Cómo la analítica en tiempo real le ayuda a obtener valor de sus datos más rápido

Descubra cómo la analítica en tiempo real encaja en su estrategia de datos, explore los casos de uso y comprenda las tecnologías que la impulsan.

Lo que debe saber sobre la analítica en tiempo real:

  • La analítica en tiempo real convierte los datos en conocimientos inmediatamente después de que se recopilen, lo que le permite actuar sobre esos datos en ese mismo momento.

  • La analítica de transmisión en tiempo real procesa datos mientras están en transición, proporcionando un flujo de conocimientos constante antes de que se almacenen los datos.

  • Las empresas eligen una variedad de estrategias de analítica según las necesidades empresariales. La analítica predictiva, prescriptiva y cognitiva dependen de la analítica en tiempo real.

  • Los procesadores escalables y la tecnología en memoria sientan las bases para una sólida estrategia de analítica en tiempo real.

author-image

By

Las organizaciones recopilan más datos, más rápido que nunca. Y con el número de dispositivos de IoT conectados, que serán 24.100 millones para 20301, no parece que vaya a ralentizarse. Aun así, muchas empresas luchan para convertir estas pilas de datos en conocimientos que puedan utilizar para hacer crecer su empresa.

Ahí es donde la analítica en tiempo real puede ayudar. En este artículo, aprenderá cómo las organizaciones utilizan la analítica en tiempo real, cómo encajarla en su estrategia de datos y la infraestructura necesaria para implementarla con éxito dentro de su empresa.

¿Qué son los análisis en tiempo real?

La analítica en tiempo real convierte los datos en conocimientos inmediatamente después de que se recopilen. Este tipo de conocimientos se utilizan cuando es esencial ser rápidos. La analítica en tiempo real, también conocida como inteligencia operativa, puede predecir cuándo un dispositivo va a fallar, advirtiendo a su equipo de operaciones antes de que ocurra. Alienta a los minoristas a enviar promociones móviles a los clientes cuando se encuentran cerca de una tienda. O detectan el fraude de tarjetas de crédito antes de que se complete una transacción.

Para comprender mejor cómo funciona la analítica en tiempo real, vamos a compararla con la analítica tradicional o el procesamiento de lotes. Con el enfoque tradicional, se almacenan e indexan conjuntos limitados de datos históricos. Cuando los usuarios empresariales necesitan conocimientos, buscan en el sistema. El procesamiento de lotes se utiliza normalmente para tareas rutinarias como generar informes de ventas mensuales o nóminas.

El informe de lotes es adecuado para tareas que no son urgentes, pero otras requieren conocimientos inmediatos, como la monitorización de la seguridad de pacientes o la detección de fraude. Ahí es donde entra en juego la analítica en tiempo real.

Analítica de datos en tiempo real frente a analítica de transmisión

Hay diferentes tipos de analítica en tiempo real, incluyendo análisis bajo demanda y analítica continua o de transmisión. Gartner aclara cómo están relacionadas con la siguiente definición: «La analítica en tiempo real bajo demanda espera que los usuarios o sistemas soliciten una consulta y luego ofrecen los resultados analíticos. La analítica continua en tiempo real es más proactiva y alerta a los usuarios o activa las respuestas a medida que ocurren los eventos». 2.

A medida que la informática perimetral y el Internet de las Cosas (IoT) llevan más datos a las empresas a mayores velocidades, la necesidad de procesar esos datos mientras están en movimiento, antes de que se almacenen, ha aumentado la demanda de analítica de streaming. Además, cada vez más empresas dependen de la analítica de transmisión para ofrecer analítica empresarial en tiempo real que les permite tomar decisiones en segundo lugar y obtener una ventaja competitiva.

El 91 % de los CIOS dicen que la analítica de transmisión puede ayudarles a aumentar sus resultados finales. 3

Casos de uso de analítica en tiempo real

Desde minoristas y fabricantes hasta empresas de servicios financieros y organizaciones sanitarias, las empresas están luchando para mantenerse al día con el rápido ritmo de los datos. Debido a que el valor de estos datos puede evaporarse en días, horas, minutos o incluso segundos, el procesamiento casi en tiempo real es esencial a la hora de obtener la inteligencia empresarial más valiosa.

Por ejemplo, los datos de IoT que dirigen un camión sin conductor pierden su valor, e incluso son peligrosos, si los datos están estancados. De igual modo, los datos que indican la fatiga de una máquina de una línea de producción se vuelven inservibles una vez que la máquina falla.

Los análisis en tiempo real afrontan muchos puntos débiles organizativos. Los minoristas online combinan la actividad de las transacciones y la navegación en Internet para determinar la próxima mejor oferta que pueden proporcionar a un cliente. Los bancos analizan los comportamientos para descubrir actividades fraudulentas o detectar señales de que un cliente que trabaja en uno de sus departamentos está preparado para pasarse a otro departamento. Los precios dinámicos, la gestión de riesgos, la optimización del centro de llamadas y la seguridad son solo algunos de los procesos que pueden optimizarse con los análisis en tiempo real.

Incluso los equipos deportivos utilizan la analítica de transmisión para gestionar mejor las entradas, las concesiones, las ventas al por menor y el rendimiento en el campo. Por ejemplo, si en una de las puertas hay demasiada gente, la organización puede enviar inmediatamente más personal de entradas y de seguridad a esa ubicación para reducir los tiempos de espera y garantizar la seguridad de la multitud.

En estos casos, los datos casi en tiempo real permiten a las empresas ofrecer servicios y productos de valor añadido en el mismo momento en el que el cliente los desea y evitar las posibles consecuencias negativas antes de que se vuelvan devastadoras.

¿Qué lugar ocupan los análisis en tiempo real en una estrategia de análisis general?

Los análisis se componen de un amplio abanico y la mayoría de las empresas adoptan una mezcla de enfoques de análisis según los tipos de datos, las cargas de trabajo y el tipo de problemas empresariales que intentan solucionar. La analítica ahora abarca cinco categorías:

  • Los análisis descriptivos responden a cuestiones sobre algo que ocurrió en el pasado.
  • Los análisis de diagnóstico ofrecen conocimientos sobre por qué ocurrieron esos eventos.
  • Los análisis predictivos analizan los datos actuales e históricos para proporcionar conocimientos sobre lo que podría ocurrir en el futuro.
  • La analítica prescriptiva sugiere que una organización pueda tomar medidas según estas predicciones.
  • La analítica cognitiva automatiza o mejora las decisiones humanas.

Estas cinco categorías se complementan entre sí de un modo gradual, permitiendo que una organización se convierta en una empresa según demanda en la que las decisiones se vuelven más rápidas y mejores.

Los análisis predictivos son el punto inicial de los “análisis avanzados”, en los que la información en tiempo real puede impulsar la toma de decisiones. Por lo tanto, la analítica predictiva, prescriptiva y cognitiva son casos de uso que se benefician de la capacidad de la analítica de datos en tiempo real.

Sin importar el tipo de empresas de analítica que utilice, necesitan adoptar una estrategia de datos integral basada en una arquitectura de analítica en tiempo real que descompone los datos y los silos organizativos. El tema común es la capacidad de capturar, almacenar, analizar y asegurar los datos de modo que los conocimientos puedan escalarse rápidamente en la organización para permitir tomar decisiones empresariales oportunas.

Necesidades de infraestructura para la analítica en tiempo real

El conjunto de soluciones de análisis se compone de cuatro capas: infraestructura, datos, análisis y aplicación. Las tecnologías Intel® abarcan todas las partes importantes de la infraestructura de una empresa (en la red, el almacenamiento y la informática), permitiendo que los datos se gestionen de un modo eficaz y se aprovechen rápidamente para conseguir una ventaja competitiva. La arquitectura uniforme (por ejemplo, la basada en los procesadores escalables Intel® Xeon®) en una organización proporciona un camino predecible para escalar rápidamente las iniciativas de análisis sin necesidad de respaldar múltiples arquitecturas.

Las soluciones tradicionales del big data, centradas en el almacenamiento de datos, no son adecuadas para la mayor parte del procesamiento de datos en tiempo real. Los proveedores de la nube proporcionan cada vez más ofertas de plataforma como servicio (PaaS) y software como servicio (SaaS) que pueden aprovecharse al ofrecer el servicio de análisis en tiempo real. Las soluciones intermedias de las nubes permiten a las empresas ejecutar cargas de trabajo donde deseen, dependiendo del volumen, la variedad y la velocidad de la información.

Debido a que las empresas generan enormes cantidades de datos en la nube, deben determinar qué datos deben volver a la empresa para tomar decisiones inteligentes. Los datos en tiempo real pueden procesarse en el borde, y los análisis de datos se producen en el punto de recopilación o cerca de él. Sin embargo, los análisis en tiempo real del centro de datos requieren de un acceso rápido y de análisis de los volúmenes de datos que cada vez son mayores. Esto significa que es esencial optimizar todos los niveles de su infraestructura: desde la CPU hasta los subsistemas de memoria y almacenamiento.

Las tecnologías de memoria persistente mantienen más datos más cerca de la CPU y los retienen en la memoria durante los ciclos de cortes eléctricos, eliminando las latencias ocasionadas por los obstáculos de E/S, recuperando los datos de las SSD lentas y acelerando los reinicios.

Los análisis en tiempo real requieren recopilar los datos en cualquier lugar y formato y pasarlos a la forma de registro adecuada para poder procesarlos como conjunto. La clave es comprender dónde se crean los datos y cómo se utilizarán para mejorar el proceso empresarial y la toma de decisiones.

¿Quiénes son los participantes clave de la analítica en tiempo real?

Como socio de tecnología de análisis, Intel proporciona la flexibilidad para elegir entre soluciones de software de análisis, de código abierto o de propietario, líderes de la industria.

SAP HANA*es una única base de datos que combina una base de datos con un procesamiento de datos avanzado, servicios de aplicaciones y servicios flexibles de integración de datos. HANA aprovecha el software de base de datos en memoria, un enfoque para consultar los datos cuando residen en la memoria del sistema (hoy en día denominada RAM), en lugar de consultar los datos que se almacenan en discos duros físicos.

Esto permite a los clientes procesar los datos de formas nuevas y mucho más rápido, así como crear una serie de escenarios que contribuyen a aprovechar las oportunidades o a evitar los problemas. Otros proveedores de tecnología tradicionales, como IBM y Oracle, también permiten realizar operaciones en tiempo real en su plataforma con nueva tecnología.

Las soluciones de código abierto, centradas en el código base Apache Spark*, llevan la analítica en tiempo real a los datos no estructurados como las redes sociales, las imágenes y los vídeos. Spark utiliza análisis en memoria escalados en numerosos sistemas para que se pueda procesar en paralelo una gran cantidad de datos.

Muchas de estas soluciones se pueden ofrecer en la nube, lo que permite que la analítica se ejecute donde se generan datos, como los de las redes sociales y el Internet de las Cosas. Como resultado, las empresas pueden consultar los datos online y transaccionales para arrojar luz sobre patrones y tendencias en tiempo real, moviéndose a la misma velocidad que el mundo y los clientes.

Nuevas soluciones y proveedores entran constantemente al mercado. Esto genera un completo ecosistema de soluciones diseñadas para beneficiarse de las capacidades de informática, red y almacenamiento que proporciona Intel con el fin de ofrecer una creciente agilidad en la analítica empresarial y en la toma de decisiones.

Tecnología de análisis de Intel en tiempo real

Desde los procesadores escalables hasta la tecnología en la memoria, Intel ofrece soluciones que aceleran el rendimiento de las aplicaciones informáticas que impulsan la analítica en tiempo real y una toma de decisiones rápida.

Procesadores escalables Intel® Xeon®

Los procesadores escalables Intel® Xeon® ofrecen un rendimiento de alta velocidad para la analítica en tiempo real, la IA y otras cargas de trabajo exigentes en cuanto a los datos.

Tecnología Intel® Optane™

La tecnología Intel® Optane™ incluye la memoria Intel® 3D XPoint™, los controladores Intel® para la memoria y el almacenamiento, la IP interconectada Intel® y el software Intel®. Trabajan juntos para ofrecer una latencia más baja y un sistema acelerado para las cargas de trabajo de analítica que requieren una gran capacidad y un almacenamiento rápido. 4.

Tecnología Intel® Memory Drive

La tecnología Intel® Memory Drive amplía la memoria del sistema para obtener conocimientos de analítica más rápido. La tecnología se integra de forma transparente en la unidad de estado sólido Intel® Optane™ (SSD) en el subsistema de memoria, aumentando la capacidad más allá de las limitaciones de la DRAM.

Conocimientos en tiempo real para valor en tiempo real

La analítica de transmisión en tiempo real puede ayudarle a obtener más valor de sus datos más rápidamente. Desde mejorar el modelado de inventario hasta eliminar las amenazas de seguridad de la red, empresas en todas las industrias están estableciendo la infraestructura necesaria para tomar predicciones más precisas y tomar decisiones con más confianza.

Información sobre productos y rendimiento

1 «El mercado global de IoT aumentará a 24.100 millones de dispositivos en 2030, generando 1,5 billones de ingresos anuales», Transforma Insights, https://www.prnewswire.com/news-releases/global-iot-market-will-grow-to-24-1-billion-devices-in-2030--generating-1-5-trillion-annual-revenue-301061873.html.
3“Cómo los datos en tiempo real aumentan la rentabilidad», CIO Insight, https://www.cioinsight.com/it-management/innovation/slideshows/how-real-time-data-boosts-the-bottom-line.html.
4 «Las diez principales razones para implementar la tecnología Intel® Optane™ en el centro de datos», Intel, https://www.intel.es/content/www/es/es/products/docs/memory-storage/solid-state-drives/data-center-ssds/optane-ssds-deploy-in-the-data-center.html