Fotolia.

新闻 及时了解最新的企业技术新闻和产品更新。

持续情报呈上升趋势

随着各组织寻求获得竞争优势(许多组织只是试图在大流行期间生存下来),数据流正在帮助它们实时做出决策。

随着企业寻求竞争优势,持续的情报变得越来越重要。

通常将数据流这是一种以稳定、高速的速率分析和处理数据的概念。持续情报是应用实时分析的一种流行方式,它使组织能够基于接近实时的数据,而不是在几天甚至几周后获得任何情况的清晰图像。

当组织看到事情发生时,他们随后能够快速做出数据驱动的决策。

由于2019冠状病毒病(COVID-19)大流行给世界各地的经济体带来痛苦,许多组织难以生存,因此,持续的情报比以往任何时候都更加重要。分析帮助了一些企业认识到枢纽的机会为了在大流行期间保持生存能力,以及其他人学会提高效率。接近实时地使用数据使企业能够对快速变化的环境做出快速反应。

凯文·皮特里,埃克森集团研究副总裁,写过关于持续智能的大量文章吗包括11月11日发表的一篇题为《持续情报战略成功的五步》的博客文章。

Petrie最近花时间谈论了这个话题,包括企业何时开始将数据流纳入他们的分析中,从那时起数据流开始流行,以及它是如何流行的帮助企业在大流行期间应对

首先,你如何定义持续智能?

凯文·皮特里凯文·皮特里

Kevin Petrie:连续智能可以采取几种不同的形式,但是广泛地说这是一组功能,将实时和历史分析应用于核心系统数据和外部数据,然后将结果应用于建议或特定的操作动作。

持续的情报能让一个组织做什么,当它不能实时捕获数据时?

Petrie:很多,许多工作流都非常低延迟,数据和事件的价值非常容易消失,因此您可以在很短的时间内对业务机会作出反应。持续的情报可以使您非常迅速地确定一个交叉销售机会,或者电子商务网站可以在工厂部件损坏或货车损坏之前确定预防性维护的需要。在现实世界和虚拟世界中都有许多不同的情况,你需要快速行动和快速思考。持续的情报可以帮助你解决这个问题。

在现实世界和虚拟世界中都有许多不同的情况,你需要快速行动和快速思考。持续的情报可以帮助你解决这个问题。
凯文·皮特里埃克森集团研究副总裁

你提到了几个例子——你能给我介绍一个持续智能的用例吗?

Petrie:广泛地说,持续智能往往用于改善IT运营的现有流程,用于安全和DevOps,但我认为最具指导性的例子与客户参与和交叉销售示例有关。可能有一个案例,你有一个人来到一个网站,并根据他们的浏览历史,你知道他们对某种服装有一定的偏好或兴趣,你也知道他们定期的购买历史购买非常大的购买。您可以根据社交媒体趋势和基于当地天气模式,开始三角销售或实时优惠对该网上购物者进行最吸引人,并在他们去之前离开网站之前检查他们的在线新闻源。

这是您可以将传统的核心交易信息组合在一起的众多示例之一结构化信息在你自己的购买数据库中,将其与从社交媒体(非结构化数据片段)中推断出的更广泛的趋势联系起来,并向该客户提供实时报价。

基于持续智能的决策通常是自动化的吗,就像你刚才所举的例子,还是数据流也会影响人类的决策?

皮特里:不一定是自动化的。持续的智能输出可以是自动推荐给做决定的人,也可以是管理送货卡车车队的人,他们会收到一个自动推荐,让他们在风暴来临时改变交通路线,或者它可能是一个特定的自动操作,就像我之前在自动客户推荐的例子中谈到的那样。

大流行如何影响不断智力的需求?

皮特里:机器学习是持续智能的主要贡献者之一。我们都知道,机器学习有一个漂移数据的常见问题漂移模型,这意味着你上个月知道的不再适用于这周或下周。公平地说,2020年一些巨大的经济惊喜加速了数据漂移和模型漂移,所以零售商需要重新审视他们的所有决定,并对有关客户购物模式、当地社交距离法规的最新情报迅速做出反应,所有与决策相关的因素都很难预测因为世界变化很快。所以我认为这加速并提高了人们对持续智能的兴趣。

历史上,当大多数人想到流媒体数据时,他们想到的是Netflix和Spotify等娱乐应用程序,但持续智能何时开始超越娱乐领域,开始渗透到其他领域?

皮特里:我想说的是,在过去两年,以及今年,持续情报已经成为一个更普遍的术语和概念。你可以从Splunk这样的公司得到解决方案,他们专门分析和帮助对所有类型的机器数据进行操作。你有像Tibco这样的公司他们多年来一直专注于流媒体,是这一领域的先驱,帮助组织在机器数据和应用数据上采取行动。我认为它在过去的一两年里变得越来越流行,因为一些组织希望利用新的实时技术,比如Kafka,比如数据流,并将这些见解付诸实践。

您刚才提到了一点,但是是否存在比其他技术平台更好地支持流媒体,或者大多数分析堆栈都有一定的能力?

Petrie:像很多技术和学科一样,很难从架子上买断持续智能。通常它涉及现有的应用程序数据架构或机器数据架构,并在其顶部开始绘制其他技术。有时它是一个新的商业产品,有时它是商业产品中的一个新功能,有时它是新的本质上的代码。但是,那里肯定有一些很漂亮的创意。

我提到了Splunk和Tibco,但还有一个公司叫游泳以及它们所做的是,将数字双胞胎技术和机器学习模型结合起来,帮助不同类型的系统 - 让我们说IOT系统 - 创建实时图表,说明和跟踪系统中不同实体之间的关系并生成建议和真实的关系- 系统如何如何互相涉及。它可以帮助您管理一支卡车,作为一个例子,或者在电信网络中管理流程。

如前所述,大流行正迫使各组织以往更快地分析其数据,但目前持续的情报对商业世界的渗透程度有多深?

Petrie:我说的第一件事是,很多组织可能正在使用连续情报,而不是那个标签,但没有质疑商业模式依赖电子商务的组织,在任何类型的客户数据上以及从中生成见解,开始看两件事,真正能够连续智能。一个是超越自己的数据,并寻找新发现和新机遇的外部数据,然后是两个,开始弄清楚如何运行这些实时洞察力。我认为有很多公司这样做。

也有很多专门从事物理产品的公司,特别是在COVID - 19爆发后,想要这样做更有效地管理供应链因此,他们试图使他们的东西更聪明,并延迟决策和关于如何以更敏捷的方式管理供应链的洞察。这可能会或可能不会推动连续智能,但它开始将它们置于那个方向。

你还有什么要补充的吗?

皮特里:像很多术语,连续情报被很多不同的供应商和使用松散不同的从业人员在不同的上下文中,但关键是,企业开始从战略上思考如何扩大他们的数据分析和如何实施实时洞察他们可以推出。这是一个非常有趣的趋势,我认为它将推动2021年COVID世界的大量采用和大量数据现代化。

你看到收养动力的采用有多快,并且可以指数增长?

Petrie:收养率确实在增长,但我不知道它是否呈指数增长。它肯定在上升,而且我认为这是一个只会加速发展的趋势。

编者按为了清晰和简洁,本问答经过了编辑

深入了解数据分析

搜索数据管理
搜索AWS
搜索内容管理
搜索甲骨文
搜索SAP
搜索SQL服务器
关闭