Análisis en tiempo real

La analítica en tiempo real pone los datos operativos a disposición de los usuarios o procesos dependientes en cuanto están disponibles en la base de datos. El análisis en tiempo real permite a una empresa tomar decisiones instantáneas para adaptarse a las condiciones cambiantes del mercado y mantener su ventaja competitiva.

¿Por qué utilizar análisis en tiempo real?

Antes de que la tecnología de bases de datos pudiera incorporar y analizar datos en tiempo real, las empresas tenían que basarse en datos preagregados producidos por sistemas de procesamiento por lotes, lo que se traducía en decisiones tomadas a partir de datos obsoletos, oportunidades perdidas y menor confianza en prise de décision . El tiempo que se tarda en acceder a los datos y analizarlos afecta directamente a la agilidad de la empresa.

Uso de datos en flujo para informatique décisionnelle en tiempo real

La analítica basada en eventos es un complemento ideal de la analítica en tiempo real. Las plataformas de streaming de datos, como Apache Kafka, pueden capturar eventos como las actualizaciones de los precios de las acciones y permitir que las aplicaciones y las bases de datos consuman estos cambios. El uso de una solución de integración de datos puede capturar el mensaje de evento Kafka, que luego puede insertarse en una tabla de base de datos. Esta tabla de base de datos, a su vez, puede ser la fuente de datos para un mosaico en un tableau de bord BI visual que trace los cambios en el precio de las acciones en tiempo real.

Los datos en tiempo real superan a los obsoletos

Todas las categorías de análisis pueden avantage de los datos más actuales. He aquí algunos ejemplos:

• El análisis cognitivo aumenta la prise de décision humana mediante el uso de tecnologías de aprendizaje automático, semántica e inteligencia artificial para comprender publicaciones sociales, imágenes y otras fuentes de datos no estructuradas.
• Los análisis de diagnóstico pueden utilizar sensores IoT para crear un gemelo digital de maquinaria industrial como motores a reacción o turbinas de gas para permitir un mantenimiento proactivo o diagnosticar averías.
• El análisis descriptivo ayuda a responder preguntas sobre acontecimientos históricos, como si una pelota de tenis estaba fuera de los límites, basándose en coordenadas trianguladas a partir de imágenes de cámaras sincronizadas.
• El análisis prescriptivo puede mejorar la toma de decisiones empresariales mediante sugerencias basadas en datos históricos y actuales.
• El análisis predictivo prevé resultados futuros basándose en el análisis de datos históricos. Disponer de los datos más actuales mejora la confianza en la prise de décision.

Análisis en tiempo real en el comercio minorista

Amazon, por ejemplo, ha aumentado sus beneficios un 25% empleando precios dinámicos, que actualizan los precios de los productos cada 10 minutos en función de los precios publicados por los competidores. Los sitios web de subastas recopilan y analizan los precios de mercado de los productos para sugerir precios. Utilizando el precio adecuado se consiguen pujas y aumentan las ventas, lo que ayuda al sitio de subastas y a sus clientes a vender más bienes.

Análisis en tiempo real en la logística de la cadena de suministro

Los procesadores de alimentos y los fabricantes de automóviles optimizan el espacio en sus fábricas para maximizar la producción, dejando poco espacio para ingredientes o piezas. Los sistemas de localización en tiempo real utilizan etiquetas RFID en los remolques para saber dónde están aparcados. Utilizan lectores RFID a bordo para introducir las coordenadas actualizadas de cada remolque en una base de datos que analiza los niveles de inventario en la fábrica y las puertas de muelle disponibles para indicar a los conductores de los camiones de patio que lleven determinados remolques a una puerta de muelle disponible. Estos sistemas garantizan que la producción nunca se detenga por falta de piezas o ingredientes para maximizar el rendimiento de las instalaciones.

Análisis en tiempo real en el transporte

Los servicios de transporte compartido ponen en contacto a pasajeros con conductores disponibles. Por ejemplo, la aplicación del servidor de viajes de larga distancia recoge las solicitudes de viaje recibidas en un aeropuerto. Los conductores deben esperar en una zona de aparcamiento designada y vigilada mediante una geovalla. A medida que los conductores entran en la zona geocercada, quedan disponibles para ser contratados. La aplicación del servidor, basada en una base de datos, empareja a los pasajeros con los conductores. Este proceso minimiza el tiempo de espera de pasajeros y conductores y evita la cancelación de viajes.

Análisis en tiempo real en finanzas

Los emisores de tarjetas de crédito deben aprobar las transacciones en tiempo real y protegerse a sí mismos y a sus consumidores de los defraudadores. Cada transacción se analiza para detectar posibles fraudes teniendo en cuenta el importe, la ubicación y las transacciones anteriores para ver si se sale de lo normal, lo que suele denominarse detección de anomalie . Las transacciones sospechosas se rechazan hasta que se verifican con el consumidor.

En casos de uso en los que el tiempo es un factor crítico, como el suministro de información bursátil, cada milisegundo puede marcar la diferencia a la hora de colocar órdenes de compra o venta a precios de mercado. La latencia de la base de datos puede convertirse en un retraso significativo, por lo que la plataforma de información bursátil Elektron utiliza la tecnología de base de datos analítica de procesamiento vectorial columnar de Actian para ofrecer información a los suscriptores en menos de 20 milisegundos.

Análisis en tiempo real en las telecomunicaciones

Expandium es un cliente de Actian que proporciona a los operadores de red soluciones para gestionar la calidad del servicio. Uno de sus operadores de redes móviles, con más de 3 millones de clientes, utiliza un Cluster Hadoop de 12 nodos para proporcionar visibilidad en tiempo real de la disponibilidad de la red. Gracias a la tecnología de base de datos columnar de procesamiento vectorial Actian, el operador puede desglosar las llamadas caídas individualmente. Las actualizaciones se transmiten a la base de datos en microlotes cada 5 segundos.

Cotizaciones de seguros en tiempo real

La Automobile Association (AA) ofrece presupuestos de seguros de coche ajustados al riesgo y analizados para detectar posibles fraudes en los mercados en línea. El presupuesto debe entregarse en menos de un segundo para aparecer en la primera página. La base de datos de columnas de procesamiento vectorial de Actian realiza el análisis para ofrecer los presupuestos más rápidos con precios que tienen en cuenta múltiples factores de riesgo, como el número de averías que ha sufrido el vehículo.

Actian y la plataforma de inteligencia de datos

Actian Data Intelligence Platform está diseñada para ayudar a las organizaciones a unificar, gestionar y comprender sus datos en entornos híbridos. Reúne la gestión de metadatos, la gobernanza, el linaje, la supervisión de la calidad y la automatización en una única plataforma. Esto permite a los equipos ver de dónde proceden los datos, cómo se utilizan y si cumplen los requisitos internos y externos.

A través de su interfaz centralizada, Actian permite conocer en tiempo real las estructuras y flujos de datos, lo que facilita la aplicación de políticas, la resolución de problemas y la colaboración entre departamentos. La plataforma también ayuda a conectar los datos con el contexto empresarial, lo que permite a los equipos utilizar los datos de forma más eficaz y responsable. La plataforma de Actian está diseñada para escalar con ecosistemas de datos en evolución, apoyando un uso de datos consistente, inteligente y seguro en toda la empresa. Solicite su demostración personalizada.