Jeff Erickson | Tech Content Strategist | 18 september 2024
Realtimeanalyse is aan een opmars bezig. Waar streamingdata en realtimeanalyses ooit het domein waren van bedrijven die gebruikmaken van mobiele apps, zoals Uber en DoorDash, zijn het nu essentiële hulpmiddelen voor bedrijven in verschillende branches. In uiteenlopende branches als de detailhandel en de industriële productie helpt realtimeanalyse bedrijven om hun data te gebruiken voor veel meer dan het nemen van betere, snellere beslissingen, hoewel dat ook zeker een onderdeel is. Met realtimeanalyses kunnen bedrijven op het moment zelf operationele of marktschommelingen detecteren en nauwkeurig anticiperen op de volgende gebeurtenissen, waardoor ze slimmere, beter gepersonaliseerde producten en services kunnen ontwikkelen en zelfs processen kunnen automatiseren om het bedrijf efficiënter en goedkoper te runnen. Hieronder bespreken we een aantal creatieve manieren waarop bedrijven de vruchten plukken van realtimeanalyses.
Voornaamste conclusies
In tegenstelling tot traditionele data-analyse houdt realtimeanalyse meer in dan het ondersteunen van toekomstige beslissingen; het opent de deur voor geheel nieuwe manieren van zakendoen door teams de mogelijkheid te bieden om op het moment zelf actie te ondernemen.
Drie trends zijn samengekomen om realtimeanalyses waardevol te maken voor steeds meer branches.
De eerste is de toenemende beschikbaarheid van datastromen, ook buiten een bedrijf, zoals van sociale-mediasites of openbare data van satellieten en overheidsinstanties. Een andere trend is het groeiende aantal datastromen binnen een bedrijf, afkomstig van bedrijfsapplicaties zoals ERP- of CRM-systemen, IoT-apparaten en -sensoren en bronnen zoals e-mails, tekstberichten en video's. Tot slot wordt de technologie die nodig is om al deze data te beheren en inzichtelijk te maken, door cloudgebaseerde software en infrastructuur toegankelijk gemaakt voor meer bedrijven. Bedrijven gebruiken ze om inzichten te verkrijgen met een snelheid en op een schaal die voorheen ondenkbaar waren. Deze technologieën omvatten onder andere kunstmatige intelligentie (AI) en machine learning (ML), maar ook opkomende technologieën die de infrastructuur voor databeheer en -analyse stroomlijnen.
Hieronder volgt een kort overzicht van enkele creatieve manieren waarop bedrijven realtimeanalyses gebruiken in hun dagelijkse bedrijfsactiviteiten.
Live dashboards zorgen voor betere analyses. Bij traditionele data-analyses wordt informatie die is opgeslagen in een datawarehouse, in grote batches verplaatst naar een analysesysteem dat grafieken en diagrammen bijwerkt in een dashboard. Op deze manier kunnen mensen de resultaten van de afgelopen dagen, weken of maanden bekijken.
Live dashboards worden daarentegen gekoppeld aan datastromen die laten zien wat er op dit moment in het bedrijf gebeurt, zodat er direct actie kan worden ondernomen. Hierdoor kunnen bedrijven aanpassingen doorvoeren, zoals het omleiden van verzendingen voordat er een storm opsteekt of het onderhouden van een vitale machine voordat deze kapot gaat.
Bedrijven gebruiken realtime datafeeds van openbare en private services voor kaarten, het weer, verkeerspatronen en zelfs satellietfeeds, die ze combineren met hun eigen realtime data van sensoren op de productievloer of op locatie, zoals op een bouwplaats of in vrachtwagens, vliegtuigen en schepen. Dit biedt hen een actueel inzicht in hun activiteiten, zodat ze routes kunnen aanpassen, verwachtingen van klanten kunnen bepalen, de voortgang van een bouwproject kunnen volgen of proactief onderdelen voor apparatuur kunnen bestellen.
In plaats van gebeurtenissen uit het verleden te analyseren, kunnen bedrijven met realtime data trends of afwijkingen detecteren zodra deze zich voordoen en hier onmiddellijk op reageren. Bedrijven die zich bezighouden met het delen van ritten of het verschepen van goederen kunnen simpelweg verbinding maken met IoT-sensoren, openbare datafeeds van gemeenten of weersatellietfeeds. Wanneer er problemen worden voorzien, zoals druk verkeer, slecht weer of andere problemen, kunnen ze onmiddellijk veranderingen doorvoeren. Zonder realtimeanalyses zouden ze het probleem pas veel later hebben kunnen vaststellen of erop hebben kunnen reageren.
Met behulp van machine learning, IoT-sensoren en streaminganalyses kan een bedrijf op afstand apparatuur monitoren en mechanische storingen voorspellen, zodat er proactief onderhoudswerkzaamheden kunnen worden uitgevoerd om productiestilstand te voorkomen. Een logistiek bedrijf kan zendingen monitoren en klanten tijdig op de hoogte stellen als een zending vertraagd is.
Realtimeanalyse is een revolutie in reclame- en marketingcampagnes. Een realtimeanalyseplatform dat verbinding maakt met websites van distributeurs en sociale media-accounts en het webverkeer monitort, kan bijvoorbeeld bepalen welke advertentieplatforms het beste werken en de uitgaven daarop afstemmen. Het bedrijf Tetris.co (nu NeoDash) bijvoorbeeld brengt data van verschillende mediabronnen samen zodat eerstelijnsanalisten trends sneller kunnen doorgronden en investeringen kunnen verschuiven naar beter presterende kanalen en niet langer naar slecht presterende platforms.
Door gebruik te maken van realtimeanalyses en geautomatiseerde reacties te geven op die realtime-inzichten, kunnen bedrijven een superieure klantervaring bieden. In de technologiebranche worden realtimeanalyses gebruikt om cyberaanvallen te identificeren en vervolgens stappen te automatiseren om ze te voorkomen. Daar heeft iedereen baat bij.
De beste IT-dienstverleners doen met realtimeanalyses meer dan alleen reageren op problemen. Ze analyseren voortdurend de prestaties, zodat ze klanten kunnen ondersteunen met preventief onderhoud en bedreigingen kunnen afwenden voordat de klant weet dat ze bestaan. In de financiële dienstverlening kunnen realtimeanalyses een bank helpen bij het detecteren van mogelijke fraude bij een transactie, waarna een automatische melding aan een klant met een bankpas in gang kan worden gezet en de rekening zelfs kan worden geblokkeerd als dat nodig is.
Een voordeel van realtimeanalyses is de mogelijkheid om systemen te automatiseren, zodat ze kunnen reageren op snel veranderende gebeurtenissen. Zoals we de afgelopen jaren hebben gezien bij wereldwijde problemen in de supply chain, kunnen bedrijven die het snelst kunnen reageren op knelpunten, voorraden inslaan en het bedrijf draaiende houden. Een analyseplatform voor streamingdata kan branchewebsites, openbare data, satellieten en de eigen ERP-systemen van een bedrijf met elkaar verbinden, waardoor het bedrijf de schommelingen in de markt beter in beeld krijgt en zich er beter aan kan aanpassen.
Of het nu gaat om productielijnen of winkels, bedrijven die met strakke planningen werken, kunnen datastromen integreren via systemen voor event-verwerking om workflowproblemen op te sporen voordat werknemers of klanten er hinder van ondervinden. Het systeem kan bijvoorbeeld een agent waarschuwen als sensoren die een complex systeem bij een klant monitoren, data versturen die wijzen op een mogelijke storing. Sommige productiesystemen en systemen voor energieopwekking kunnen naast dergelijke waarschuwingen ook onderdelen bestellen en een onderhoudsteam sturen, allemaal op basis van realtimedetectie van afwijkingen in de sensoruitvoer van een machine. Voor een dergelijk systeem zijn mogelijk IoT-data, databeheerplatforms en machine learning-algoritmen nodig die minieme wijzigingen in snel veranderende datastromen detecteren en zelfs operationele data over een langere periode analyseren om procesverbeteringen in de loop van de tijd voor te stellen.
Met realtimeanalyses van data kunt u leveranciers in realtime monitoren en bepaalde inkoopbeslissingen automatiseren, waardoor de leveringskosten laag blijven. Streamingdata en kunstmatige intelligentie kunnen ook worden gecombineerd om reguliere bedrijfsprocessen te automatiseren, zoals een intelligente documentflow bij een financiële transactie of een verzekeringsclaim waarbij veel stappen van een transactie kunnen worden afgehandeld zonder menselijke tussenkomst.
Softwaretests en IT-beheer bieden beproefde gebruiksscenario's voor realtime data en geautomatiseerde reacties. Een goed softwaretestsysteem maakt gebruik van realtimeanalyses om fouten in data op te sporen en deze te rapporteren, fouten in API's op te sporen en zelfs problemen met gebruikersinterfaces te identificeren. Realtimeanalyses kunnen ook helpen bij het onderhoud van lange, saaie testscripts, door validaties te automatiseren in plaats van te vertrouwen op handmatige validaties op basis van spreadsheets.
Bedrijven stellen klantprofielen op zodat ze aanbiedingen of contentopties kunnen aanbieden die bij een koper aanslaan. Dankzij analyses weten marketeers welke potentiële klanten op dat moment online zijn en welke producten voor hen interessant zouden kunnen zijn. Mensen veranderen echter voortdurend, terwijl profielen dat niet doen. Of ze moeten verbonden zijn met een systeem voor realtimeanalyses dat het profiel bijwerkt op basis van connecties en niet alleen op basis van zoekopdrachten en aankopen, maar ook op basis van feeds zoals sociale media of internetactiviteit, die kunnen wijzen op een verandering in het leven of zelfs een veranderende mening. Hoe meer data, hoe beter de productsuggesties, wat leidt tot meer verkoop.
Met behulp van machine learning kunnen realtimeanalyses worden gemaakt op basis van big data-bronnen, zoals feeds van sociale media. Hierdoor kan een bedrijf zijn branche in de gaten houden. Berichten op sociale media kunnen bijvoorbeeld aan het licht brengen dat een concurrent een uitverkoop of promotie organiseert of goodwill verliest bij klanten door een servicefout of een reclameblunder. Bedrijven kunnen dan maatregelen nemen om op de markt te reageren.
Ontwikkelaars zijn dol op de open-sourcedatabase MySQL. Tot nu toe moesten ze echter, als ze in MySQL opgeslagen data wilden analyseren, extra databases of analysesoftware kopen en al die transactiedata op omslachtige wijze verplaatsen naar de analyseomgeving óf de transactiedata extraheren, transformeren en laden (ETL). Dat maakte dat het niet langer real-time data waren.
Ontwikkelaars kunnen nu Oracle HeatWave MySQL gebruiken, waardoor ze transacties en realtimeanalyses eenvoudig in één MySQL databaseservice kunnen onderbrengen, zodat ze voor hun analytische query's altijd toegang hebben tot de meest actuele data. Ze kunnen HeatWave MySQL gebruiken op Amazon Web Services, in Microsoft Azure en op Oracle Cloud Infrastructure.
Met HeatWave MySQL hebben ze ook toegang tot andere ingebouwde mogelijkheden van HeatWave: met HeatWave AutoML en HeatWave GenAI kunnen ze profiteren van geïntegreerde en geautomatiseerde machine learning en generatieve AI in cloudservices (zonder ETL). Met HeatWave Lakehouse kunnen ze applicaties bouwen om tot een halve petabyte aan data in verschillende bestandsindelingen, zoals CSV, Parquet, Avro, JSON en exports van andere databases, in de objectopslag te doorzoeken. Indien gewenst kunnen ze deze data combineren met data in MySQL.
Als u realtimeanalyses in uw bedrijf wilt gebruiken, neemt u met HeatWave MySQL definitief afscheid van de kosten, complexiteit, latentie en beveiligingsrisico's van ETL-processen en meerdere databaseomgevingen die ooit een belemmering vormden.
Ontdek hoe u eenvoudig kunt migreren naar HeatWave MySQL of bekijk andere interessante HeatWave-onderwerpen.