Varför företag behöver data i rörelse för stora data - dummies

Du behöver data som rör sig för att reagera snabbt med det aktuella tillståndet för stora data. För att slutföra en kreditkortstransaktion eller skicka ett e-postmeddelande måste data transporteras från en plats till en annan. Data är viloläge när den lagras i en databas i ditt datacenter eller molnet. Däremot är data i rörelse när den är i transit från en viloplats till en annan.

Företag som måste bearbeta stora mängder data i nära realtid för att få insikt i verksamheten sannolikt kan orkestrera data medan den är igång. Data i rörelse och stora datamängder går hand i hand. Många verkliga exempel på kontinuerliga flöden av stora datamängder används idag:

• Sensorerna är anslutna till mycket känslig medicinsk utrustning för att övervaka prestanda och varningsmedicinare om eventuella avvikelser från förväntad prestanda. De inspelade dataen fortsätter kontinuerligt för att säkerställa att tekniker får information om potentiella fel med tillräcklig ledtid för att korrigera utrustningen och undvika potentiell skada för patienterna.

• Telekommunikationsutrustning används för att övervaka stora volymer kommunikationsdata för att säkerställa att servicenivåerna uppfyller kundernas förväntningar.

• Försäljningsdata analyseras eftersom den är skapad för att försöka påverka kundbeslut. Data bearbetas och analyseras vid engagemangspunkten - kanske i kombination med platsdata eller sociala medier.

• Meddelanden, inklusive detaljer om finansiella betalningar eller aktiehandel, utbyts ständigt mellan finansiella organisationer. För att säkerställa säkerheten för dessa meddelanden används ofta standardprotokoll som Advanced Message Queuing Protocol (AMQP) eller IBMs MQSeries. Båda dessa meddelandemetoder inbäddar säkerhetstjänster inom sina ramar.

• Samla information från sensorer i ett säkerhetskänsligt område så att en organisation kan skilja mellan rörligheten för en ofarlig kanin och en bil som rör sig snabbt mot en anläggning.

• Medicinska apparater kan ge stora mängder detaljerad information om olika aspekter av patientens tillstånd och matcha dessa resultat mot kritiska förhållanden eller andra onormala indikatorer.

Data som rör sig, ofta i form av streamingdata, blir allt viktigare för företag som behöver fatta beslut när hastighet är en kritisk faktor. Om du behöver reagera snabbt på en situation kan möjligheten att analysera data i realtid betyda skillnaden mellan att antingen kunna reagera på att ändra ett resultat eller för att förhindra ett dåligt resultat.

Utmaningen med strömmande data är att extrahera användbar information eftersom den är skapad och transporterad innan den kommer till viloplats. Strömdata kan vara till stor nytta för ditt företag om du kan utnyttja den informationen när den skapas eller när den kommer till ditt företag.

Du måste bearbeta och analysera direktuppspelningsdata i realtid så att du kan reagera på det aktuella läget för data - i rörelse och innan det lagras. Du behöver ha kunskap om sammanhanget med dessa data och hur det hänför sig till historiska prestanda. Och du måste kunna integrera denna information med traditionella operativa data.

Det viktigaste problemet att komma ihåg är att du behöver ha en klar förståelse för typen av strömningsdata och vilka resultat du letar efter. Till exempel, om ditt företag är en tillverkare, är det viktigt att använda data som kommer från sensorer för att övervaka renheten hos kemikalier som blandas i produktionsprocessen.

Detta är en konkret anledning att utnyttja strömningsdata. Men i andra situationer kan det vara möjligt att fånga mycket data, men det finns inget övergripande företagskrav. Med andra ord, bara för att du kan strömma data betyder inte att du alltid borde.

Hur kan du använda strömmande data för att ändra ditt företag? I vissa situationer kan företagen ta data som de redan har och börjar använda den mer effektivt. I andra situationer samlar de data som de inte kunde samla innan.

Ibland kan organisationer samla in mycket mer av de data som de bara samlat in ögonblicksbilder av tidigare. Dessa organisationer använder streamingdata för att förbättra resultaten för kunder, patienter, stadsbor eller kanske för mänskligheten. Företagen använder strömmande data för att påverka kundbeslut vid försäljningsstället.