Gerçek Zamanlı Analizin Önündeki Engeller

Büyük Veri, birçok düzeyde birden çok sektördeki işletmelere değer sağlıyor. Örneğin perakende sektörünü ele alalım. Sektör, her dakika gelişen ihtiyaçlar ve tercihlerle giderek daha karmaşık bir ekosistemde boğuşuyor. Üçlü müşteri talepleri, daha hızlı hizmet sunumu, üstün kalite ve daha düşük fiyatlar, bu taleplere karşı koymak ve bunları uygun şekilde karşılamak, gelir kaybını önlemek için bir silah olarak büyük veriyi ortaya çıkaran şeydir.

Bu talepleri karşılamanın ilk adımı, müşterilerin belirli bir marka hakkında ne söylediğini bilmektir. Bu, perakendecilerin müşterilerin neye ihtiyacı olduğunu belirlemelerine yardımcı olacaktır. Uzman veri çıkarma şirketleri tarafından sağlanan hedefli web taramasının yardımıyla , şirketler artık potansiyel olarak milyonlarca web sayfasından ve sosyal medya platformundan büyük bir etki için veri çıkarma gücüne sahipler.

Web taramasından ve veri çıkarmadan üretilen büyük verilerin analizi

Bir sonraki adım, web taraması ile toplanan verilerin bir analizini yapmaktır. Bu, veri bilimcilerin ve pazarlama yöneticilerinin müşterilerin talep ettiği ihtiyaçların, isteklerin, tercihlerin ve seçimlerin neler olduğunu anlamalarına yardımcı olacaktır. Sonuç olarak, perakende sektöründeki karar vericiler, talepteki boşlukları doldurmak için hızla harekete geçebilir veya müşterilerin görmek istediklerini eşleştirmek için ürün çeşitlerini değiştirebilir. Bununla birlikte, analiz etmek için milyonlarca veri satırınız olduğunda, verilerin analizi kolay olmayacaktır. Gartner'a göre , veriler önümüzdeki 5 yıl içinde benzeri görülmemiş %800 oranında büyüyecek ve verilerin %80'i yapılandırılmamış olacak. Bu nedenle, büyük veri analizi ihtiyacı sadece önümüzdeki birkaç yıl içinde patlayacak.

Veri analitiği yıllar içinde nasıl gelişti?

Verilerin analizi uzun yıllardır var olmasına rağmen, verinin şimdi geldiği ölçek ve hız, veri bilimcileri ve analistleri için sorun teşkil ediyor. Walmart Global e- ticaret Kıdemli Başkan Yardımcısı ve @WalmartLabs'ın kurucu ortağı Anant Rajaraman'ın dediği gibi, “ Birçok insan verilerle nasıl çalışılacağını biliyor, ancak şimdi çok daha fazla veri var, böylece yapabileceğiniz türden şeyler onunla ve onunla çalışma şekliniz çok farklı olabilir….. [Büyük Veri için] araçlar çok farklı. Tahmine dayalı analitik için temel algoritmaların çoğu, verilere erişmek için tek bir CPU ile verileri ana bellekte tutmaya çok bağlıdır. Büyük Veri bu koşulu bozar. Verilerin tümü aynı anda bellekte olamaz, bu nedenle dağıtılmış bir şekilde işlenmesi gerekir. Bu, yeni bir programlama modeli gerektirir. ”

Gerçek zamanlı veri analizi ihtiyacı

Birkaç yıl öncesine bakarsak, gerçek zamanlı analizin avantajı, dijital pazarlamacıların planlarında fena halde eksikti. Bu sınırlama, reklamcılar, pazarlama yöneticileri ve karar vericiler için çeşitli cephelerde sorunlar yarattı . Yalnızca birkaç günlük veya haftalık istatistikler kullansalar da, bu süre, büyük verinin muazzam hızı sayesinde, verilerin güncelliğini yitirmesi için yeterliydi. Bu, içgörülere daha hızlı erişme ve analizlerin daha kısa sürede yapılması talebini yarattı.

Büyük verilerin sunduğu değer, şirketlerin daha hızlı veri analizi bulguları ve içgörüleri araması için yeterince mantıklı . EMC'nin Greenplum'a ait CTO'su olarak Duke Lonergan, “Her işletme, müşterileriyle daha sıkı bir bağlantı kurmanın, tahminleri iyileştirmenin ve onları bir yörüngede hareket ettirmenin yollarını arıyor. Büyük Veri konusunda belirli bir aciliyet görüyoruz. ”

Bu, iş ve teknoloji dünyasının, web taramasından elde edilen gerçek zamanlı verilere ve bu alandaki uzmanların veri çıkarma yeterliliklerine dayalı olarak gerçek zamanlı büyük veri analitiğine giderek daha fazla yöneldiğini gösteriyor . Gerçek zamanlı veri analitiğinin yardımıyla, pazarlama yöneticileri ve üst yönetim, belirli bir ürünü kaç kişinin gördüğü, kaç kişinin bir ürüne çevrimiçi yanıt verdiği ve kaç kişinin çevrimiçi olduğu gibi çeşitli performans ölçümlerini gerçek zamanlı olarak görebilir. aslında satın alıyor. Bir şirket için, insanların gerçekte ne hakkında konuştuğuna ve o anda neyin trend olduğuna bağlı olarak dijital harcamalarını artırmaya veya azaltmaya yardımcı olur. Dijital harcamayı optimize etmek, bir markanın müşterilerle olan ilişkisini sıkılaştırmasına ve uzun vadeli marka değeri oluşturmasına yardımcı olur.

Gerçek zamanlı veri analizindeki zorluklar

Bununla birlikte, gerçek zamanlı veri analitiği teoride harika görünse de, gerçek tasarım ve teslimatta biraz karmaşık hale gelir. Veri çıkarma şirketlerinden yürütülen web taraması yardımıyla oluşturulan gerçek zamanlı veri analitiği , temel olarak aşağıdaki hedeflere hizmet etmelidir:

• Modelleri ortaya çıkarmak ve bilinmeye değer trendleri ortaya çıkarmak için verileri uzun bir süre boyunca analiz edin
• Geleceği tahmin etmek veya kontrol sistemleri tasarlamak için modeller oluşturun
• Görünüşte ilgisiz parametreleri ilişkilendirmeye yardımcı olun. Örneğin, hızlanma ve hız ile ilgili IoT sensör verileri gibi parametreler incelenerek sürüş davranışı hakkında daha fazla bilgi keşfedilebilir.

Açıkça görüldüğü gibi, gerçek zamanlı analitikteki RoI'nin çekici hale gelmesinden önce üstesinden gelinmesi gereken birkaç önemli zorluk vardır. Aşağıda bazı önemli zorluklar bulunmaktadır –

1. Eski sistemlere bağımlılık : Birkaç yıl öncesine dönersek – 2009 civarında, basit bir sorgu ve sorguyu yanıtlayacak verileri keşfetmek ÇOK zaman aldı. Diyelim ki “Bir Android telefon aracılığıyla sitelerimi kaç müşteri geziyor” sorgunuz varsa, bu sorguya yanıt almanın ilk adımı veri ambarınızdaki şemayı iyileştirmek olacaktır. Bu adımın kendisi ortalama olarak birkaç ay sürecektir .

Bu nedenle veri yöneticilerinin ortak eğilimi, şemayı ve ambarı tasarlarken soruları önceden çözmek , böylece gerçekten karşılaştığında sorguları yanıtlamaya uygun hale getirmekti. Ancak dinamik bir ortamda bu artık uygulanabilir bir durum olamaz. Dolayısıyla Vertica, Hive ve MapReduce gibi geleceğe hazır gerçek zamanlı veri analizi araçlarına yükseltme yapmadan eski sistemlere bağımlılık, verileri gerçek zamanlı olarak analiz etmenin önünde büyük bir engeldir .

2. Bugün ne kadar hızlı : Teknoloji ortamındaki iyileşme, eskiden aylar, haftalar ve günler süren tüm analitik süreçlerinin şimdi dakikalar, saniyeler ve mikro saniyeler sürmesini sağladı. Veri bilimcilerin sadece bir sorgu ve viyola düşünmesi gerekiyor! Deneylerinin ve hipotezlerinin sonuçları neredeyse hiç vakit kaybetmeden önlerinde olur. Veri analizi için daha kısa işlem süreleri artık beklentinin artmasına neden oldu.

Cloudera'nın kıdemli ürün müdürü Justin Erickson'ın dediği gibi, “ Bu, daha önce bilinmeyen sorulara doğru daha hızlı hareket etmek, yeni içgörüler tanımlamak ve dünyanın herhangi bir yerinde bir olayın meydana gelmesi ile birinin bu olaya tepki vermesi veya tepki vermesi arasındaki süreyi azaltmakla ilgilidir. ” Dolayısıyla, veri analitiği ve içgörü oluşturma süresini kısaltmaya yönelik artan talep, gerçek zamanlı veri analitiği ile değer sağlamanın önünde bir engeldir.

3. Karar verme: Teknolojilerin, süreçlerin ve insanların artık veri çıkarma ve web taraması yoluyla hızlı bir şekilde veri toplama yetkisine sahip olduğu oldukça kesindir . Ayrıca artık verileri gerçek zamanlı olarak tüketebilir ve analiz edebilirler. Ancak, veri analizine dayalı olarak harekete geçme ve karar verme konusunda nasıl bir yol izliyoruz? Burada iki seçenek var -

• İnsan odaklı – Kıdemli bir kişinin veya karar vericinin analitik sonuçlarına bakacağı ve daha sonra bu içgörülere ve görselleştirmeye dayalı kararlar alacağı geleneksel yaklaşım
• Otomatik sistem – Otomatikleştirilmiş bir süreç, insanların müdahale etmesini beklemeden belirli bir sonuç kümesine dayalı karar verilmesine yardımcı olabilir.

Otomatikleştirilmiş bir sisteme sahip olmanın, gerçek zamanlı veri analitiğinin ve ardından gelen karar verme sürecinin etkinliğini artırmaya yardımcı olacağı açıktır . Bununla birlikte, karar verme sürecinde gerçekleştirilen eylemlerin güvenilirliğini eşleştirememesi, insan merkezli karar vermeyi üstünlük sağlar. Bu da gerçek zamanlı veri analitiğinin etkinliğini artırmanın önünde bir engeldir.

4. Kültürel değişim : Gerçek zamanlı analizlerin mevcut ve erişilebilir olması, şirketlerin şu anda çalışma şeklini de etkileyecektir. Gerçek zamanlı içgörüler, içgörüler üzerinde haftada bir veya iki kez çalışmaya alışık olan şirketleri zorlayacaktır. Bir şirketin insanları, süreçleri ve performans ölçütlerini haftada bir içgörü aksiyon alma yaklaşımı üzerine inşa ettiğini hayal edin. Gerçek zamanlı veri analitiği sayesinde içgörüler haftalık yerine günlük olarak gelmeye başladığında metriklere, üretkenliğe ve performansa ne olacak?

Geçiş stratejik bir şekilde planlanmazsa sonuç kaos olacaktır. Bunun nedeni, günlük olarak her saniye içgörüleri almak ve bunlara göre hareket etmek, geleneksel içgörüler üzerine haftalık olarak hareket etme yaklaşımından farklı bir kültür ve yaklaşım gerektirecektir. Gerçek zamanlı veri analitiğinin benimsenmesinde kurumsal iş yerindeki bu tür kültürel engeller de nadir olmayacaktır.

sonuçlandırmak

Sonuç olarak, gerçek zamanlı büyük veri analitiğinin sunduğu muazzam değer teklifi, günümüzün büyük endüstri sektörlerini müşterilere tatmin edici bir şekilde hizmet verme konusundaki rekabetlerini aşmaya ve rekabet avantajı kazanmaya yardımcı olacaktır. Bu, zorluklarla tatmin edici bir şekilde başa çıkabilmeleri şartıyla.

Web'den veri almayı mı planlıyorsunuz? Yardım etmek için buradayız. Gereksinimleriniz hakkında bize bilgi verin.