוש ב- Real-Time data Analytics:
אחד התחומים בהם ניתוח בזמן אמת הוא יעיל במיוחד הוא מניעת הונאות דוגמת הונאות תשלומים, גניבת זהות, הלבנת כספים ועוד. הבעייתיות בשימוש בניתוח נתונים "מסורתי" נובעת מהעיכוב המשמעותי בין ביצוע ההונאה לגילויה ומכך שהמערכות מתקשות לזהות את התבניות האפשריות (עלויות גבוהות). בשימוש בנתונים בזמן אמת, המערכת מזהה מאפיינים העלולים להראות כניסיון הונאה ובאופן אוטומטי חוסמת ניסיונות אלו ומונעת אותן, במקום להתריע אחרי. תחום פופולרי נוסף הוא בדיקה בזמן אמת של נתוני אשראי של לקוחות. כך חברות המספקות הלוואות יכולות לדעת באופן מידי מהי רמת מהימנות הלקוח בהחזר הלוואות ולהחליט במקום האם לאשר לו את ההלוואה. תחום אחר בו ניתן להיעזר בניתוחי מידע בזמן אמת הינו שיפור השירות והמכירות ללקוחות. ניתוח בזמן אמת מגלה מתי ולמה הלקוחות מתנהגים כפי שהם נוהגים, וכיצד לשפר את שביעות הרצון שלהם. כך למשל, באמצעות ניתוחים אלו ניתן להציע ללקוחות מבצעים ותמריצים ממוקדים בהתאם למאפיינים שלהם בזמן שהלקוחות נמצאים בחנות וליד המוצר. לניתוח נתונים בזמן אמת יש יתרון לא רק בעולם הווירטואלי. כך למשל, ניתוח נתוני ניטור מקו ייצור יכולים להתריע על בעיה מסוימת באחת המכונות ובכך לאפשר לטפל בבעיה לפני התפתחות התקלה והשבתת המכונה. ניתן לומר , אם כן, כי המהירות הינה היתרון העיקרי של ניתוח נתונים בזמן אמת. ככל שעסק נדרש לחכות פחות מזמן הבקשה ועד זמן הגישה לנתונים, כך הוא יכול לנצל טוב יותר את התובנות שניתן להפיק מניתוח הנתונים ולפעול באופן יותר אפקטיבי.
אתגרים בשימוש במערכות Real-Time data Analytics
היבטים ארגוניים – תרבותיים: השימוש בתובנות הנובעות מניתוח נתונים בזמן אמת, דורש התאמות בתהליכי עבודה שונים בארגון. אם בדרך כלל בניתוח נתונים "מסורתיים" התובנות מגיעות רק כל X זמן, הארגון פועל ומגיב בהתאם בטווחי זמן ארוכים. קבלת הנתונים בזמן אמת הופכת את הארגון לארגון ממוקד מידע, כאשר התובנות מגיעות באופן רציף ודורשות נקיטת פעולות מהירות ומיידיות. שינוי אופן הפעילות יכול לגרור גם להתנגדויות בעקבות האופי השונה של ההתנהלות וחששות העובדים מהשינוי. לכן, חשוב כי ההנהלה תתקשר לעובדים את הרציונל והסיבות למעבר לניתוח בזמן אמת ואת ההזדמנויות האפשריות שהיא מביאה עמה. על הארגון לוודא שעובדיו מבינים את היתרונות של מערכת ניתוח הנתונים בזמן אמת, ועליו להכשיר ולהכין את העובדים לעבוד עימה בהצלחה.
היבטים טכנולוגיים: עסקים הופכים לדיגיטליים יותר ויותר. ניתוח נתונים גדולים בזמן אמת חייב להתמודד עם כמויות גדלות ומגוון רחב יותר של נתונים מה שמצריך כוח מחשוב רב וכן, ויצירת ארכיטקטורה מתאימה הגדלה בהתאם לנפח העולה של הנתונים. לעיתים, אין מדובר בשינוי ליניארי, אלא בהיערכות תשתיתית שונה מזו שהייתה נהוגה עד כה. לסיכום, שימוש בניתוח נתונים בזמן אמת מאפשר לעסקים להגיב באופן מהיר ויעיל ,הם יכולים לנצל הזדמנויות או למנוע בעיות לפני שהן מתרחשות. עם תשובות מיידיות בהישג יד, עסקים יכולים לחזות בביטחון ולייעל את הנתונים שלהם כדי למצוא את האפשרויות הטובות ביותר. חשוב לזכור, כי השימוש בכלי ניתוח מסוג זה בא לענות על צורך של הארגון ולשפר תהליכים עבודה וביצועים לטובתו. לכן, בבואנו ליישם כלים מסוג חשוב לזכור שהניתוח הוא בסוף היום אמצעי ולא מטרה, ותמיד יש לבחון, לא רק איך מיישמים ניתוח נתונים בזמן אמת, אלא איך משפרים ביצועים ויכולות ארגוניות.
מקורות:
Comments