A l’ère du numérique aujourd’hui, le monde est devenu plus petit et plus rapide. Les appels audio et vidéo mondiaux qui n’étaient disponibles que dans les bureaux des entreprises, sont maintenant disponibles pour l’homme commun sur le smartphone.
Les consommateurs ont plus d’informations sur les produits et la comparaison que les fabricants à tout moment, en tout lieu et sur tout appareil.
Il est fini le temps où les organisations avaient l’habitude de charger des données dans leur entrepôt de données pendant la nuit et de prendre des décisions basées sur la BI, le jour suivant. Aujourd’hui, les organisations ont besoin d’informations exploitables plus rapidement que jamais pour rester compétitives, réduire les risques, répondre aux attentes des clients et tirer parti des opportunités sensibles au facteur temps – en temps réel, en quasi temps réel.
Le temps réel est souvent défini en microsecondes, millisecondes ou secondes, tandis que le quasi temps réel en secondes, minutes.
Avec l’analytique en temps réel, l’objectif principal est de résoudre les problèmes rapidement lorsqu’ils se produisent, ou mieux encore, avant qu’ils ne se produisent. Les recommandations en temps réel créent une expérience d’achat hyper-personnalisée pour chaque client.
L’Internet des objets (IoT) révolutionne l’analytique en temps réel. Désormais, grâce aux dispositifs de capteurs et aux flux de données qu’ils génèrent, les entreprises ont plus de visibilité sur leurs actifs que jamais auparavant.
Plusieurs industries utilisent ce flux de données en mettant en place l’analytique en temps réel.
- Prévision du chiffre d’affaires dans les télécoms
- Gestion intelligente du trafic dans les villes intelligentes
- Analyse de surveillance en temps réel pour réduire la criminalité
- Impact de la météo et d’autres facteurs externes sur les marchés boursiers pour prendre des décisions de trading
- Optimisation du personnel en temps réel dans les hôpitaux en fonction des patients
- Génération et distribution d’énergie basées sur des réseaux intelligents
- Score de crédit et détection des fraudes dans le secteur financier & médical
Voici quelques exemples d’analyse en temps réel :
La ville de Paris collecte des données à partir des appels , des emplacements des bus et des trains, des appels de plainte et des tweets pour créer une carte géospatiale en temps réel afin de réduire les crimes et de répondre aux urgences.
Telefonica, la plus grande entreprise de télécommunications d’Espagne, peut désormais faire des recommandations en une fraction de seconde aux téléspectateurs et créer des segments d’audience pour de nouvelles campagnes en temps réelInvoca, l’entreprise d’intelligence d’appel, intègre la technologie d’informatique cognitive IBM Watson dans son Voice Marketing Cloud pour aider les spécialistes du marketing à analyser et à agir sur les données vocales en temps réel.
Ferrari, Honda et Red Bull utilisent les données générées par plus de 100 capteurs dans leurs voitures de Formule
L’analyse en temps réel aide à mettre les bons produits devant les personnes qui les recherchent, ou à offrir les bonnes promotions aux personnes les plus susceptibles d’acheter. Pour les sociétés de jeux, elle aide à comprendre quels types d’individus jouent à tel ou tel jeu – à lire : jeux des doodles Google populaires ! – et à élaborer une approche individualisée pour les atteindre.
Au fur et à mesure que le rythme de génération des données et la valeur de l’analytique s’accélèrent, l’analytique en temps réel est le meilleur choix pour surfer sur ce tsunami d’informations.
De plus en plus d’outils tels que Cloudera Impala, AWS, Spark, Storm, offrent la possibilité de traiter en temps réel les Big Data et de fournir des analyses,
Le moment est venu de dépasser la simple collecte, le stockage et la gestion des données pour prendre des mesures rapides sur les données en flux continu.
