Trasformate la business intelligence con l'analisi in tempo reale

Scoprite come l'analisi in tempo reale può aiutare le organizzazioni ad acquisire un vantaggio competitivo nella nuova era del business guidato dai dati.

Che cos'è l'analisi in tempo reale?

Man mano che i decision maker aziendali cercano informazioni più approfondite e tempestive, l'analisi in tempo reale (a volte definita intelligenza operativa) continua a ricevere consensi in tutti i settori. Questi strumenti raccolgono informazioni di utilità pratica da dati storici e in tempo reale che fluiscono continuamente nelle organizzazioni.

L'analisi in tempo reale sta guadagnando popolarità perché offre la possibilità di trasformare i dati in informazioni significative nel giro di pochi secondi o meno. Ma in termini più semplici, l'analisi in tempo reale è associata alla disponibilità immediata di informazioni dopo che sono state raccolte per l'analisi, il reporting e il processo decisionale da chiunque ne abbia bisogno, spesso proattivamente. Il team delle operazioni potrebbe non aver realizzato che un dispositivo si sta per guastare, ma l'analisi predittiva renderà nota questa informazione urgente.

Come si ottiene questo risultato? Considerate prima di tutto i tradizionali database strutturati, come i sistemi SQL/BI. In questo approccio, le informazioni vengono archiviate, indicizzate e successivamente elaborate tramite query. Questo sistema era adeguato prima che i post di Twitter potessero lanciare un trend sulla moda o che i retailer potessero perdere un cliente se non riuscivano a inviare suggerimenti appropriati o tempestivi ai clienti nei periodi di picco degli acquisti.

I ritmi frenetici del business spingono le aziende ad adottare un nuovo approccio alla velocità con cui vengono elaborati i dati. Invece di archiviare e indicizzare le informazioni nei tradizionali database, i casi di utilizzo dei dati in tempo reale impongono che i dati vengano elaborati al momento mentre vengono trasmessi tramite un server. I dati in tempo reale devono quindi essere integrati con dati storici.

La maggior parte delle aziende raccoglie una enorme quantità di dati di vari tipi, ma non sa come utilizzarli o combinarli con dati interni o esterni per ottenere informazioni tempestive e significative sul loro marchio, sull'esperienza dei clienti o sulle tendenze di mercato. L'analisi in tempo reale offre la possibilità di sbloccare le potenzialità di tutti i dati e consente di prendere decisioni alla velocità di Internet.

Qual è la proposta di valore per l'analisi in tempo reale?

Retailer, produttori, società di servizi finanziari e una gamma di altri settori faticano a tenere il passo con il ritmo dei dati generati, che devono essere elaborati e analizzati per soddisfare le esigenze in continua crescita dei clienti e mantenere un vantaggio competitivo.

Solitamente, il valore dei dati si riduce significativamente nel corso del tempo. Operando in tempo reale, la qualità dei dati non è compromessa ed è possibile applicare l'analisi ai processi aziendali che hanno finestre temporali strette o quando mutevoli condizioni richiedono risposte immediate.

Con l'aumento del flusso dei dati provenienti dai sensori e dall'Internet delle cose (IoT), questo processo è diventato imperativo, perché il valore di questi dati rischia di evaporare nell'arco di pochi giorni, ore, minuti o addirittura secondi. I dati dell'IoT che dirigono un camion a guida autonoma sono l'esempio perfetto di informazioni che diventano inutili, o perfino pericolose, con la minima latenza. Analogamente, i dati che indicano l'affaticamento di una macchina o di una linea di produzione diventano inutili dopo che la macchina smette di funzionare.

L'analisi in tempo reale affronta molti problemi delle organizzazioni. I retailer online combinano l'attività transazionale e la navigazione sul Web per determinare la successiva offerta migliore da proporre a un cliente. Le banche analizzano i comportamenti per identificare attività fraudolente o rilevare segni che un cliente che lavora con una delle loro filiali è pronto a ricevere un'offerta da un'altra filiale. L'assegnazione dinamica dei prezzi, la gestione dei rischi, l'ottimizzazione dei call center e la sicurezza sono solo alcuni dei processi che possono essere ottimizzati con l'analisi in tempo reale.

In questi casi, i dati in tempo reale consentono alle aziende di offrire servizi e prodotti a valore aggiunto nel momento stesso in cui i clienti li vogliono e di proteggere l'organizzazione da conseguenze negative prima che diventino devastanti. L'analisi in tempo reale può separare le tendenze dalle chiacchiere. Con i ritmi del business che divenano sempre più frenetici, i sistemi di avviso anticipati resi possibili dall'analisi in tempo reale diventeranno prima di tutto fattori di differenziazione e subito dopo necessità che forniscono il tipo di servizio che i clienti si aspettano.

Come rientra l'analisi in tempo reale in una strategia generale di analisi?

L'analisi è uno spettro, con la maggior parte delle aziende che adottano una combinazione di approcci analitici in base a tipi di dati, carichi di lavoro e al tipo di problemi aziendali che stanno provando a risolvere. L'analisi rientra ora in cinque categorie: descrittiva, diagnostica, predittiva, prescrittiva e cognitiva.

L'analisi descrittiva risponde a domande su quello che è successo nel passato. L'analisi diagnostica offre informazioni sui motivi per cui si sono verificati questi eventi. L'analisi predittiva esamina i dati correnti e quelli storici per fornire informazioni su quello che potrebbe succedere nel futuro. L'analisi prescrittiva suggerisce le misure che un'organizzazione potrebbe adottare in base a queste previsioni, mentre l'analisi cognitiva automatizza e aumenta le decisioni umane.

Queste cinque categorie si basano una sull'altra in maniera graduale, trasformando l'organizzazione in un'impresa on demand in cui le decisioni vengono prese in modo più rapido ed efficace.

L'analisi predittiva è il punto iniziale dell’“analisi avanzata” in cui è possibile alimentare i processi decisionali con informazioni in tempo reale. L'analisi predittiva, quindi, è un caso di utilizzo che trae vantaggio dalle funzionalità dell'analisi in tempo reale.

A prescindere al tipo di analisi adottato, le aziende devono definire una strategia completa basata su una moderna infrastruttura che interrompa l'isolamento dei dati e anche quello delle organizzazioni. Il tema comune è la capacità di acquisire, archiviare, analizzare e proteggere i dati in modo che le informazioni siano rapidamente scalabili nell'organizzazione per consentire di prendere decisioni tempestive per il business.

Quali esigenze vengono sollevate dall'analisi in tempo reale in termini di infrastruttura e competenze necessarie?

Lo stack di soluzioni di analisi è costituito da quattro livelli: infrastruttura, dati, analisi e applicazione. Le tecnologie Intel® si estendono ad ogni componente importante di un'infrastruttura aziendale, a livello di rete, storage e computing, consentendo di gestire i dati in modo efficiente e di sfruttarli rapidamente per il vantaggio competitivo. Un'architettura omogenea nell'intera organizzazione, basata ad esempio sui processori scalabili Intel® Xeon®, fornisce un percorso prevedibile per scalare rapidamente le iniziative di analisi senza le necessità di supportare più piattaforme.

Le tradizionali soluzioni per i big data, orientate sul data warehousing, non sono indicate per la maggiora parte dell'elaborazione di dati in tempo reale. Sempre più spesso, i fornitori di servizi cloud offrono soluzioni Platform-as-a-Service (PaaS) e Software-as-a-Service (SaaS) che possono essere sfruttate nel servizio di analisi in tempo reale. Le soluzioni di brokeraggio tra i cloud consentono alle aziende di eseguire i carichi di lavoro quando vogliono, in base a quantità, varietà e velocità delle informazioni.

Con le enormi quantità di dati generati, le aziende devono determinare quali dovranno essere riportati in azienda per prendere decisioni intelligenti. I dati in tempo reale possono essere elaborati “alla periferia”, con l'analisi dei dati che si verifica in corrispondenza o vicino al punto di raccolta. Tuttavia, l’analisi dei dati in tempo reale nei data center richiede l’accesso rapido e l’analisi di quantità di dati sempre più imponenti. Ciò significa che è essenziale ottimizzare ogni livello dell’infrastruttura, dalla CPU ai sottosistemi di memoria/storage. Le tecnologie di memoria persistente mantengono una quantità maggiore di dati più vicino alla CPU e li mantengono in memoria durante i cicli di blackout, eliminando le latenze causate dai colli di bottiglia dell’I/O, recuperando i dati dagli SSD più lenti e velocizzando i riavvii.

L'analisi in tempo reale richiede di acquisire i dati ovunque, in qualsiasi formato e di convertirli nel formato di record appropriato in modo che possano essere elaborati come un insieme. La chiave è capire dove vengono creati i dati e come verranno usati per migliorare i processi aziendali e decisionali.

Chi sono i principali player dell'analisi in tempo reale?

Come partner tecnologico per l'analisi, Intel offre la flessibilità per scegliere una delle soluzioni software all'avanguardia oggi disponibili, sia open source che proprietarie.

SAP HANA* è un singolo database combinato con elaborazione dati avanzata, servizi applicativi e servizi flessibili di integrazione dei dati. HANA sfrutta il software di database in memoria, un approccio per eseguire query sui dati quando risiedono nella memoria del sistema (oggi chiamata RAM) invece che su quelli archiviati su dischi fisici.

In questo modo i clienti possono elaborare i dati in nuovi modi e molto più velocemente e creare una serie di scenari di simulazione che consentono di sfruttare le opportunità o evitare i problemi. Anche altri fornitori tradizionali di tecnologie, come IBM e Oracle, hanno abilitato operazioni in tempo reale nelle loro piattaforme con le nuove tecnologie.

Le soluzioni open source, incentrate sul codice di base Apache Spark*, introducono l'analisi in tempo reale di dati non strutturati, come social media, immagini e video. Spark usa l'analisi in memoria distribuita tra numerosi sistemi, in modo da elaborare grandi quantità di dati in parallelo.

Molte di queste soluzioni possono essere offerte nel cloud, permettendo di eseguire l'analisi nel punto in cui vengono generati dati come i social media e l'Internet delle cose. Di conseguenza, le aziende possono eseguire query su dati online e transazionale per far emergere modelli ricorrenti e tendenze in tempo reale muovendosi alla tessa velocità del mondo e dei clienti.

Sul mercato arriva costantemente una grande varietà di nuove soluzioni, oltre a nuovi player. È quindi disponibile un vasto ecosistema di soluzioni destinate a trarre vantaggio dalle funzionalità di computing, rete e storage fornite da Intel per supportare una sempre maggiore agilità nell'analisi aziendale e nei processi decisionali.

In che modo le informazioni in tempo reale consentono nuovo valore aziendale


L'analisi in memoria avvicina i dati (2 di 2)

L'analisi in tempo reale può aiutare le organizzazioni ad acquisire un vantaggio competitivo nella nuova era del business guidato dai dati.

Per saperne di più

Analisi avanzata

Il livello successivo dell'innovazione aziendale richiede informazioni in tempi brevi. Iniziate con i prodotti e le tecnologie Intel®.

Per saperne di più

Processori scalabili Intel® Xeon®

La generazione più recente di processori scalabili Intel® Xeon® è ottimizzata in base ai carichi di lavoro per supportare le applicazioni più impegnative.

Per saperne di più

Tecnologia Intel® Optane™

Una nuovissima categoria di memoria premium in grado di cambiare il modo in cui realizziamo e utilizziamo i computer.

Per saperne di più