Streaming Analytics: de waarde zit in de actie

“Als we het hebben over streaminganalyses, hebben we het over het omdraaien van ons traditionele paradigma en nadenken over hoe we analytics naar onze data brengen, en niet noodzakelijk naar data naar onze analytics”, aldus Kimberly Nevala, de directeur Business Strategieën voor SAS Best Practices, terwijl we streaming analytics bespraken tijdens de DATAVERSITY® Enterprise Analytics Online Conferentie.

“Streaminganalyses, zoals het woord ‘stream’ al aangeeft, betekent dat we analyse toevoegen aan wat wij ‘eventstreams’ noemen,” vervolgde Nevala. Simpel gezegd, gebeurtenisstromen zijn gegevensstromen met een lage latentie en hoge doorvoer die inzichten genereren door analyse toepassen naar gegevens terwijl deze “in stream” zijn. Traditioneel worden gegevens vastgelegd en opgeslagen voordat ze worden geanalyseerd, en inzichten die uit die analyse voortkomen, worden vervolgens naar buiten gedrukt. Bij streaminganalyses worden modellen of algoritmen toegepast om de binnenkomende gegevens te analyseren zoals deze zich voordoen, voordat de gegevens worden opgeslagen. Dit proces biedt de mogelijkheid om “de informatie te ondervragen en te bepalen of gegevens betekenis hebben en wat de waarde is, zodat we expliciet weten welke gegevens moeten worden opgeslagen, en waarom en wanneer”, zei ze.

Waarom streaming Analytics

Organisaties worden steeds meer uitgedaagd om de tijd tussen het verkrijgen van inzicht en relevante actie te verkorten en dit continu te doen op een agile manier die inspeelt op de omgeving. Nevala merkte op:

“Die wendbaarheid en reactievermogen vragen om een ​​andere aanpak – om niet alleen data op te nemen, maar ook om heel, heel snel inzichten te ontwikkelen en toe te passen. . . waar we continu kansen kunnen evalueren en erop kunnen reageren en risico’s kunnen vermijden of aanpakken. “

Naarmate een toenemend aantal mensen interactie heeft met apparaten – en die apparaten met elkaar worden verbonden – wordt het vermogen om volledig bewust te reageren op een gebeurtenis of een aanzet tot een item op het moment steeds belangrijker, zei Nevala.

Biedt een real-time spectrum

Streaminganalyse is een stap van ‘reactief’ real-time verwerking naar “proactieve” real-time verwerking. Traditioneel worden real-time beslissingen getriggerd als resultaat van een reeds bestaande gedefinieerde reeks acties, zoals een aankoop, een betaling of een soort systeemfout, en de real-time respons komt binnen met een soort van vooraf gedefinieerde instructie. ‘We wachten tot er iets gebeurt,’ zei Nevala. Streaming-analyse en de verwerking van de gebeurtenisstroom, daarentegen, analyseert voortdurend bewegende gegevens voordat de gegevens worden opgeslagen. Dit omvat acties zoals scoren, gegevensmanipulatie, normalisatie en opschoning. Het belangrijkste is dat het proces gericht is op patroondetectie of patroonveranderingen.

“Dit is de reden waarom streaming-analyse zo belangrijk is bij zaken als fraude of cyberveiligheid, waarvan we in feite niet precies weten wat die volgende actie is of hoe iemand de volgende keer gaat aanvallen”, legt Nevala uit. “Maar we kunnen echt gaan zoeken naar verschillen in normaal gedrag en die veranderingen in patroon gebruiken om ons te vertellen dat er iets aan de hand is.”

De impact van het internet der dingen

Nevala noemde een McKinsey Digital schat dat de internet van dingen (IoT) zal resulteren in $ 11 biljoen aan inkomsten en bedrijfswaarde in 2025, “dus de belofte en het potentieel hier is enorm.” In de praktijk is de belofte van IoT echter niet zo eenvoudig te realiseren. Het simpelweg genereren van enorme hoeveelheden gegevens is niet genoeg. Waarde creëren door opkomen trends zoals AI en machine learning vereist de ontwikkeling van nieuwe inzichten uit IoT-gegevens, zei ze, en van het afstemmen en integreren van IoT-gegevens met productgegevens, klantgegevens en andere bronnen die in verschillende formaten aankomen.

Er zijn enorme kosten verbonden aan het transport en de opslag van IoT-gegevens, en vanwege het verzamelde volume is er een strategie nodig om deze alleen te kunnen opslaan. Omdat sensordata bijna alles kan beschrijven, gaat de variëteit verder dan de simpele classificaties van ‘gestructureerde’ en ‘ongestructureerde’ data. “Opslag kan dus worden gezien als een handelsartikel, maar gezien het volume en de snelheid van de gegevens worden die kosten onhoudbaar”, zei Nevala.

Streaming Analytics: vier belangrijke indicatoren

Als meer gegevens alleen niet in waarde worden vertaald, wordt het van cruciaal belang om te onderscheiden welke gegevens belangrijk zijn. Het kan bijvoorbeeld nuttig zijn te weten dat een auto op het punt staat defect te raken, maar het is echt waardevol om de informatie te hebben die nodig is om de auto te repareren voordat deze defect raakt.

Nevala schetste vier situaties waarin streaminganalyses een rol kunnen spelen bij het creëren van waarde.

  • Extreem lage latentie: Wanneer respons met extreem lage latentie van het grootste belang is, zoals wanneer machinestoringen catastrofaal kunnen zijn, met fraudedetectie of met mogelijke cyberaanvallen.
  • Hoge doorvoergegevens: Streaminganalyses zijn voordelig voor realtime risicodetectie met grote en snelle gegevens.
  • Wanneer gegevensopslag onpraktisch is: Wanneer de opslag van enorme hoeveelheden gegevens niet mogelijk of optimaal is, kan streaming-analyse inkomende gegevens standaardiseren, bepalen of deze relevant zijn en zo niet, dan kunnen de gebeurtenis en de bijbehorende gegevens worden weggegooid zonder de verwerkingsbandbreedte in beslag te nemen.
  • Wanneer situationeel bewustzijn van het grootste belang is: Wanneer een organisatie snelle, gepaste actie moet ondernemen op basis van situationeel bewustzijn.

Het nieuwe analyseparadigma: Stream-Understand-Act

Traditioneel worden gegevens vastgelegd, opgeslagen en door een soort ETL-proces in een datawarehouse, of in sommige gevallen in een meer. Op die data worden rapportage- en analytische tools toegepast voor inzichten, en dat inzicht wordt teruggekoppeld naar het bedrijfsproces.

Het nieuwe paradigma houdt niet in dat de oorspronkelijke datapijplijn wordt verwijderd, zei Nevala. In plaats daarvan is het belangrijk om anders na te denken over de implementatie analytische modellen. Het toepassen van hoogwaardige analyses op de gebeurtenisstroom zelf sluit de mogelijkheid niet uit om offline gegevens te bekijken om opkomende trends te identificeren. IoT-gegevens of realtime transactiegegevens kunnen worden gecombineerd met traditionele gegevensbronnen om de context te bieden die nodig is om de analyses te implementeren.

Use case: voorspellend onderhoud van activa

“Streaminganalyses die worden gebruikt om geavanceerde analysetechnieken in te zetten, zijn echt waardevol voor organisaties”, merkte Nevala op, en voorspellend activabeheer was een van de eerste use cases voor streaminganalyses. Olieplatforms vereisen bijvoorbeeld onderwaterbewaking om serviceonderbrekingen te voorkomen en de productie op het olieveld te optimaliseren. Ze schatte dat een defecte pomp $ 2 miljoen per dag zou kunnen kosten, met een uitgestelde opbrengst van bijna $ 20 miljoen per dag. Wanneer een klep of pomp uitvalt, kan de vraag automatisch worden overgebracht naar andere gebieden.

Gebruiksvoorbeeld: voorspellend patiëntbeheer

Een andere use case is in de gezondheidszorg, waar klinisch waarneembare symptomen soms pas duidelijk zijn als het te laat is, zei Nevala. Streaming-analyse kan relevante patronen die zich bij patiënten ontwikkelen in realtime detecteren, en die informatie kan vervolgens worden gebruikt om intensive care-teams te waarschuwen.

Belangrijk hierbij is de mogelijkheid om de zogenaamde “alert-vermoeidheid” te vermijden, vanwege het overweldigende aantal sensoren en waarschuwingen gedurende de dag. “Het is erg moeilijk om te onderscheiden, zelfs voor medische professionals, welke dingen het belangrijkst zijn.” De vitale statistieken van een patiënt van die sensoren kunnen nu worden gekoppeld aan inkomende laboratoriumresultaten, patiëntgeschiedenis en andere gegevens, die vervolgens kunnen worden gebruikt om acties te starten op basis van gedetecteerde patronen. De actie die wordt geactiveerd, kan zijn om een ​​bericht naar het zorgteam van de patiënt te sturen via e-mail of sms, zodat ze op het juiste moment de juiste zorg kunnen bieden. Streaminganalyses worden ook gebruikt om levensbedreigende infecties bij baby’s op neonatale intensive care op te sporen en te behandelen, 24 uur voordat een klinisch symptoom waarneembaar zou zijn.

Gebruiksvoorbeeld: contextuele klantervaringen

Vooruitgang in analyse wordt vaak gedreven door de wens om de klantervaring te verbeteren door meer realtime context te bieden. Nevala sprak over de impact die streaming-analyse had op een telecomprovider. Door klantrecords, webgegevens en geografische gegevens in realtime te combineren, kon het bedrijf marketingaanbiedingen doen op basis van netwerkgebruik, contentprogrammering en aanbevelingen. Als gevolg hiervan hebben ze de acceptatie van het aanbod vertienvoudigd en het klantverloop verminderd. De mogelijkheid om dit in realtime te doen, in context, stelt het bedrijf in staat om veel tijdiger en relevanter te zijn door een beroep te doen op de klant op het moment dat ze de service gebruiken – “Wanneer ze geïnteresseerd zijn en mogelijk rijp zijn voor een nieuwe aanbieding of een upgrade, ”zei ze.

Gebruiksvoorbeeld: het verbonden land

Nederland heeft een van de hoogste bevolkingsdichtheden van Europa: 20 procent van het land ligt feitelijk onder zeeniveau en meer dan 50 procent van het land ligt minder dan een meter boven zeeniveau. In een dergelijke overstromingsgevoelige omgeving is het beheer van de transportinfrastructuur van cruciaal belang. Bijgevolg zijn bijna 14.000 overheidsmedewerkers toegewijd aan het bewaken van wegen, bruggen, tunnels en waterwegen. Om de transportstroom te helpen beheren en optimaliseren, vertrouwen ze op realtime analyses van streaminggegevens die door bridgesensoren worden verzonden. Medewerkers gebruiken deze gegevens om veilig te veranderen hoe lichten werken, beheren welke overstromingsroutes aan en uit zijn en om van richting te veranderen, zei ze. Ze zijn van plan die analyse uit te breiden met streaminggegevens in realtime van duizenden sensoren in hun watersysteeminfrastructuur, zodat ze die kritieke infrastructuur ook in realtime kunnen volgen en beheren, zei Nevala.

Alles samenvoegen

Nevala benadrukte dat de inzichten die zijn opgedaan met de technologie moeten worden gebruikt om bedrijfsprocessen te informeren en operationele veranderingen te ondersteunen die de prestaties zullen verbeteren. Ze had het over openstaan ​​voor een mentaliteitsverandering over hoe banen, rollen en verantwoordelijkheden mogelijk moeten evolueren, niet alleen in data- en analyseteams, maar ook in hoe het bedrijf zelf opereert. Het proactief managen van de noodzakelijke zakelijke veranderingen zal uiteindelijk de time-to-value van investeringen in streaming analytics verkorten.

“De waarde zit hier, net als bij alle andere soorten analyse, in de actie”, concludeerde Nevala. “Het is niet [just] bij het ontwikkelen van de inzichten of het detecteren van een gebeurtenis – het gaat om het begrijpen: ‘Wat moeten we doen?’ ‘

Wilt u meer weten over de aankomende evenementen van DATAVERSITY? Bekijk onze huidige line-up van online en persoonlijke conferenties hier.

Hier is de video van de online presentatie van Enterprise Analytics:

Afbeelding gebruikt onder licentie van Shutterstock.com

follow:
admin

admin

Related Posts

Een korte geschiedenis van gegevensbeheer

Datamanagement is de organisatie van gegevens, de stappen die worden gebruikt om efficiëntie te bereiken en informatie uit die gegevens

Datakans klopt! Moet je antwoorden?

Klik voor meer informatie over auteur Kartik Patel. Als zakenmensen krijgen we vaak te maken met wat misschien een geweldige

Een korte geschiedenis van gegevensbeheer

Datamanagement is de organisatie van gegevens, de stappen die worden gebruikt om efficiëntie te bereiken en informatie uit die gegevens

Datakans klopt! Moet je antwoorden?

Klik voor meer informatie over auteur Kartik Patel. Als zakenmensen krijgen we vaak te maken met wat misschien een geweldige