Многим компаниям еще предстоит в полной мере использовать преимущества данных реального времени. Рахул Прадхан, вице-президент по продуктам и стратегии Couchbase, рассказывает на портале The New Stack о четырех распространенных ошибках, которые могут этому помешать.

В современном мире, основанном на приложениях, организации тонут в данных. Проблема, с которой они сталкиваются, заключается в извлечении критически важных инсайтов из операционных данных этих приложений с помощью аналитики реального времени. В сочетании с искусственным интеллектом это может открыть дверь к гиперперсонализированным и немедленным «адаптивным приложениям». Они обеспечивают индивидуальный, динамичный и отзывчивый пользовательский опыт, который все чаще требуют клиенты. Почему же только 17% предприятий сегодня имеют возможность проводить аналитику реального времени на больших объемах данных?

Поиск правильных инструментов и технологий — это первый шаг к созданию конкурентного преимущества во все более ориентированной на ИИ вселенной.

Почему реальное время — это важно

Экономика приложений — это большой бизнес. Только экосистема App Store компании Apple в 2022 г. принесла разработчикам 1,1 трлн. долл. И поскольку пользователи требуют более релевантного и непосредственного опыта, внимание к аналитике в реальном времени стало критически важным шагом к успеху.

Особенно это касается так называемых «адаптивных приложений» — новой когорты динамичных приложений, способных в реальном времени корректировать поведение и функции в зависимости от предпочтений пользователя, условий окружающей среды, поступающих данных и меняющихся обстоятельств. Адаптивное приложение для розничной торговли может позволить компаниям и рекламодателям предлагать правильные товары и услуги правильной целевой аудитории в правильное время. Аналогичным образом, приложение для бронирования с адаптивной функциональностью может регулярно обновляться на основе информации реального времени о поездках, событиях и истории пользователей, предлагая персонализированные поездки и другие возможности.

Такая гиперперсонализация и оперативность усиливаются благодаря возможностям искусственного интеллекта. Интеграция генеративного ИИ с аналитикой реального времени дает множество преимуществ, включая расширенные возможности прогнозирования, персонализацию пользовательского опыта, повышение операционной эффективности и возможность для компаний реагировать на события в режиме реального времени, корректируя стратегии. Это значительно расширяет сферу применения: от противодействия мошенничеству и выявления аномалий до обслуживания клиентов и оформления розничных заказов. Используя эти технологии, компании могут получать более глубокие инсайты, быстрее реагировать на изменения и предоставлять своим клиентам более качественные продукты и услуги.

Четыре способа сделать ошибку

Однако, несмотря на очевидные преимущества, внедрение данных реального времени остается медленным, и многие компании еще не в полной мере используют их преимущества. Следующие четыре распространенные ошибки могут усугублять эти проблемы:

1. Слишком большое внимание к скорости, а не к точности и качеству данных

Как следует из названия, для этих приложений важна оперативность. Но скорость не должна достигаться любой ценой. Здесь применима старая поговорка «мусор на входе, мусор на выходе»: Если сервис опирается на некачественные данные, он не сможет достичь желаемых результатов. Устаревшие или неполные наборы данных приведут лишь к неточным выводам и подорвут доверие клиентов к приложению. Поэтому организациям следует уделять первоочередное внимание проверке и очистке данных, а также регулярному аудиту, чтобы поддерживать целостность данных и получать точные результаты.

2. Игнорирование важности контекста

Данные реального времени требуют более широкого контекста и корреляции для получения точных выводов. Поэтому организациям приходится копать глубже, чтобы выявить истинную взаимосвязь между переменными. Например, внезапный скачок продаж какого-либо товара может быть вызван повышенным потребительским спросом, макроэкономическими условиями, такими как дефицит сопутствующих товаров, климатическими показателями или, возможно, рекламными кампаниями. Корреляция не означает причинно-следственную связь.

3. Выбор неправильных инструментов

Не все инструменты аналитики созданы одинаковыми. Очень важно, чтобы организации выбирали технологии, предназначенные для обработки и визуализации данных в режиме реального времени. В противном случае это может привести к узким местам, задержкам и проблемам с точностью.

4. Неспособность четко определить цели

Аналитические проекты редко приносят желаемые плоды без конкретных, измеримых целей. Поэтому организации должны четко определить цели, например, повысить уровень удержания клиентов на определенную величину в установленные сроки. Это поможет направить усилия по сбору и анализу данных. Без четких целей трудно выявить действенные инсайты или измерить успех.

Время для аналитики реального времени

Ошибки с аналитикой реального времени могут иметь серьезные последствия для бизнеса. Около 41% предприятий утверждают, что они могут выйти из бизнеса в течение трех лет, если их приложения перестанут соответствовать ожиданиям пользователей. Еще большая доля (46%) считает, что в этом случае они проиграют конкурентам. И хотя возможности аналитики реального времени уже используются зрелыми, ориентированными на технологии компаниями, подавляющее большинство организаций с трудом овладевают необходимыми инструментами и ноу-хау, чтобы преодолеть такие барьеры, как разрозненные системы данных.

К счастью, современные архитектуры баз данных могут объединять операционные и аналитические рабочие нагрузки, получая и обрабатывая данные в режиме реального времени. Важно, что это можно делать в единой среде. Это позволяет избежать перемещения данных из баз данных в хранилища данных и устранить необходимость в дорогостоящих процессах извлечения-преобразования-загрузки (ETL) в системах онлайновой обработки транзакций (OLTP) и онлайновой аналитической обработки (OLAP), которые также могут вносить задержки.

Например, современные колоночные сервисы решают проблему, которая десятилетиями ставила в тупик индустрию баз данных: обеспечение немедленной записи результатов аналитики реального времени в оперативную базу данных и обслуживаемые ею приложения. Такие сервисы обеспечивает нулевую потоковую ETL-обработку данных из различных гетерогенных источников (Couchbase, MongoDB, MySQL и PostgreSQL) и в различных форматах (csv, tsv, parquet, avro и JSON). Разделение вычислений и хранения данных, а также оптимизированный формат колоночного хранения для JSON позволяют приложениям быстрее получать инсайты реального времени.